Communitygithub.com

Literaturübersicht

Systematischer Arbeitsablauf für Literaturübersichten in akademischen, biomedizinischen, technischen und wissenschaftlichen Themen, einschließlich Suchplanung, Quellensichtung, Synthese, Zitierprüfung und Evidenzprotokollierung. Verwenden Sie diese Fähigkeit, wenn es darum geht, eine Sammlung akademischer oder technischer Literatur zu finden, zu sichten, zu synthetisieren und zu zitieren.

Was ist Literaturübersicht?

Der Skill **Literaturübersicht** automatisiert den gesamten Prozess der Erstellung systematischer, scoping- oder narrativer Literaturübersichten. Er unterstützt Forscher, Ingenieure und Analysten dabei, eine Forschungsfrage zu definieren, eine reproduzierbare Suchstrategie zu entwerfen, Quellen zu deduplizieren und zu screenen, Daten strukturiert zu extrahieren und thematische Synthesen durchzuführen. Der Skill eignet sich für klinische (PICO), technische (System/Methode/Vergleich/Metrik) und allgemeinwissenschaftliche Fragestellungen. Er ist plattformunabhängig und kann in Verbindung mit KI-Agenten (z. B. Claude Code, Cursor, Codex) und gängigen akademischen Datenbanken wie PubMed, arXiv, Semantic Scholar und domänenspezifischen Quellen eingesetzt werden. Der Workflow umfasst acht Schritte: Frage definieren, Suche planen, Evidenz protokollieren, Duplikate entfernen, Quellen screenen, Daten extrahieren, synthetisieren und Zitate verifizieren. Ein optionales Ausgabetemplate strukturiert die Ergebnisse. Der Skill hilft, typische Fallstricke wie das Zitieren von Suchschnipseln, das Vermischen von Preprints mit Peer-Review-Artikeln oder das Unterlassen negativer Ergebnisse zu vermeiden.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/scientific-thinking-literature-review

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Literaturübersicht?

Verwenden Sie diese Fähigkeit, wenn es darum geht, eine Sammlung akademischer oder technischer Literatur zu finden, zu sichten, zu synthetisieren und zu zitieren.

Wann verwenden

  • Erstellung einer systematischen, scoping- oder narrativen Literaturübersicht.
  • Synthese des Stands der Technik zu einer Forschungsfrage.
  • Identifikation von Lücken, Widersprüchen oder zukünftigen Forschungsrichtungen.
  • Erstellung von zitiergestützten Hintergrundabschnitten für Aufsätze oder Berichte.
  • Vergleich von Evidenz aus Peer-Review-Artikeln, Preprints, Patenten und technischen Berichten.

Übersichtstypen

  • Narrative Übersicht: breite Synthese; nützlich zur Orientierung.
  • Scoping-Übersicht: kartiert Konzepte, Methoden und Evidenzlücken.
  • Systematische Übersicht: vordefiniertes Protokoll, reproduzierbare Suche, explizites Screening und Ausschluss.
  • Metaanalyse: systematische Übersicht plus quantitative Effektaggregation.

Fragen Sie den Benutzer, welches Maß an Strenge benötigt wird. Wenn nicht angegeben, verwenden Sie standardmäßig eine Scoping-Übersicht für explorative Arbeiten und eine systematische Übersicht für Veröffentlichungen oder klinische Aussagen.

Arbeitsablauf

1. Frage definieren

Konvertieren Sie die Eingabeaufforderung in eine durchsuchbare Forschungsfrage.

Für klinische oder biomedizinische Arbeiten verwenden Sie PICO:

  • Population
  • Intervention oder Exposition
  • Vergleich
  • Outcome (Ergebnis)

Für technische Arbeiten verwenden Sie:

  • System oder Domäne
  • Methode oder Intervention
  • Vergleichsbasislinie
  • Bewertungsmetrik

2. Suche planen

Erstellen Sie ein Suchprotokoll, bevor Sie Quellen sammeln:

  • Datenbanken, die durchsucht werden sollen
  • Datumsbereich
  • Sprachen
  • Publikationstypen
  • Einschlusskriterien
  • Ausschlusskriterien
  • exakte Suchstrings

Minimaler nützlicher Datenbanksatz:

  • PubMed für biomedizinische und lebenswissenschaftliche Literatur.
  • arXiv für Informatik, Mathematik, Physik, quantitative Biologie und Preprints.
  • Semantic Scholar oder Crossref für breite akademische Entdeckung.
  • Domänenspezifische Quellen, wenn relevant, wie klinische Studienregister, Patentdatenbanken, Normungsgremien oder offizielle technische Dokumente.

3. Suchen und Evidenz protokollieren

Führen Sie ein Suchprotokoll, das die Übersicht reproduzierbar macht:

| Datenbank | Suchdatum | Abfrage | Filter | Ergebnisse | Export |
| --- | --- | --- | --- | ---: | --- |
| PubMed | 2026-05-11 | `("CRISPR"[tiab] ODER "Cas9"[tiab]) UND "Sichelzellenkrankheit"[tiab]` | 2020:2026, Englisch | 86 | PMID-Liste |
| arXiv | 2026-05-11 | `CRISPR sickle cell gene editing` | q-bio, 2020:2026 | 9 | BibTeX |

Speichern Sie Roh-IDs, URLs, DOIs, Abstracts und Notizen getrennt vom endgültigen Prosatext.

4. Duplikate entfernen

Duplikate in dieser Reihenfolge entfernen:

  1. DOI
  2. PMID oder arXiv-ID
  3. exakter Titel
  4. normalisierter Titel plus erster Autor und Jahr

Notieren Sie, wie viele Duplikate entfernt wurden.

5. Quellen sichten

Sichten in Stufen:

  1. Titel
  2. Abstract
  3. Volltext

Für systematische Arbeiten die Ausschlussgründe notieren:

  • falsche Population
  • falsche Intervention
  • falsches Ergebnis
  • keine Primärforschung
  • Duplikat
  • nicht verfügbarer Volltext
  • außerhalb des Datumsbereichs

6. Daten extrahieren

Verwenden Sie eine strukturierte Extraktionstabelle:

| Studie | Design | Population/Daten | Methode | Vergleich | Ergebnis | Haupterkenntnis | Einschränkungen |
| --- | --- | --- | --- | --- | --- | --- | --- |
| Autor Jahr | RCT/Kohorte/Review/etc. | Stichprobe oder Korpus | Methode | Basislinie | gemessenes Ergebnis | Ergebnis | Einschränkung |

Für technische Arbeiten Dataset, Benchmark, Metrik, Basislinie und Reproduzierbarkeitsnotizen einschließen.

7. Synthetisieren

Evidenz nach Themen gruppieren, anstatt Arbeiten nacheinander zusammenzufassen.

Nützliche Syntheseperspektiven:

  • stärkste Evidenz
  • widersprüchliche Evidenz
  • methodische Schwächen
  • Populations- oder Datensatzgrenzen
  • Aktualität und Replikation
  • praktische Implikationen
  • unbeantwortete Fragen

Aussagen nach Vertrauensniveau trennen:

  • Hohes Vertrauen: replizierte, qualitativ hochwertige Evidenz aus mehreren Quellen.
  • Mittleres Vertrauen: plausibel, aber durch Stichprobe, Methode oder Aktualität eingeschränkt.
  • Niedriges Vertrauen: frühe, spekulative, einzelquellbasierte oder schwach gemessene Evidenz.

8. Zitate überprüfen

Vor dem Abschluss:

  • DOI, PMID, arXiv-ID oder offizielle URL überprüfen
  • Autorennamen und Publikationsjahr prüfen
  • kein Paper für eine Aussage zitieren, die es nicht macht
  • Preprints als Preprints kennzeichnen
  • Reviews von Primäre videnz unterscheiden

Ausgabetemplate

# Literaturübersicht: <Thema>

Erstellt: <Datum>
Übersichtstyp: <narrativ | scoping | systematisch | Metaanalyse>
Suchfenster: <Datumsangaben>
Datenbanken: <Liste>

## Forschungsfrage

## Suchstrategie

## Ein- und Ausschlusskriterien

## Evidenzzusammenfassung

## Thematische Synthese

## Lücken und Einschränkungen

## Referenzen

## Suchprotokoll

Fallstricke

  • Behandeln Sie Suchschnipsel nicht als Evidenz.
  • Vermischen Sie Preprints, Reviews und Primärstudien nicht ohne Kennzeichnung.
  • Lassen Sie negative oder widersprüchliche Ergebnisse nicht weg.
  • Behaupten Sie keine systematische Übersichtsstrenge ohne reproduzierbares Protokoll.
  • Verwenden Sie für eine breite Aussage nicht nur eine einzige Datenbank, es sei denn, der Umfang ist ausdrücklich auf diese Datenbank beschränkt.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills