bear-map
给一个概念，从真实检索到的论文摘要里挖出它的邻近概念，画出以该概念为中心的知识地图——每个节点都锚定真实文献，不从记忆里补节点。同时输出 Mermaid 概念图（可在 Claude Code / GitHub / Obsidian 渲染）和可截图的独立 HTML 地图，再给 3–6 篇入门推荐。 **以下情况请主动触发本技能**：用户说"帮我画一张这个概念的知识地图"、"这个词周围有哪些相关概念"、"梳理一下这个方向的概念网络"、"给我一张概念图"、"这个领域的核心概念有哪些"、"知识地图"、"概念地图"、"map out this concept"、"draw a knowledge map of X"、"what concepts surround X"、"show me the concept network around this term"、"concept map for X"——即使用户没有说"bear-map"，只要意图是**以一个概念为中心，了解它周围的知识版图**，就使用本技能。 不适用于：为观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、选题查重（用 bear-scoop）、溯源演化史（用 bear-trace）。
Profile →npx skills add xuzhougeng/wisp-science --skill bear-map --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# bear-map · 知识地图 一个任务：把一个概念交给它，它从真实检索到的摘要里挖出邻近概念，画出这张地图，再把论文交给你读。模型可以凭半生不熟的记忆画一张概念图——有时候对，有时候错；这里把每个节点锁定到真实检索到的摘要，地图只有它检索到的那么宽，不多不少。 先读 `references/sci-cli.md`——CLI 检测步骤、用法和铁律。 再读 `references/output-system.md`——三层输出体系和 HTML 外壳规范。 地图有意设计为一层深：中心 + 真实邻居。多层递进的深度学习地图是另一种更重的任务，交给 SciMaster，不在这里做。 ## 步骤（固定顺序） **Step 0 — 确认 CLI 可用** 运行 `sci --version`。未安装就给安装命令并停止；认证错误就提示 `sci init` 并停止。不要跳过。 **Step 1 —
What does the bear-map skill do?
给一个概念，从真实检索到的论文摘要里挖出它的邻近概念，画出以该概念为中心的知识地图——每个节点都锚定真实文献，不从记忆里补节点。同时输出 Mermaid 概念图（可在 Claude Code / GitHub / Obsidian 渲染）和可截图的独立 HTML 地图，再给 3–6 篇入门推荐。 **以下情况请主动触发本技能**：用户说"帮我画一张这个概念的知识地图"、"这个词周围有哪些相关概念"、"梳理一下这个方向的概念网络"、"给我一张概念图"、"这个领域的核心概念有哪些"、"知识地图"、"概念地图"、"map out this concept"、"draw a knowledge map of X"、"what concepts surround X"、"show me the concept network around this term"、"concept map for X"——即使用户没有说"bear-map"，只要意图是**以一个概念为中心，了解它周围的知识版图**，就使用本技能。 不适用于：为观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、选题查重（用 bear-scoop）、溯源演化史（用 bear-trace）。
How do I install it?
Run `npx skills add xuzhougeng/wisp-science --skill bear-map --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From xuzhougeng/wisp-science, a repository with 895 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.