学术论文检索小助手
专业学术论文多源检索工具，支持 OpenAlex、Semantic Scholar、Crossref、arXiv、PubMed 五大数据源，自动 enrichment 补全元数据。
作者：松哥（Zhang JinSong）
核心功能
- 🌐 五库并行检索（OpenAlex / Semantic Scholar / Crossref / arXiv / PubMed）
- 🔗 Multi 模式自动串联：OpenAlex 搜 → S2 补摘要/引用 → Crossref 补卷期页
- 📤 全格式导出：Text / JSON / BibTeX / RIS / Markdown
- 📥 PDF 下载（arXiv、OpenAlex 有 PDF 时）
- 🔑 S2_API_KEY 完全可选（无 key 正常运行，仅受速率限制）
数据源说明
| 数据源 | 是否需要 Key | 特点 |
|---|---|---|
| OpenAlex | ❌ 免费 | 覆盖全学科，2 亿+ 记录，完整元数据 |
| Semantic Scholar | ⚠️ 可选 | CS 领域最全，有 key 速率更快（无 key 限 1/s） |
| Crossref | ❌ 免费 | 补充期刊卷/期/页/abstract |
| arXiv | ❌ 免费 | 预印本，PDF 可下载 |
| PubMed | ❌ 免费 | 生物医学方向 |
Semantic Scholar API Key 配置说明
完全可选。 不配置也能正常使用，仅受速率限制（约 1 次/秒）。
有 key 的效果： 解除速率限制，每秒可发更多请求。
申请步骤：
- 访问 https://www.semanticscholar.org/product/api
- 注册账号，申请 Free tier（免费）
- 使用时通过 CLI 参数传入：
--semantic-api-key 'your-key'
示例：
# 无 key（正常运行）
python scripts/research.py multi "transformer attention" -n 10
# 有 key（速率更快）
python scripts/research.py multi "transformer attention" -n 10 --semantic-api-key 's2k-xxxxx'
注意： 本 skill 不读取也不存储 S2_API_KEY 环境变量，Key 仅通过 CLI 参数传入。
创作流程
Step 1：确认检索需求
- 检索主题/关键词
- 目标数据库（multi 推荐）
- 结果数量
Step 2：执行检索
- 推荐使用
multi模式（自动三步串联） - 或指定单一数据源（openalex / semantic / arxiv / pubmed）
Step 3：选择输出格式
- 日常阅读 →
text - 论文写作 →
bibtex（LaTeX / Word 插件导入） - 文献管理器 →
ris（Zotero / Mendeley 导入） - 结构化数据 →
json
命令行使用
python scripts/research.py <source> "<关键词>" [选项]
数据源（source）
| source | 说明 | 是否需要 Key |
|---|---|---|
openalex |
推荐，全学科覆盖 | ❌ |
semantic |
Semantic Scholar | ⚠️ 可选 |
multi |
自动串联三库（推荐） | ⚠️ S2 可选 |
crossref |
用 DOI 查元数据 | ❌ |
arxiv |
预印本 + PDF 下载 | ❌ |
pubmed |
生物医学文献 | ❌ |
常用选项
# 推荐：multi 模式（自动补全）
python scripts/research.py multi "large language model alignment" -n 10 -f bibtex
# OpenAlex 搜索（无需 key）
python scripts/research.py openalex "graph neural networks" -n 20 --year 2023
# 带引用数过滤的 S2 搜索（有 key 更快）
python scripts/research.py semantic "reinforcement learning" -n 10 --min-citations 100
# arXiv 下载 PDF
python scripts/research.py arxiv "transformers" -n 5 --download --output-dir ./papers/
# PubMed 生物医学检索
python scripts/research.py pubmed "CRISPR gene editing" -n 10
# 生成 BibTeX
python scripts/research.py multi "attention mechanism" -n 20 -f bibtex -o refs.bib
完整参数说明
| 参数 | 说明 | 适用数据源 |
|---|---|---|
-n, --max-results |
最大结果数（默认 10） | 全部 |
-f, --format |
输出格式（text/json/bibtex/ris/markdown） | 全部 |
-o, --output |
保存到文件 | 全部 |
--year |
年份过滤 | openalex/semantic/arxiv |
--start-date |
开始日期（YYYY-MM-DD） | openalex/pubmed |
--end-date |
结束日期 | openalex/pubmed |
--author |
作者名 | openalex/semantic/arxiv/pubmed |
--min-citations |
最低引用数 | semantic |
--enrich-s2 |
S2 补全详情（摘要/引用数） | semantic |
--crossref-enrich |
Crossref 补充元数据（默认开启） | openalex/multi |
--journal-issn |
按 ISSN 筛选期刊 | openalex |
--concept-id |
按学科概念 ID 筛选 | openalex |
--category |
arXiv 学科分类（如 cs.LG） | arxiv |
--publication-type |
PubMed 文献类型 | pubmed |
--doi-file |
从文件读取 DOI 列表 | crossref |
--download |
下载 arXiv PDF | arxiv |
--output-dir |
PDF 下载目录 | arxiv |
--sort-by |
排序（relevance/date/citations） | openalex |
参考文档
| 文件 | 内容 | 何时读取 |
|---|---|---|
references/readme.md |
详细使用说明、Workflow 示例 | 检索前必读 |
references/readme.md |
安装依赖、故障排查 | 配置环境时 |
输出格式示例
BibTeX（用于 LaTeX / Zotero）
@article{vaswani2017attention,
title={Attention Is All You Need},
author={Vaswani, Ashish and Shazeer, Noam and Parmar, Niki},
year={2017},
journal={arXiv preprint},
doi={10.48550/arXiv.1706.03762},
url={https://arxiv.org/abs/1706.03762}
}
RIS（用于 Zotero / Mendeley）
TY - JOUR
TI - Attention Is All You Need
AU - Vaswani, Ashish
AU - Shazeer, Noam
PY - 2017
JO - arXiv preprint
DO - 10.48550/arXiv.1706.03762
ER -
安装依赖
pip install -r scripts/requirements.txt
注意： S2_API_KEY 环境变量由用户在 ~/.bashrc 中自行配置，不写入 skill 文件。
MIT License · 松哥专版