文献智能检索与综述生成器
功能描述
根据用户提供的研究主题（关键词或问题），自动在多个公共学术数据库（Semantic Scholar、arXiv、CrossRef）中检索相关文献，经相关性筛选、去重、主题聚类分析后，生成结构化综述文档（含摘要、分主题讨论、趋势分析、参考文献列表）。
使用示例：
- "帮我检索近3年关于'联邦学习在工业视觉中的应用'的文献，写一篇综述。"
- "追踪'大模型微调技术'的最新进展，给我一份热点概览。"
- "我想了解'柔性机器人'领域的研究趋势，输出综述报告。"
执行流程
该技能按以下阶段顺序执行，每个阶段失败时会自动重试或给出明确错误提示。
1. 请求解析
- 从用户输入中提取：核心关键词、时间范围、最大文献数、输出格式等。
- 若用户未提供，使用配置文件中的默认值。
- 自动生成英文同义词和字段变体。
2. 文献检索
- 并发调用以下API（优先使用Semantic Scholar，返回结果快且丰富）：
- Semantic Scholar API：
https://api.semanticscholar.org/graph/v1/paper/search - arXiv API：
http://export.arxiv.org/api/query - CrossRef API：
https://api.crossref.org/works
- Semantic Scholar API：
- 检索参数：关键词、出版年份范围、按相关性排序、每页最多100条。
- 合并去重（基于DOI或标题相似度）。
3. 相关性筛选（本地）
- 对摘要和标题进行关键词匹配或TF-IDF向量化，计算与用户关键词的余弦相似度。
- 按相似度降序排序，结合引用数加权，保留前
max_papers篇。 - 若
human_review_papers = true，则生成候选列表并询问用户是否采纳或手动剔除。
4. 主题聚类分析（可选，本地）
- 如果安装了
sentence-transformers和bertopic，自动对摘要进行BERTopic聚类。 - 否则使用基于关键词的简单分组。
- 输出：每个聚类的主题词、代表性论文、论文数量。
- 同时统计每年发文量，生成趋势文本描述。
5. 综述草稿生成
支持两种模式：
模式A（纯本地，零API费用）：
- 根据聚类结果按大纲自动生成结构化综述，包含：
- 摘要（基于检索到的论文数量和主要聚类方向）
- 主要研究方向（按主题分类，附带代表性论文关键信息）
- 研究趋势与挑战（年度发文趋势、热门期刊、潜在研究机会）
- 参考文献列表（含DOI和链接）
模式B（大模型润色，可选）：
- 将本地生成的草稿和论文摘要输入大模型，生成更流畅的综述文本。
文件结构
lit_review/
├── skill.md # 技能元数据定义
├── lit_review.py # 核心实现（主入口）
├── config.json # 配置文件
├── requirements.txt # Python依赖
├── README.md # 使用说明
└── test.py # 测试脚本