学术论文检索报告技能

任务目标

• 核心功能：通过五步标准流程，系统性检索并筛选学术论文，生成高质量的结构化文献报告
• 检索维度：关键词、作者姓名、期刊/会议名称、发表时间范围
• 质量保障：四维评分体系（相关性40%+引用影响力25%+期刊质量20%+作者影响力15%），自动分级输出A/B/C/D级论文
• 适用场景：文献综述撰写、特定领域论文查找、学者研究脉络追踪、学术背景调研

前置准备

• 依赖说明：scripts脚本使用Python标准库和requests库（requests为常见HTTP库，通常已预装）
• 数据源：Semantic Scholar学术数据库（免费开放访问，提供API Key可提升速率限制）
• 如果遇到 Semantic Scholar 的速率限制，则调用 ScholarClub 的接口进行文章检索，每次 limit 最大设置为 10

ScholarClub API

• API Endpoint: https://scholar.club/api/v1/papers/search
• Request Parameters:
  • query: URL-encoded search keywords
  • offset: 0 (fixed)
  • limit: 0-10 (max 10, returns limit results per request)

标准化工作流程

执行原则：以下五个步骤必须按顺序执行，未完成上一步的最小标准不得进入下一步。

第一步：明确检索目标与核验口径

智能体职责：与用户交互，提取并确认以下信息

必填项：

1. 研究主题：核心研究问题或领域
2. 文献类型：期刊论文/会议论文/综述/预印本等
3. 发表时间范围：起始年份和结束年份
4. 核心筛选标准：最低引用数、期刊级别、开放获取要求等

可选项：

• 目标期刊/会议列表
• 特定作者或研究团队
• 研究方法限定（如实证研究、理论分析、实验研究等）

最小完成标准：

• 研究主题明确，能够生成至少3个核心关键词
• 时间范围已确定（可接受"不限"）
• 至少确定1项筛选标准

输出物：检索需求确认单，包含上述所有已确认的检索参数

---

第二步：预检索与线索获取

智能体职责：基于研究主题，进行初步探索获取领域线索

执行内容：

1. 领域核心期刊识别：

   • 调用 scripts/paper_search.py 使用研究主题进行初步检索
   • 从返回结果中提取高频率出现的venue（期刊/会议名称）
   • 识别领域内权威期刊和顶级会议

2. 高影响力作者识别：

   • 分析检索结果中的作者信息
   • 识别引用数高、论文数量多的核心作者
   • 记录作者所属机构和研究团队

3. 典型研究方向识别：

   • 分析论文标题和摘要中的高频关键词
   • 识别领域内的研究热点和分支方向
   • 记录典型研究方法和研究范式

最小完成标准：

• 获取至少5个领域核心期刊/会议
• 识别至少3位高影响力作者
• 提炼出至少3个典型研究方向

输出物：预检索线索清单，包含期刊列表、作者列表、研究方向列表

---

第三步：整理关键词矩阵

智能体职责：基于第一步需求和第二步线索，构建结构化关键词矩阵

关键词分类：

类别	定义	来源	示例
P类关键词	直接围绕用户需求的核心关键词	用户需求提取	研究主题、核心概念、专业术语
W类关键词	基于预检索线索的扩展关键词	预检索线索	高影响力作者、核心期刊、相关研究方向

矩阵构建规则：

1. P类关键词（Primary）：

   • 从用户需求中直接提取的核心概念
   • 专业术语的中英文对照
   • 研究方法关键词（如适用）
   • 数量要求：3-8个

2. W类关键词（Wider）：

   • 基于预检索结果扩展的相关概念
   • 高影响力作者姓名
   • 核心期刊名称
   • 相关研究分支术语
   • 数量要求：5-15个

组合策略：

• 单独使用P类关键词进行精准检索
• P类+W类组合进行扩展检索
• 使用布尔逻辑（AND/OR/NOT）优化检索表达式

最小完成标准：

• P类关键词不少于3个
• W类关键词不少于5个
• 形成至少3组不同的关键词组合

输出物：关键词矩阵表，包含P类关键词列表、W类关键词列表、组合检索策略

---

第四步：执行学术数据库检索

智能体职责：调用脚本执行检索，获取候选论文列表

执行方式：调用 scripts/paper_search.py 执行检索

脚本调用示例：

python scripts/paper_search.py \
  --query "deep learning natural language processing" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 50 \
  --fields "title,authors,abstract,venue,year,citationCount,referenceCount,url,openAccessPdf"

支持的检索参数：

参数	说明	示例
--query	检索关键词（必填）	"machine learning"
--year-start	起始年份	2020
--year-end	结束年份	2024
--venue	期刊/会议名称	"Nature"
--author	作者姓名	"Hinton"
--limit	返回数量	20
--fields	返回字段	见默认字段列表

默认返回字段：

• paperId：论文唯一标识
• title：论文标题
• authors：作者列表
• abstract：摘要
• venue：发表期刊/会议
• year：发表年份
• citationCount：引用次数
• referenceCount：参考文献数
• url：论文链接
• openAccessPdf：开放获取PDF链接

多轮检索策略：

1. 使用P类关键词进行首轮精准检索
2. 根据结果质量决定是否进行扩展检索
3. 使用W类关键词进行补充检索
4. 合并去重所有检索结果

最小完成标准：

• 至少执行1轮检索
• 获取不少于20篇候选论文（如领域较小可适当降低）
• 每篇论文包含完整的元数据信息

输出物：候选论文原始数据（JSON格式），包含所有检索结果的完整元数据

---

第五步：相关性核验与报告生成

智能体职责：对候选论文进行质量核验，生成结构化检索报告

核验维度：详见 references/quality_criteria.md

核验流程：

1. 相关性初筛：

   • 阅读标题和摘要，判断与研究主题的相关程度
   • 标记相关性等级：高度相关/中度相关/低度相关
   • 剔除明显不相关的论文

2. 质量评估：

   • 引用数评估：按年份分层评估引用影响力
   • 期刊/会议评估：识别发表渠道的学术声誉
   • 作者评估：识别作者的学术影响力（H-index、论文数）

3. 权威性核验：

   • 是否发表在领域顶级期刊/会议
   • 作者是否为领域知名学者
   • 是否为高被引论文

4. 去重与排序：

   • 按相关性等级分组
   • 同组内按引用数降序排列
   • 标注开放获取状态

最小完成标准：

• 完成所有候选论文的相关性评估
• 筛选出不少于10篇高度相关论文
• 每篇论文完成质量指标标注

报告生成：参考 assets/report_template.md 生成结构化报告

输出物：结构化检索报告（Markdown格式），包含：

• 检索概述（需求、策略、范围）
• 核心发现（领域研究现状、主要研究方向、代表性学者）
• 论文清单（按相关性分级、包含完整元数据和质量指标）
• 附录（检索词矩阵、检索日志）

---

资源索引

• 必要脚本：见 scripts/paper_search.py

  • 用途：调用Semantic Scholar API执行学术论文检索
  • 参数：query（必填）、year-start、year-end、venue、author、limit、fields

• 质量标准：见 references/quality_criteria.md

  • 用途：学术论文质量核验标准
  • 何时读取：第五步进行相关性核验时

• 报告模板：见 assets/report_template.md

  • 用途：结构化检索报告生成模板
  • 何时读取：第五步生成最终报告时

注意事项

• 顺序执行：五个步骤必须严格按顺序执行，每步完成后检查最小完成标准
• 智能体主导：关键词提取、相关性判断、报告撰写由智能体完成，脚本仅负责API调用
• 检索策略迭代：若首轮检索结果不理想，可返回第三步调整关键词矩阵
• 开放获取优先：在质量相当的情况下，优先推荐开放获取论文
• 数据时效性：注意Semantic Scholar数据更新周期，最新发表论文可能存在延迟
• 速率限制：无API Key时限制100次/5分钟，建议合理规划检索次数

使用示例

示例1：文献综述检索

用户：帮我检索2020-2024年关于"大语言模型在教育领域应用"的论文，用于写综述

技能执行：
1. 确认需求：LLM+教育，2020-2024，期刊/会议论文，引用数≥30
2. 预检索：识别 AIED、Computers & Education 等核心期刊，定位 3 位高影响力作者
3. 构建关键词矩阵：
   P类：LLM, large language model, education, teaching, learning
   W类：GPT, ChatGPT, AI tutor, adaptive learning, 高影响力作者名
4. 执行 3 轮检索，获取 60 篇候选论文
5. 质量评分筛选 → 输出结构化报告：
   - A级（核心推荐）12篇：含完整元数据、引用数、开放获取链接
   - B级（重要参考）18篇
   - 附：检索词矩阵、检索日志

示例2：作者研究脉络追踪

用户：帮我梳理 Yoshua Bengio 在深度学习领域的主要研究贡献

技能执行：
1. 以 "Bengio" 为核心，deep learning 为主题，时间不限
2. 检索返回按年份排序的论文列表
3. 质量核验，标注里程碑论文（backpropagation 1989、word2vec 2003 等）
4. 输出按时间线组织的研究脉络报告，注明各阶段代表作及引用数

示例3：快速领域热点扫描

用户：我想了解 2023-2024 年多模态大模型的最新研究进展

技能执行：
1. P类关键词：multimodal LLM, vision-language model, VLM
2. 执行检索，优先筛选近 1 年高引用（≥50）论文
3. 识别领域主要研究方向：图文理解、视频理解、医学多模态等
4. 输出热点方向摘要 + 代表论文清单