paper-research

Paper Research — 学术文献搜索工具

通过命令行并行搜索多个学术数据库，自动去重合并，下载 PDF，导出 BibTeX。

Prerequisites

1. CLI binary available (install to ~/.local/bin/ or any directory in $PATH):

   scholar-cli --help
   

2. For WebBridge sources (Google Scholar, CNKI, WoS), kimi-webbridge daemon must be running:

   ~/.kimi-webbridge/bin/kimi-webbridge status
   

   If not running: invoke the kimi-webbridge skill.

命令速查

# 英文多源并行搜索（默认 7 个源）
scholar-cli search-en --query "关键词" --limit 10

# 指定源搜索
scholar-cli search-en --query "关键词" --sources openalex,semantic,arxiv,dblp

# Google Scholar（需要 WebBridge + 浏览器）
scholar-cli search-google --query "关键词" --limit 10

# 知网搜索（需要 WebBridge + 知网登录）
scholar-cli search-cnki --query "关键词" --limit 20

# Web of Science（需要 WebBridge + 机构登录）
scholar-cli search-wos --query "关键词" --limit 10

# 按 DOI 查论文详情
scholar-cli detail --doi "10.1145/3442188.3445922"

# 搜索并保存到工作区（自动去重）
scholar-cli search-en --query "关键词" --workspace /path/to/workspace

# 导出 BibTeX
scholar-cli export --workspace /path/to/workspace --output refs.bib

# 检查 WoS 登录状态
scholar-cli login-status --platform wos

所有可用源

源	源代码名	类型	需要登录
OpenAlex	openalex	HTTP API	否
Semantic Scholar	semantic	HTTP API	否
CrossRef	crossref	HTTP API	否
arXiv	arxiv	HTTP API	否
PubMed	pubmed	HTTP API	否
DBLP	dblp	HTTP API	否
bioRxiv/medRxiv	biorxiv	HTTP API	否
Google Scholar	—	WebBridge	否（但有 CAPTCHA）
CNKI 知网	—	WebBridge	是
Web of Science	—	WebBridge	是（机构）

search-en 默认并行搜索前 7 个 HTTP API 源。Google Scholar、CNKI、WoS 需要单独命令调用。

领域 → 源映射

不同学科的核心文献分布差异很大，选对源直接决定搜索质量。

领域	首选源	次选源	说明
计算机科学 / AI / ML	arxiv, semantic, dblp	openalex	arXiv 是 CS 预印本主阵地，S2 对 CS 覆盖最好，DBLP 是 CS 文献目录权威
生物医学 / 临床医学	pubmed, biorxiv	crossref, openalex	PubMed 是 MEDLINE 入口必查，bioRxiv/medRxiv 覆盖生物医学预印本
物理 / 数学 / 天文	arxiv	openalex, crossref	物理学和数学重度依赖 arXiv
社会科学 / 经济学	openalex, crossref	semantic	传统期刊为主，OpenAlex 覆盖最广
工程 / 材料 / 化学	crossref, openalex	semantic	传统期刊为主，CrossRef 的 DOI 元数据最全
中文文献（任何学科）	cnki（知网）	—	中文期刊、学位论文、会议论文的唯一可靠源。需要登录
高影响力/引用分析	search-wos	openalex, semantic	WoS 的引用数据最权威，适合做引文分析和找高影响力论文
跨学科 / 综述调研	全源 search-en	search-google	不确定领域时走全源并行，去重后看分布再聚焦

使用策略

1. 已知领域 → 用 --sources 指定 2-3 个核心源，减少噪音

   # AI / CS 论文
   scholar-cli search-en --query "large language model reasoning" --sources arxiv,semantic,dblp --limit 15
   
   # 生物医学论文
   scholar-cli search-en --query "CRISPR gene therapy" --sources pubmed,biorxiv,crossref --limit 15
   
   # 工程/材料
   scholar-cli search-en --query "perovskite solar cell" --sources crossref,openalex --limit 15
   

2. 不确定领域 → 先用全源搜一轮，看 sources 汇总判断哪些源有料

   scholar-cli search-en --query "quantum computing" --limit 5
   # 看返回的 sources 字段，哪个 count 高就追加搜哪个
   

3. 中文研究 → 用 search-cnki，确保浏览器已登录知网

   scholar-cli search-cnki --query "大语言模型教育应用" --limit 20
   

4. 引用分析/高影响力筛选 → 用 WoS，需要机构 VPN/登录

   scholar-cli search-wos --query "transformer attention" --limit 20
   

5. 需要 Google Scholar → 被 CAPTCHA 拦截时，让用户在浏览器里手动过验证码，之后短时间内可用

   scholar-cli search-google --query "attention mechanism survey"
   

搜索关键词技巧

• 英文源：用英文关键词，支持布尔逻辑（取决于各源 API）
• 知网：用中文关键词，和知网网页搜索行为一致
• DBLP：对 CS 会议/期刊论文标题匹配特别准，适合精确查找
• bioRxiv：通过 CrossRef DOI 前缀过滤实现，搜索质量与 CrossRef 一致
• DOI 查详情：如果从搜索结果里拿到了 DOI，用 detail 命令补全完整信息（作者机构、摘要、引用数、PDF 链接）

工作区管理

工作区用于跨多次搜索累积论文，自动按 DOI / 标题+作者 去重：

# 多次搜索存同一个工作区
scholar-cli search-en --query "term1" --workspace ~/research/my-survey --limit 10
scholar-cli search-en --query "term2" --workspace ~/research/my-survey --limit 10

# 最后统一导出 BibTeX
scholar-cli export --workspace ~/research/my-survey --output ~/research/my-survey/refs.bib

返回值中 papers_added 表示新增了多少篇（已有的不重复添加），total_stored 是工作区总数。

输出格式

所有命令输出 JSON：

• 成功：{"ok": true, "data": {...}}
• 失败：{"ok": false, "error": {"code": "...", "message": "..."}}

论文字段：title, authors, abstract, year, doi, venue, volume, issue, pages, citations, references, open_access, pdf_url, source, sources, urls, identifiers

常见问题

问题	原因与解决
PubMed 返回 "blocked by NCBI"	NCBI 限制了请求频率或 IP，等一会重试或加 API key
DBLP 连接超时	部分网络环境下 dblp.org 访问不稳定，不影响其他源
Google Scholar CAPTCHA	在浏览器里手动过一次验证码即可
知网 "not_logged_in"	在浏览器里打开 cnki.net 登录（见下方知网使用说明）
知网滑块验证码	不只登录时出现，新会话、频繁请求、自动化检测都会触发（见下方知网使用说明）
WoS "not_logged_in"	需要通过机构 VPN 或 SSO 登录 Web of Science
Semantic Scholar 返回 0 结果	S2 的搜索对关键词敏感，换个更具体的 query 试试
bioRxiv 年份为 0	极少数早期论文缺少日期元数据
某个源超时	不影响其他源，结果中 sources 会显示 error 信息

知网（CNKI）使用说明

使用 search-cnki 前，必须在浏览器中完成以下准备：

1. 登录知网 — 在 Chrome 中打开 https://www.cnki.net 并登录账号
2. 过一次滑块验证码 — 打开 https://kns.cnki.net 搜索任意关键词，如果弹出滑块验证码（"安全验证"页面），手动拖动滑块完成验证

知网的滑块验证码（blockPuzzle 类型）不仅在登录时出现，以下场景也会触发：

• 新会话 / 新 IP 首次访问
• 短时间内搜索次数过多
• 检测到自动化浏览器行为

验证码无法自动破解，必须手动完成。过一次之后同一浏览器会话可保持一段时间正常使用。

如果 search-cnki 返回错误或空结果，优先让用户在浏览器里访问 kns.cnki.net 确认是否需要重新过验证码。

依赖

• 7 个 HTTP API 源（OpenAlex, Semantic Scholar, CrossRef, arXiv, PubMed, DBLP, bioRxiv）：无需登录，直接 HTTP 调用
• Google Scholar：需要 kimi-webbridge 运行 + Chrome 打开
• CNKI 知网：需要 kimi-webbridge 运行 + Chrome 打开 + 知网已登录 + 手动过一次滑块验证码
• Web of Science：需要 kimi-webbridge 运行 + Chrome 打开 + 机构 SSO 登录