find-literature

查找文献

搜索与查询相关的学术文献。搜索将返回按相关性排序的论文列表，其中包含相关性评分、摘要和佐证摘录。

这是一项高级搜索，因此查询可以很长、很复杂。运行搜索前，你可以向用户提问，以澄清主题并优化查询。

选择 find 还是 interactive

有两个入口可选。两者运行相同的检索流程（提取标准、检索候选论文、重新排序）。主要区别在于检索流程之外的处理方式——正确的选择主要取决于整个会话的主题，而不是某个查询本身的复杂程度：

• asta literature interactive — 文献相关会话的默认选择。当会话中的首次交互与文献搜索或探索有关，或整个会话都聚焦于文献时，请使用此命令。它会运行完整的 Asta 论文查找 Agent：针对复杂或多方面的查询，规划能力更强（分解查询、采用迭代搜索策略）；同时还提供推理和结果验证循环，如果初始结果不符合标准，就会重新运行或优化搜索。它还通过 thread_id 维护对话状态，因此后续操作可以基于先前结果继续：筛选（“现在缩小范围，只保留 2023 年及之后的综述”）、聚合（“按发表场所分组”）、追踪关联（“展开第三篇论文的引文”）或迭代优化。

• asta literature find — 仅尝试一次，不含 Agent 循环。主要用于文献搜索是其他多步骤流程中的一个子步骤的情况（数据分析、代码生成、更广泛的研究工作流等）；同一流程可能会执行许多彼此无关的搜索，而对每次搜索运行完整的 Agent 循环会带来不必要的延迟。质量较低，但速度快得多。不要仅仅因为某个查询“看起来简单”就选择 find——如果会话以文献为中心，请优先使用 interactive。

**继续对话——推荐模式（--thread-dir）：**对于任何多轮搜索会话，请选择名为 .asta/literature/threads/<YYYY-MM-DD>-<slug>/ 的目录（带日期前缀的 slug，符合其他 Agent 使用的约定），并在每一轮都传入该目录。CLI 会自动恢复对话，为每一轮写入一个带有 .NNN 索引后缀的产物，并维护一个 DIR/index.json，记录轮次顺序、查询、叙述文本、论文数量和 thread_id。每一轮使用有意义的 -o 基础名称——CLI 会自动为你插入轮次索引。

# Turn 1 — picks a thread dir; CLI creates DIR/index.json and DIR/transformer-survey.001.json
asta literature interactive "transformer architecture survey" \
  --thread-dir .asta/literature/threads/2026-05-04-transformer-architectures \
  -o transformer-survey.json

# Turn 2 — same dir; thread_id auto-resumes from index.json.
# Writes DIR/narrow-2023.002.json and appends a turn entry to DIR/index.json.
asta literature interactive "narrow to 2023+ long-context surveys" \
  --thread-dir .asta/literature/threads/2026-05-04-transformer-architectures \
  -o narrow-2023.json

当主题发生重大变化时，请开始一段新对话：选择新的 --thread-dir。查看对话内容很简单——用 jq 查询 DIR/index.json 中的轮次列表，然后打开 turns[].file 引用的各轮 JSON 文件。

如果不使用 --thread-dir，每次调用都只执行单次查询，不会延续之前的对话。临时的单次查询可以使用这种方式；任何多轮会话都应始终传入 --thread-dir。

与 find 相比的输出差异：interactive JSON 会增加 thread_id 和 narrative（Agent 的终端响应文本）。目前不会为每篇论文填充 citationContexts 或 publicationDate；如需这些字段，请使用 find 或 asta papers 命令。

可用工具

论文查找器

在后台运行以进行全面搜索（30–60 秒）：

# Save to a temporary file with explicit -o parameter (required)
Bash(command="asta literature find 'query' -o /tmp/literature-search-result.json --timeout 300", run_in_background=true)

搜索完成后，将文件移至 .asta/documents/literature/find/ 并为其建立索引：

# Create directory if it doesn't exist
mkdir -p .asta/documents/literature/find

# Move the result file to the documents directory
mv /tmp/literature-search-result.json .asta/documents/literature/find/

# Index the file using asta-documents
Bash(command="asta documents add file://.asta/documents/literature/find/literature-search-result.json --name='Literature Search: <query>' --summary='Search results for: <query>'")

使用 jq 浏览结果：

jq '[.results | sort_by(-.relevanceScore) | .[0:10][] | {title, year, venue, corpusId, score: .relevanceScore, summary: .relevanceJudgement.relevanceSummary}]' <filename>

逐一查看所有高度相关的论文，提取每篇论文的相关性标准、摘录和引文上下文。

Semantic Scholar CLI（快速定向搜索）

# Get paper details
asta papers get ARXIV:2005.14165

# Search papers
asta papers search "transformers" --year 2023- --limit 20

# Get citations
asta papers citations ARXIV:2005.14165

# Author search
asta papers author search "Geoffrey Hinton"
asta papers author papers <author_id>

推荐字段：--fields title,abstract,year,authors,venue,citationCount

JSON 结构

输出为 LiteratureSearchResult，结构如下：

顶层：

• query：字符串 - 搜索查询
• results：Paper 对象数组

results[] 中的每篇论文：

• corpusId：整数 - Semantic Scholar 语料库 ID
• title：字符串 - 论文标题
• abstract：字符串 | null - 论文摘要
• year：整数 | null - 发表年份
• authors：数组，元素为 {name: string, id: string}
• venue：字符串 | null - 发表刊物
• url：字符串 | null - Semantic Scholar URL
• citationCount：整数 | null - 引用次数
• relevanceScore：浮点数 - 0–1（数值越高，与查询的相关性越高）
• relevanceJudgement：对象，包含：
  • relevance：整数 - 总体相关性评分
  • relevanceSummary：字符串 - AI 对相关性的说明
  • relevanceCriteriaJudgements：数组，包含对各个概念的判断：
    • name：字符串 - 概念名称
    • relevance：整数 - 与此概念的相关性
    • relevantSnippets：支持性文本摘录数组
• snippets：论文正文中的文本摘录数组（如果论文为开放获取）：
  • text：字符串 - 摘录文本
  • sectionTitle：字符串 - 章节名称
• citationContexts：引用上下文数组：
  • text：字符串 - 其他论文引用这项工作的方式
  • sourceCorpusId：整数 - 引用论文的语料库 ID

示例访问方式：

# Top 10 papers by relevance
jq '[.results | sort_by(-.relevanceScore) | .[0:10][] | {title, year, score: .relevanceScore}]' <filename>

# Papers with relevance summary
jq '.results[] | {title, summary: .relevanceJudgement.relevanceSummary}' <filename>

# Extract snippets from a specific paper
jq '.results[] | select(.corpusId == 123456) | .snippets[].text' <filename>

使用结果

搜索完成后，可使用 Literature Report 技能处理结果。