firecrawl-research-index

Firecrawl 研究索引

查找能够回答研究问题的论文。有些问题只有一个答案；许多问题则有多个答案——如果不确定，优先返回更完整的相关论文集（按相关性从高到低排序），而不是缩小范围，只选一篇。与其默默省略相邻的方法和论文，不如让读者一并看到。

索引内容

论文摘要，每篇论文都可查阅全文。语料库的大部分内容是生物医学和生命科学文献——包括 PubMed 期刊文章，以及 bioRxiv 和 medRxiv 预印本——因此，临床、药物、基因、疾病、流行病学和公共卫生相关问题都在范围内。arXiv 预印本涵盖计算机科学、物理学和数学。对这些来源以外的领域，覆盖较少：仅能通过出版商付费墙访问或发表于小众刊会的论文可能未被收录；如未收录，可使用下方通用网络工具作为备用方案。

没有固定流程。阅读问题，判断它属于哪一类，然后选择下方的方法。有些问题只需一次搜索；另一些则需要大幅拓展结构或语义。不要对问题不需要的情况运行复杂流程。

这些工具分别最擅长什么

• MCP：firecrawl_research_search_papers(query, k?) CLI：firecrawl research search-papers <query> [--k <number>] 对摘要进行语义（HyDE）搜索。几乎任何查询都可以先用这个工具。 如果结果不够丰富，或看起来都很相似，可以换个角度重新搜索（相邻领域、竞争方法、数据集／基准名称），而不是放弃。

• MCP：firecrawl_research_related_papers(seed_ids, intent, mode?, k?) CLI：firecrawl research related-papers <seedIds...> --intent <intent> [--mode <similar|citers|references>] [--k <number>] 进行语义和结构扩展，并根据你的 intent 排序。 它能找到语义搜索_无法_触及的论文，也是将一篇优质结果扩展为一组论文的关键。 mode=similar → 同一细分领域的相关论文；citers → 使用或基于种子论文开展研究的论文；references → 种子论文所依据或用来比较的论文。

• MCP：firecrawl_research_inspect_paper(id) CLI：firecrawl research inspect-paper <id> 获取一篇论文的权威元数据：标题、摘要、作者、类别、来源 ID 和日期。 通过 search_papers 或 related_papers 找到候选论文后，如果需要完整的引用信息／元数据，或者你从别处获得了一个 ID，需要确认它对应哪篇论文，就使用此工具。 它不会读取论文正文；如有具体的全文问题，请使用 read_paper。

• MCP：firecrawl_research_read_paper(id, question) CLI：firecrawl research read-paper <id> --question <question> 获取一篇论文正文中的段落，用于核实关键约束（例如实际采用的方法、实际报告的分数、作者所属机构，或论文的比较对象）。 用它来解决具体疑问，不要对所有论文都使用。

• MCP：firecrawl_search(query, categories: ["research"]) CLI：firecrawl search <query> --categories research 不是这个索引。这是一个_网站_过滤器：它会将常规网页搜索限定在一小部分与研究相关的网站中——列表包含 pubmed.ncbi.nlm.nih.gov、biorxiv.org、medrxiv.org 和 arxiv.org，以及出版商网站——并在 web 旁边的 research 分组中返回页面结果。每条结果都包含 url、title、description（匹配的段落）、position 和 category: "research"；网页结果没有 category，因此合并结果时应以该字段为准。 所以，它可以检索这些网站的网页；但不能查询此索引中的论文记录——不支持对摘要进行语义搜索、扩展引用图或相关论文、获取权威论文元数据，也不能检索正文段落。返回的都是普通网页搜索结果。 当你已经在进行网页搜索，并且希望在同一次调用中纳入这些网站时，使用此工具。对于真正的论文查找任务，请使用 firecrawl_research_search_papers 及上面的相关工具。

• MCP：firecrawl_search(query) / firecrawl_scrape(url) CLI：firecrawl search <query> / firecrawl scrape <url> 用于常规网页搜索和页面抓取，查找不在论文摘要中的信息：基准排行榜、排名，以及“谁的得分最高／规模最大／使用最广”。 先在网上查找排名，再用 search_papers 将排名靠前的条目对应到论文。 只有在论文库本身无法回答问题时，才使用这些工具。

根据查询匹配方法

• 单篇_指定名称_的论文（“Qwen3 报告”）→ 调用一次 search_papers，即可。这是唯一真正只需要一篇论文的情况。
• 按描述／方法或技术查找论文（“提出 X 的论文”“无需训练的 AI 文本 N-gram 检测”）→ 找出最佳匹配项，然后假设它属于一个_系列_：调用 related_papers 扩展，并一并纳入密切相关的方法／论文。即使有一篇论文完全符合字面描述，也应找出并保留其相关论文，不要只留下最佳匹配项，再自行推理其他内容。只有查询明确指出某篇具体论文时，才将其视为只需一个答案。
• 枚举／方法系列（“采用 X 的论文”“Adam 的替代方法”“Y 的基准测试”）→ 答案是一个_集合_。这正是 related_papers 大显身手的场景：用 mode=similar 扩展多个强相关的种子论文，再从新发现的强相关论文出发继续搜索。一次搜索绝不够。
• 举例说明（“使用／体现属性 P 的论文”）→ 相关论文会应用 P，但摘要可能不会提到它。应从定义 P 的论文出发，通过 citers／references 向外查找，并使用 read_paper 确认候选论文确实使用了 P。
• 最高级／排行榜（“基准测试 X 上表现最佳的”“最大的”“最受欢迎的”）→ 排名信息在排行榜／网站上，而非任何一篇摘要中。使用 firecrawl_search／firecrawl_scrape 查找该基准测试的排行榜或排名，查看排名靠前的模型／论文，然后逐一用 search_papers 查找对应论文。备选方案是搜索该基准测试，并用 read_paper 查看候选论文报告的数值。这是最难的一类——搜索范围要广。
• 按机构／作者筛选（“来自 <org>”“由 <author> 撰写”）→ 仅主题匹配还不够；保留论文前，先核实其隶属机构／作者信息（元数据或 read_paper）。

原则

• 有两个不同的功能都包含“research”一词。 论文索引是 firecrawl_research_*／firecrawl research。firecrawl_search 上的 categories: ["research"] 选项是网站筛选器——它确实会将网页搜索指向 PubMed、bioRxiv、medRxiv、arXiv 和出版商网站，但返回的是这些网站的网页，而不是论文记录。如果任务是查找论文，应使用本技能中读取语料库的工具；使用 categories: ["research"] 会在不知不觉中回答另一个问题。
• 查询类型与学科领域是两回事。 临床试验问题和机器学习问题都适用上述相同的查询类型；不同的只是结果来自哪个来源。不要因为以为语料库只有 arXiv，就把生物医学或生命科学查询发到开放网络上——search_papers 读取的内容中，PubMed、bioRxiv 和 medRxiv 占了最大部分。
• 不确定时，宁可纳入。 对任何主题／方法／比较类问题，都应返回相关的_系列_，而不只是单篇最佳匹配——应倾向于保留可能相关的论文，而不是将其排除。相关的方法也属于优质答案的一部分；不要仅因为一篇论文最精确，就凭推理排除接近的研究。
• 顺着文献脉络查找，并保留找到的内容。 开创性来源、竞争方法和密切相关的研究通常只需再追溯一步即可找到——使用 related_papers，并将找到的论文_纳入_答案，而不是只看第一条结果。找到一个不错的结果就停止，是最常见的漏答方式。
• 核实是为了排除，而不是把关。 当论文明确不符合硬性条件时（机构／作者错误、实际上未报告该分数），使用 read_paper 将其_排除_。若论文可能相关，应倾向于保留，而不是要求其提供证明。
• 只剔除明显无关的内容。 不要用你确定无关的论文充数——但排除的门槛应设得很高；大多数可能相关的研究都应纳入。

另请参阅

• firecrawl-build-search — 将论文索引构建到应用中，而不是在此处查询