gemini-search

Gemini 文献搜索

搜索查询：$ARGUMENTS

角色与定位

此技能将 Gemini 用作广泛的文献发现来源：

技能	来源	最适合
/arxiv	arXiv API	最新预印本、前沿的未评审研究
/semantic-scholar	Semantic Scholar API	已发表的会议论文（IEEE、ACM、Springer），含引用次数
/deepxiv	DeepXiv CLI	分层阅读：搜索、摘要、章节结构图、章节阅读
/exa-search	Exa API	广泛的网络搜索：博客、文档、新闻、公司、研究论文
/gemini-search	Gemini MCP / CLI	AI 驱动的广泛文献发现——从多个角度、别名和子问题展开搜索

当你希望借助 AI 驱动的发现能力，超越关键词匹配时，请使用 Gemini——Gemini 会将主题拆解为子问题，探索不同的命名变体，并找出传统 API 搜索可能遗漏的论文。

常量

• MAX_RESULTS = 15 — Gemini 应查找的目标论文数量。
• MIN_YEAR = 2022 — 默认最低发表年份。可通过 — year: 2020- 覆盖。
• DEFAULT_MODEL = auto-gemini-3 — 根据服务端容量，在 Gemini 3 系列（Pro / Flash）中自动路由。mcp__gemini-cli__ask-gemini 和 gemini-cli v0.40+ 必须使用此模型；当容量耗尽时，在 OAuth 个人账号 / Google One AI Pro 账号上，显式指定的 gemini-3-pro-preview 会静默降级为 gemini-2.5-pro。可通过 — model: gemini-3-flash-preview 覆盖（显式使用 Gemini 3 Flash，速度更快，配额更高），也可通过 — model: gemini-2.5-pro / — model: gemini-2.5-flash 覆盖（旧版，仅适用于使用较旧的 gemini-cli < v0.40 的用户）。MCP 工具会原样接受以上所有值。

覆盖选项（附加到参数后）：

• /gemini-search "topic" — max: 20 — 最多请求 20 篇论文
• /gemini-search "topic" — year: 2020- — 2020 年及之后的论文
• /gemini-search "topic" — code-only — 仅限有开源代码的论文
• /gemini-search "topic" — venues: NeurIPS,ICML,ICLR — 聚焦指定会议
• /gemini-search "topic" — model: gemini-3-flash-preview — Gemini 3 Flash（速度更快、配额更高，能力弱于 Pro）
• /gemini-search "topic" — model: auto-gemini-3 — 根据负载在 Gemini 3 系列中自动路由
• /gemini-search "topic" — model: gemini-2.5-pro — 旧版（仅在你的 gemini-cli < v0.40 时使用）

环境与设置

先决条件

1. Node.js v16.0.0+
2. Google Gemini CLI — 已安装并完成身份验证

   npm install -g @google/gemini-cli
   gemini auth
   

3. gemini-mcp-tool — 用于 Claude Code 的 MCP 桥接工具（jamubc/gemini-mcp-tool）

   npm install -g gemini-mcp-tool
   

MCP 配置

在 ~/.claude.json（或 Claude Desktop 对应的 %APPDATA%\Claude\claude_desktop_config.json）中添加：

{
  "mcpServers": {
    "gemini-cli": {
      "command": "gemini-mcp"
    }
  }
}

也可以通过 npx 设置（自动安装）：

{
  "mcpServers": {
    "gemini-cli": {
      "command": "npx",
      "args": ["-y", "gemini-mcp-tool"]
    }
  }
}

或者使用单行命令设置：

claude mcp add gemini-cli -- npx -y gemini-mcp-tool

身份验证

Gemini CLI 使用你的 Google 账号或 API 密钥。在 .claude/.env 中添加：

# .claude/.env
GEMINI_API_KEY=your-key-here

Claude Code 会自动将 .claude/.env 加载为环境变量。

• 从 Google AI Studio 获取免费密钥
• Flash 模型（gemini-2.5-flash）提供充足的免费额度（500 req/min）

可用的 MCP 工具

工具	参数	描述
mcp__gemini-cli__ask-gemini	prompt（必填）、model（可选）、sandbox（可选）	向 Gemini 请求分析或研究；支持 @file 语法
mcp__gemini-cli__sandbox-test	prompt（必填）、model（可选）	在沙箱中安全执行代码
mcp__gemini-cli__ping	—	连接测试
mcp__gemini-cli__help	—	显示 Gemini CLI 帮助

验证设置

gemini --version

工作流

第 1 步：解析参数

解析 $ARGUMENTS，提取：

• query：研究主题（必填）
• max：覆盖 MAX_RESULTS
• year：最低发表年份（例如，2020-）
• code-only：仅包含有开源代码的论文
• venues：以逗号分隔的会议筛选条件
• model：覆盖 DEFAULT_MODEL

步骤 2：执行搜索（MCP 优先）

优先级 1 — Gemini MCP（首选）：

尝试使用搜索提示词调用 mcp__gemini-cli__ask-gemini：

mcp__gemini-cli__ask-gemini({
  prompt: 'You are a research literature scout. Search comprehensively for papers on: "QUERY"

IMPORTANT CONSTRAINTS:
1. Search from MULTIPLE angles — do not just use the exact query. Decompose the topic into sub-problems, aliases, neighboring tasks, and common benchmark/settings variants.
2. Prefer papers that are genuinely relevant, not merely keyword-adjacent.
3. Include top venues, journals, surveys, recent preprints, and papers with code when available.
4. Focus on papers from MIN_YEAR onward unless older foundational work is necessary.

For EACH paper found, provide ALL of the following in this exact format:
- Title: [exact title]
- Authors: [full author list]
- Year: [publication year]
- Venue: [exact conference/journal name + year, or "arXiv preprint" if not published]
- arXiv ID: [format 2401.12345, or "N/A"]
- DOI: [if available, or "N/A"]
- Code URL: [GitHub/GitLab link if available, or "No code"]
- Summary: [one-sentence core contribution]

Find at least MAX_RESULTS papers with good coverage across:
- strong recent papers from top venues
- surveys/reviews if they exist
- papers with open-source code
- closely related variants of the topic

Format as a numbered list with all fields for each paper.',
  model: 'auto-gemini-3'
})

优先级 2 — Gemini CLI 备用方案（MCP 不可用时）：

如果 mcp__gemini-cli__ask-gemini 失败或未配置，则回退到 CLI：

gemini -p 'You are a research literature scout. Search comprehensively for papers on: "QUERY"
...same prompt as above...' 2>/dev/null

• 超时：120 秒
• Stderr：通过管道传输到 /dev/null — 其中包含钩子警告，不属于响应内容

何时使用哪种方式：

• 优先使用 MCP，因为它能与 Claude Code 的工具系统原生集成、处理模型选择，并避免 shell 转义问题。
• CLI 备用方案可确保即使未配置 MCP 或 MCP 服务进程崩溃，此技能仍能正常工作。

步骤 3：解析结果

从 Gemini 的响应中提取结构化论文信息。将每篇论文规范化为：

{
  title, authors, year, venue,
  arxiv_id,    // "N/A" if not available
  doi,         // "N/A" if not available
  code_url,    // "No code" if not available
  summary      // one-sentence contribution
}

如果 Gemini 返回的论文少于请求数量，请注明，但不要重新查询。

步骤 4：呈现结果

将结果整理为结构化表格：

| # | Title | Venue | Year | Code | Summary |
|---|-------|-------|------|------|---------|
| 1 | ... | NeurIPS 2024 | 2024 | [GitHub](url) | ... |
| 2 | ... | IEEE TWC | 2023 | No | ... |

对于每篇论文，还需显示：

• arXiv ID：如有（用于与 /arxiv 交叉引用）
• DOI：如有（已发表论文的规范链接）
• 代码：GitHub/GitLab 链接或“No”

步骤 5：提供后续建议

呈现结果后，建议：

/semantic-scholar "topic"    — search published venue papers with citation counts
/arxiv "arXiv:XXXX.XXXXX"   — fetch specific preprint details
/research-lit "topic" — sources: gemini, semantic-scholar  — combined multi-source review
/novelty-check "idea"       — verify novelty against literature

关键规则

• 先 MCP，后 CLI。 回退到 gemini -p 前，务必先尝试 mcp__gemini-cli__ask-gemini。
• Gemini 是发现来源，不是数据库。 其结果可能包含基于训练数据“了解”的论文。需要精确时，务必通过 /semantic-scholar 或 /arxiv 交叉核验关键细节（准确标题、发表 venue、年份）。
• 不要使用 Gemini 查询引用次数。 它可能会编造引用数量。权威引用数据请使用 Semantic Scholar。
• CLI 模式下将 stderr 通过管道传输到 /dev/null — Gemini CLI 会在 stderr 中输出钩子警告。
• CLI 模式下设置较长的超时时间 — Gemini 的全面搜索可能需要 30–60 秒。将超时时间设为 120 秒。
• 如果 MCP 和 CLI 均无法访问，请建议改用 /semantic-scholar、/arxiv 或 /research-lit "topic" — sources: web。