mcpField
L
literature

literature

github.com/gasserane生产力3106 次安装1 周前更新
代码仓库

关于 literature

面向研究者的 OpenAlex 文献检索技能,可用于查找研究、评估选题重复度并梳理领域争论。结果包含年份、引用信号、撤稿标记和优先开放获取的链接;需要研究设计筛选时可选择升级到 Consensus。

主要功能

  1. 01检索 OpenAlex 文献
  2. 02评估选题重复度
  3. 03绘制主题争论与锚点论文
  4. 04按年代比较术语变化
  5. 05提供引用趋势与撤稿标记
  6. 06可选升级至 Consensus 筛选

适用场景

  1. 01为研究问题查找已有工作
  2. 02设计研究前评估重复度
  3. 03追溯特定主张的文献来源
  4. 04比较领域术语与证据年代

MCP 相关

默认通过 OpenAlex API 检索;当需要 OpenAlex 不支持的研究设计筛选时,可选择 Consensus MCP connector。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/gasserane/personal-skills --skill literature

安装后在 Claude Code 中输入/literature确认已加载。

附带文件scripts/literature_cli.py

详细介绍

文献——直接搜索 OpenAlex、重复性测试、争论图谱与年代划分

将 Claude Code 直接连接到 OpenAlex 目录(全球研究体系的开放索引,收录数亿篇作品)。在默认模式下,查询文本只会发送到 OpenAlex,不经过任何第三方中转;下文的 Consensus 升级是唯一例外,且需在每次搜索时选择启用。每条结果都包含年份、引用数、热度信号、撤稿标记,以及优先提供开放获取版本的链接。

何时使用

此工具的位置: /literature 是 mel_wiki/wiki/concepts/evidence-retrieval-architecture.md 中检索顺序的网络搜索步骤(第 5 步)。如果问题可能已有相关内容,先查看 wiki、早期 Brief 和 Zotero。

  • 在深入研究前,快速了解“关于 X 有哪些研究”。
  • 设计任何研究、综述、提案或学习问题前:运行重复性测试,指出最接近的已发表研究及本研究的增量价值。
  • 刚进入不熟悉的领域时:绘制争论图谱,找到所有人都会引用的锚定论文。
  • 某项具体主张需要来源:进行取证式搜索。
  • 重复性测试未发现相似研究,或该领域看起来比预期更早:在下结论前运行年代划分。
  • 研究设计或样本量决定某项发现是否可用:升级到 Consensus(参见“Consensus 升级”)。

代码位置

  • 工作文件夹中的 ane_package.literature——OpenAlexClient(client.py)和各项操作(moves.py):duplication_test、citation_velocity、map_topic_debate、forensic_search、era_split、terminology_shift。
  • 此技能中的 scripts/literature_cli.py——轻量驱动程序,不包含逻辑。
  • 测试:工作文件夹中的 tests/literature/(使用模拟,离线运行)。

运行方法

所有命令都可以从任意位置运行;驱动程序会自动设置工作文件夹路径。

  1. 快速搜索(添加 --type review 仅查看综述):
python scripts/literature_cli.py search "adolescent contraception uptake Eastern Europe" --from-year 2020 --per-page 10
  1. 对计划中的问题运行重复性测试:
python scripts/literature_cli.py dup-test "determinants of youth-friendly SRH service uptake in rural Romania" --from-year 2015
  1. 绘制争论图谱——查找某个主题的锚定论文:
python scripts/literature_cli.py debate-map "comprehensive sexuality education outcomes" --top-works 5 --ancestors 5
  1. 取证式搜索——为某项主张寻找来源:
python scripts/literature_cli.py forensic "school-based CSE does not increase sexual activity"
  1. 年代划分——术语是否发生变化?在分界年份(默认为 2015 年)的前后分别进行一次搜索:
python scripts/literature_cli.py era-split "comprehensive sexuality education" --split-year 2015 --per-page 25

也可以使用 --to-year 将单次搜索限定在某个年代范围内:

python scripts/literature_cli.py search "adolescent contraception" --from-year 2005 --to-year 2014

灰色文献——使用报告和学位论文类型

OpenAlex 收录的内容不止期刊文章。两种作品类型可以检索到灰色文献,在任何 SRHR 或项目相关问题上都值得使用:

python scripts/literature_cli.py search "adolescent SRH programme evaluation" --type report --per-page 15
python scripts/literature_cli.py search "youth friendly SRH services barriers" --type dissertation --per-page 15

2026-08-04 实时验证:--type report 返回了 3ie 证据差距图谱、Population Council 技术报告,以及肯尼亚计划生育协会青年中心项目的评估报告;该协会是 IPPF 成员协会。--type dissertation 返回了肯雅塔大学、夸祖鲁-纳塔尔大学和坦桑尼亚开放大学的学位论文。所有链接均为开放获取。

如果问题涉及项目实施、成员协会(MA)背景或任何全球南方地区,都应运行这些搜索。仅依据期刊文章构建的证据基础会过度代表西方学术研究,并低估去殖民化视角要求纳入核心的项目证据;由于缺失来源从未进入文献池,视角检查也无法发现这一遗漏。这些结果的引用数偏低并不说明什么:即使某篇论文是该地区唯一的实地研究,或某份报告是唯一的 NGO 评估,它也很少会被引用。

有两项实际存在的限制。OpenAlex 只收录有人提交了元数据的灰色文献,因此未发表的 MA 评估报告或存放在门户网站后的捐助方报告不会出现;应结合 WebSearch 搜索相关机构,并使用 Ane 自有文库上的 knowledge MCP。灰色文献未经同行评审,因此在获得与同行评审来源同等的权重前,需要先经过评估(权威性、准确性、覆盖范围、客观性、日期和重要性)。未经筛选就加入灰色文献,降低的是严谨性,而非提高严谨性。

阅读输出

  • 每行一项研究:year | citations | signal | title | link。
  • 信号:rising(近期引用量激增且领域加权影响力高于 1.5)表示当前仍有争议;anchor(引用量高但增速放缓)表示已确立的参考点;steady 和 quiet 介于两者之间。
  • 结果列表中大多是 rising,说明这是新兴领域;大多是 anchor/quiet,则说明这是一个饱和领域。重要时,请在交付内容中说明是哪一种。
  • 以 !! 开头的条目是已撤稿作品。切勿引用;如果已撤稿作品出现在现有交付内容的证据基础中,请标明。
  • 链接优先使用开放获取 URL,其次是落地页,再次是 DOI(Tier 1 超链接规则:MA 员工无法通过付费墙访问内容)。
  • 重复性判断(high/moderate/low 风险)要求说明其价值增量;判断结果本身不能替你做决定。请将最相近的论文和价值增量说明写入交付内容,而不只是写出判断结果。
  • 时代划分会列出两个群组,然后列出新增词项和淡出词项,体现使用各词项的作品占比变化。请从两个角度解读。**词汇:**在得出某领域已空缺的结论前,使用淡出的词项重新运行搜索,因为仅使用当前词项会漏掉奠定基础的早期作品。成熟度:trial、cohort 或 implementation 等词项的出现,表明证据基础已趋成熟;如果某个群组全是评论、没有研究设计,则表明该领域尚未成熟。如果任一群组样本过少,无法进行比较,driver 会明确说明,而不会报告缺乏依据的变化。
  • 时代划分所用的停用词列表基于启发式规则,因此仍会残留少量填充词。请查看每个列表的前部,而非尾部,并判断词项本身,而不是只计算数量。

共识升级——当研究设计筛选条件决定结果是否可用时

OpenAlex 是默认选项,并始终保持默认:直接调用 API、不经中继、无每次查询上限。它无法按研究设计筛选。如果问题关注的是某项发现是否可用,而非其是否存在(仅随机对照试验、仅人体研究、最低样本量、仅顶级期刊),则升级到 Consensus 连接器 mcp__claude_ai_Consensus__search。

Consensus 提供而 OpenAlex 不提供的筛选条件:study_types、human、sample_size_min、sjr_max(期刊等级),以及 year_min/year_max。

升级规则,均为强制要求:

  1. 说明升级原因,用一行指出 OpenAlex 无法应用的筛选条件。如果没有设计筛选条件需要应用,升级就只是在使用第二个搜索引擎,不适用于此处。
  2. 绝不能应用 Ane 未提出或问题不要求的筛选条件。 悄然使用 sample_size_min 会重塑证据基础,看起来就像文献中确实存在空缺。
  3. 只能逐条查询。 Consensus 每秒限流一次查询。发送下一条查询前,请确认上一条结果已返回;绝不能批量或并行查询。
  4. 只引用本次会话中 Consensus 返回的内容。 从训练知识中回忆的任何内容都必须标注为 [not from Consensus — model knowledge],且不计入任何数量统计。
  5. 记录结果上限。 Consensus 每次查询只返回有限数量的结果,上限取决于账户等级。请从第一条响应中读取实际数量并记录。⚠️ Ane 账户的等级上限尚未验证;请报告实际观察到的数量,不要报告凭记忆得出的数字。
  6. 遵循连接器自己的引用格式(文内编号引用加带链接的参考文献列表,并逐字复现其注册或使用说明),只要 Consensus 结果会直接提供给 Ane。

Consensus 是一种中继:查询文本会发送给第三方。获得设计筛选条件需要付出这一代价,因此这是一种有意为之的升级方案,绝不是默认选项。

审计日志——始终报告这三个数字

任何用于生成交付成果的运行,最后都要附上审计区块。分别跟踪这三个数字,绝不混为一谈:

  • 已发送查询 — 实际执行的搜索次数,包括重试。
  • 已收到结果 — 返回的作品数量,按标题去重。
  • 已引用结果 — 纳入交付成果的结果数量。

同时报告:使用的工具(OpenAlex 或 Consensus)、观察到的任何结果上限、每次失败搜索及其查询内容,以及结果较少的任何队列或维度。格式:

Searched OpenAlex: 6 queries, 43 unique works received, 11 cited.
Cap: none (OpenAlex returns the full page). Budget left: $0.086.
Thin: the pre-2015 cohort returned 4 works — coverage there is incomplete.
Failures: none.

这能确保遵循三条规则。搜索只有在结果返回后才算完成,因此绝不要统计尚未看到返回结果的查询。结果较少或为空时,应如实说明,绝不能悄悄用训练知识补足。计数必须根据本次运行计算,绝不估算;根据计算得出计数的规则,描述某个产物的数字会在不知不觉中变得过时。

需要注意的问题

  • 每日预算。 匿名访问(ane_package.literature.config 中内置了礼貌请求池的 mailto)每天约有 $0.10 的额度,大约可进行 100 次搜索。通过 https://openalex.org/settings/api 获取免费密钥后,额度可提高到每天 $1:将其设为 OPENALEX_API_KEY 环境变量。驱动程序会在每次运行后打印剩余预算;出现 429 错误意味着今天的预算已用完。
  • 重复项测试结果干净,可能是术语没用对。 OpenAlex 会匹配标题和摘要文本。在宣布某个领域没有结果之前,请使用该领域自己的词汇重新搜索(例如,“family planning”与“contraception”、“young people”与“adolescents”)。
  • OpenAlex 不是质量筛选器。 它也会收录掠夺性期刊的作品。引用次数和出版物名称会有所帮助,但引用前仍须遵循使用该技能中的引用验证关卡。
  • 仅匹配摘要。 OpenAlex 在此处不会搜索全文;如果某个概念只在论文正文中讨论,就不会出现在搜索结果中。

局限性

  • 仅供阅读和报告:此技能不会写入任何文件。当结果用于生成交付成果时,应遵循使用该技能的规则(引用标准、证据基础行、编辑保留)。
  • 收录范围偏向已索引的学术作品;灰色文献(非政府组织报告、捐助方评估)较少。搜索灰色文献时,请结合 WebSearch 和知识 MCP。

评论

支持 Markdown