mcpField
L
literature-search

literature-search

github.com/jxtse生产力7435 次安装23 周前更新
代码仓库

关于 literature-search

literature-search 是跨多个搜索引擎查找学术论文的研究技能，面向需要文献检索与整理的研究者。它按目标选择搜索策略，并提供结果去重和排序流程。

主要功能

  1. 01按研究目标选择搜索引擎
  2. 02单引擎与多引擎检索
  3. 03结果去重与排序
  4. 04论文元数据及引用链指引

适用场景

  1. 01调研宽泛研究主题
  2. 02查找最新 arXiv 预印本
  3. 03按作者、会议或年份找论文
  4. 04发现相关论文与代码实现

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/jxtse/scientific-research-skills --skill literature-search

安装后在 Claude Code 中输入/literature-search确认已加载。

详细介绍

文献检索

系统化、多引擎学术论文检索。

适用场景

  • 用户要求“查找有关 X 的论文”
  • 用户需要为新项目查找相关工作
  • 用户想了解某个主题的最新进展
  • 用户要求查找特定会议、作者或年份的论文

引擎选择

根据检索目标选择引擎：

目标主要引擎补充引擎
广泛的主题综述Semantic ScholararXiv、Tavily
最新预印本arXiv（按 submittedDate 排序）Semantic Scholar
深入研究／复杂问题Gemini 深度研究Tavily + Exa
按标题查找特定论文Semantic ScholarGoogle Scholar（通过 Tavily）
按作者查找论文Semantic Scholar（作者检索）AMiner
中国学术圈研究AMinerSemantic Scholar
工业界／应用类论文Tavily（深度检索）Exa 语义检索
社交热度／热门论文Twitter/X（xreach）Reddit
代码实现GitHub（gh search）Exa（get_code_context）
查找相似论文Exa（语义检索）Semantic Scholar（引用）

工作流

步骤 1：理解查询

检索前，先明确：

  • 范围：广泛综述还是特定子主题
  • 时效性：不限时间、最近 N 年还是仅最新论文
  • 会议偏好：仅顶级会议？特定会议？
  • 数量：前 5 篇还是全面综述
  • 深度：快速列表还是包含综合分析的深入研究
步骤 2：选择检索策略

快速检索（单个引擎）： 适用于简单、定义明确的查询。直接使用 Semantic Scholar 或 arXiv。

多引擎检索（并行使用 2–3 个引擎）： 适用于范围较广的主题。同时运行多个引擎，并对结果去重。

深入研究（Gemini）： 适用于复杂、多方面的研究问题。Gemini 深度研究模式会综合多个来源，并提供带引文的结构化分析。以下情况可使用此模式：

  • 问题涉及多个子领域
  • 需要综合分析，而不只是论文列表
  • 用户明确要求“深入研究”或“全面综述”
步骤 3：执行检索
# Semantic Scholar — paper metadata, citations, author search
# Free, no API key needed
node scripts/search/semantic-scholar.mjs "query" -n 20

# arXiv — latest preprints, category filtering
# Free, no API key needed
node scripts/search/arxiv.mjs "query" -n 15 --sort submittedDate --cat cs.CL

# Tavily — general web search, AI-optimized
node scripts/search/search.mjs "query site:arxiv.org OR site:aclanthology.org" -n 10
node scripts/search/search.mjs "query" --deep  # deeper search mode

# Exa — semantic search, finding similar content
mcporter call 'exa.web_search_exa(query: "query", numResults: 10)'

# Gemini — deep research (for complex questions)
# Use gemini-3.1-pro model with web search grounding
# Prompt: "Survey the recent literature on [topic]. Identify key papers,
#          main approaches, and open problems. Cite specific papers."

# AMiner — Chinese academic community
# Uses AMINER_API_KEY
步骤 4：去重并排序

合并各引擎的结果：

  1. 按标题相似度去重（模糊匹配，>90% 视为同一篇论文）
  2. 按以下因素排序：引用次数 × 时效性 × 会议级别 × 相关性
  3. 标记出现在多个引擎中的论文（可信度更高）
步骤 5：展示结果

以排序列表形式展示，并附上关键元数据：

1. **[Title]** (Venue Year, Citations: N)
   Authors: [First author] et al.
   TL;DR: [1 sentence]
   Why relevant: [connection to user's query]

2. ...
步骤 6：深入探索（可选）

如果用户想进一步了解某篇论文：

  • 切换到论文阅读技能
  • 或将其添加到 Zotero 阅读队列（使用 zotero-management 技能）

检索技巧

  • 使用具体术语：“multi-agent reinforcement learning” > “MARL” > “agents working together”
  • 结合会议筛选：添加 venue:ACL 或类别 cs.CL，可大幅提高检索精准度
  • 检查引用链：高引用论文的参考文献和引用它的论文往往很有价值
  • 跨语言检索：查找中文论文时，尝试使用英文和中文查询
  • 使用日期筛选查找 SOTA：在 arXiv 上使用 --sort submittedDate，查找最新方法
  • 使用 Gemini 进行综合分析：需要了解某个领域（而不只是列出论文）时，先用 Gemini 深度研究获取概述，再深入查找具体论文

质量信号

排序时，参考以下信号：

  • 引用次数：对成熟研究而言较重要；对发表不到 6 个月的论文而言意义较小
  • 会议级别：ACL/EMNLP/NeurIPS/ICML > 研讨会 > 仅发布于 arXiv
  • 作者声誉：查看资深作者是否已在该领域有所建树
  • 代码可用性：提供代码的论文更便于验证
  • 可复现性：方法部分和实验细节清晰

评论

支持 Markdown