关于 related-work-openalex
related-work-openalex 是一项研究技能，通过 OpenAlex 引用图谱梳理学术文献。它指导检索、按引用关系发现论文，并将候选论文交由阅读流程处理，同时说明图谱信号稀疏或较弱时的限制。
主要功能
- 01通过 OpenAlex API 搜索论文
- 02发现相关、被引及引用作品
- 03批量将作品 ID 扩展为标题
- 04从倒排索引重建摘要
- 05提供备用检索与论文交接指引
适用场景
- 01从已知论文寻找相关研究
- 02追踪成熟研究领域的引用关系
- 03为文献综述查找相关论文
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/related-work-openalex确认已加载。
详细介绍
使用 OpenAlex 查找相关研究
通过 OpenAlex 引文图谱梳理相关研究，而不是临时进行网络搜索。
工具
通过普通 HTTP 查询 OpenAlex API：一个收录约 2.5 亿篇作品、拥有完整引文图谱的开放索引。
使用 Curl 请求并解析 JSON；无需安装任何内容。
基础 URL：https://api.openalex.org。
每次请求都追加 &api_key=$OPENALEX_API_KEY；如果该变量未设置，则省略此参数。
对查询词进行 URL 编码（空格使用 +）。
per_page 最大为 100；普通分页最多返回 10,000 条结果。
查找候选论文
跨所有字段进行广泛搜索：
curl -s "https://api.openalex.org/works?search=<terms>&per_page=20&select=id,title,publication_year,cited_by_count,ids&api_key=$OPENALEX_API_KEY"
仅对标题和摘要进行精准搜索，噪声要少得多：
curl -s "https://api.openalex.org/works?filter=title_and_abstract.search:<terms>&per_page=20&select=id,title,publication_year,cited_by_count,ids&api_key=$OPENALEX_API_KEY"
OpenAlex 涵盖所有领域，因此搜索小众 ML 术语时，关键词搜索会产生较多噪声。 优先使用具体术语，或者从已知的种子论文入手，按下文方式遍历引文图谱。
从种子论文梳理相关研究
将已知论文解析为其 OpenAlex ID。 通过 arxiv DOI 查询 arxiv ID（适用于近期由 arxiv 分配 DOI 的论文）：
curl -s "https://api.openalex.org/works/doi:10.48550/arXiv.<arxiv-id>?select=id,title,related_works,referenced_works,ids&api_key=$OPENALEX_API_KEY"
如果返回 404（较早的论文没有 arxiv DOI），则改用 filter=title.search:<title> 查找。
从种子论文出发，有三种图谱遍历方式：
related_works：约 10 篇算法判定的相关论文（作品的一个字段）。referenced_works：论文引用的作品（作品的一个字段）。- 通过
cites:筛选器查找引用该论文的作品：
curl -s "https://api.openalex.org/works?filter=cites:<W-id>&per_page=50&select=id,title,publication_year,cited_by_count&sort=cited_by_count:desc&api_key=$OPENALEX_API_KEY"
related_works 和 referenced_works 返回的是裸 ID；使用 OR 筛选器批量展开 ID，以获取标题：
curl -s "https://api.openalex.org/works?filter=openalex_id:W1|W2|W3&select=id,title,publication_year,cited_by_count&api_key=$OPENALEX_API_KEY"
对于非常新、引用较少的论文，图谱信号稀疏且噪声较多：related_works 可能偏离主题，而在 OpenAlex 解析参考文献之前，referenced_works 可能为空。
对于成熟的研究成果以及跨领域追溯研究脉络，这些信号最为有效。
摘要
OpenAlex 返回的是 abstract_inverted_index（{word: [positions]}），而不是纯文本；将每个词放回其对应位置即可重建摘要。
通常，标题、发表 venue 和年份就足以进行初步筛选，无需查看摘要。
交接与扩展规模
提取每篇有希望的论文的 arxiv ID（格式为 10.48550/arXiv.<id>，位于 ids.doi 中），并使用 arxiv-reading 技能阅读论文。
将多篇论文的检索任务委派给子 Agent，让主上下文保留研究发现，而不是原始搜索结果。
备用方案
当 OpenAlex 的相关性较弱时——这主要发生在前沿 ML 领域，因为其关键词排名滞后，且新论文的关联不足——请在切换备用方案之前告知用户，而不是悄然切换：说明你使用了哪种备用方案，并指出其结果比 OpenAlex 的引文图谱噪声更多、完整性更低，以便用户据此权衡研究发现。然后按以下顺序进行：
- 对于近期 ML 和 DL 预印本，使用 arxiv 搜索，或在可用时使用 Hugging Face 论文搜索工具。
- 对于完整且附有引用的文献综述，使用深度研究工作流。
- 仅当论文尚未被任何索引收录时，才使用通用网络搜索。