research-lookup

研究信息查询

概述

此技能可实时查询研究信息，并支持智能后端路由：

• parallel-cli search（parallel-web 技能）：所有研究查询的主要默认后端。快速、经济高效的网页搜索，并优先查找学术来源。使用 parallel-cli search 和 --include-domains 查找学术来源。
• Parallel Chat API（core 模型）：复杂、多来源深度研究的备用后端，适用于需要扩展综合分析的场景（延迟为 60 秒至 5 分钟）。仅在明确需要时使用。
• Perplexity sonar-pro-search（通过 OpenRouter）：仅用于学术类论文搜索，适用于访问学术数据库至关重要的场景。

该技能会自动识别查询类型，并将其路由到最合适的后端。

何时使用此技能

在需要以下内容时使用此技能：

• 最新研究信息：最新研究、论文和发现
• 文献核验：根据最新研究核实事实、统计数据或论断
• 背景研究：为科学写作收集背景信息和佐证
• 引用来源：查找可供引用的相关论文和研究
• 技术文档：查询规范、协议或方法
• 市场／行业数据：最新统计数据、趋势和竞争情报
• 最新进展：新兴趋势、突破和公告

使用科学示意图增强视觉效果

使用此技能创建文档时，请始终考虑添加科学图表和示意图，以增强视觉表达效果。

如果文档中尚未包含示意图或图表：

• 使用 scientific-schematics 技能生成 AI 驱动、适合发表的高质量图表
• 只需用自然语言描述所需图表

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

---

自动选择后端

此技能会根据内容自动将查询路由到最合适的后端：

路由逻辑

Query arrives
    |
    +-- Contains academic keywords? (papers, DOI, journal, peer-reviewed, etc.)
    |       YES --> Perplexity sonar-pro-search (academic search mode)
    |
    +-- Needs deep multi-source synthesis? (user says "deep research", "exhaustive")
    |       YES --> Parallel Chat API (core model, 60s-5min)
    |
    +-- Everything else (general research, market data, technical info, analysis)
            --> parallel-cli search (fast, default)

默认：parallel-cli search（parallel-web 技能）

所有常规研究查询的主要后端。速度快、经济高效，并支持优先查找学术来源。

对于科学／技术类查询，请执行两次搜索，以确保覆盖学术来源：

# 1. Academic-focused search
parallel-cli search "your research query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,medrxiv.org,ncbi.nlm.nih.gov,nature.com,science.org,ieee.org,acm.org,springer.com,wiley.com,cell.com,pnas.org,nih.gov" \
  -o sources/research_<topic>-academic.json

# 2. General search (catches non-academic sources)
parallel-cli search "your research query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_<topic>-general.json

选项：

• 对时效性查询使用 --after-date YYYY-MM-DD
• 使用 --include-domains domain1.com,domain2.com 将搜索范围限制为特定来源

合并结果，并优先呈现学术来源。对于非科学类查询，一次常规搜索即可。

所有其他查询默认路由到此后端，包括：

• 常规研究问题
• 市场和行业分析
• 技术信息和文档
• 时事和最新进展
• 对比分析
• 统计数据检索
• 事实核查与验证

学术关键词（路由到 Perplexity）

包含以下词语的查询会路由到 Perplexity，进行侧重学术的搜索：

• 查找论文：find papers、find articles、research papers on、published studies
• 引用：cite、citation、doi、pubmed、pmid
• 学术来源：peer-reviewed、journal article、scholarly、arxiv、preprint
• 综述类型：systematic review、meta-analysis、literature search
• 论文质量：foundational papers、seminal papers、landmark papers、highly cited

深度研究（路由到 Parallel Chat API）

仅在用户明确要求进行深入、详尽或全面的研究时使用。速度远慢于 parallel-cli search，成本也更高。

手动覆盖

你可以强制使用特定后端：

# Force parallel-cli search (fast web search)
parallel-cli search "your query" -q "keyword" --json --max-results 10 -o sources/research_<topic>.json

# Force Parallel Deep Research (slow, exhaustive)
python research_lookup.py "your query" --force-backend parallel

# Force Perplexity academic search
python research_lookup.py "your query" --force-backend perplexity

---

核心功能

1. 常规研究查询（parallel-cli search — 默认）

主要后端。 通过 parallel-web 技能进行快速、经济高效的网络搜索，并优先检索学术来源。

Query Examples:
- "Recent advances in CRISPR gene editing 2025"
- "Compare mRNA vaccines vs traditional vaccines for cancer treatment"
- "AI adoption in healthcare industry statistics"
- "Global renewable energy market trends and projections"
- "Explain the mechanism underlying gut microbiome and depression"

# Example: research on CRISPR advances
parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" -q "2025" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_crispr_advances-academic.json

parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_crispr_advances-general.json

响应包括：

• 综合搜索结果得出的发现，并附有行内引用
• 优先采用学术来源（同行评审论文、预印本）
• 具体事实、数字和日期
• 来源部分按类型列出所有引用的 URL

2. 学术论文搜索（Perplexity sonar-pro-search）

用于学术类特定查询。 优先检索学术数据库和同行评审来源。仅当查询明确要求论文、引用或 DOI 时使用。

Query Examples:
- "Find papers on transformer attention mechanisms in NeurIPS 2024"
- "Foundational papers on quantum error correction"
- "Systematic review of immunotherapy in non-small cell lung cancer"
- "Cite the original BERT paper and its most influential follow-ups"
- "Published studies on CRISPR off-target effects in clinical trials"

响应包括：

• 学术文献主要发现的摘要
• 5-8 条高质量引用，包括作者、标题、期刊、年份和 DOI
• 引用次数和期刊档次指标
• 关键统计数据和方法亮点
• 研究空白和未来方向

3. 深度研究（Parallel Chat API — 仅按需使用）

仅当用户明确要求进行深度／全面研究时使用。 通过 Chat API（core 模型）提供全面的多来源综合分析。延迟为 60 秒至 5 分钟。

Query Examples:
- "Deep research on the current state of quantum computing error correction"
- "Exhaustive analysis of mRNA vaccine platforms for cancer immunotherapy"

4. 技术和方法信息

快速查询时使用 parallel-cli search（默认）：

parallel-cli search "Western blot protocol for protein detection" \
  -q "western blot" -q "protocol" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_western_blot.json

5. 统计和市场数据

获取最新数据时使用 parallel-cli search（默认）：

parallel-cli search "Global AI market size and growth projections 2025" \
  -q "AI market" -q "statistics" -q "growth" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --after-date 2024-01-01 \
  -o sources/research_ai_market.json

---

论文质量和受欢迎程度优先级

重要： 搜索论文时，务必优先选择高质量、有影响力的论文。

基于引用次数的排名

论文年限	引用次数门槛	分类
0-3 年	20+ 次引用	值得关注
0-3 年	100+ 次引用	极具影响力
3-7 年	100+ 次引用	重要
3-7 年	500+ 次引用	里程碑论文
7+ 年	500+ 次引用	开创性研究
7+ 年	1000+ 次引用	奠基性研究

期刊和会议档次

Tier 1 - 顶级期刊和会议（始终优先）：

• 综合科学：Nature、Science、Cell、PNAS
• 医学：NEJM、Lancet、JAMA、BMJ
• 领域顶级期刊：Nature Medicine、Nature Biotechnology、Nature Methods
• 顶级计算机科学／AI：NeurIPS、ICML、ICLR、ACL、CVPR

Tier 2 - 高影响力专业期刊和会议（强烈优先）：

• 影响因子 > 10 的期刊
• 子领域顶级会议（EMNLP、NAACL、ECCV、MICCAI）

Tier 3 - 受认可的专业期刊和会议（相关时纳入）：

• 影响因子为 5-10 的期刊

---

技术集成

前提条件

# Primary backend (parallel-cli) - REQUIRED
# Install parallel-cli if not already available:
curl -fsSL https://parallel.ai/install.sh | bash
# Or: uv tool install "parallel-web-tools[cli]"

# Authenticate:
parallel-cli auth
# Or: export PARALLEL_API_KEY="your_parallel_api_key"

环境变量

# Primary backend (parallel-cli search) - REQUIRED
export PARALLEL_API_KEY="your_parallel_api_key"

# Deep research backend (Parallel Chat API) - optional, for deep research only
# Uses the same PARALLEL_API_KEY

# Academic search backend (Perplexity) - optional, for academic paper queries
export OPENROUTER_API_KEY="your_openrouter_api_key"

API 规格

parallel-cli search（主要）：

• 命令：parallel-cli search，使用 --json 输出
• 延迟：2-10 秒（快速）
• 输出：包含标题、URL、publish_date 和摘要的 JSON
• 学术域名：使用 --include-domains 指定学术来源
• 保存结果：使用 -o filename.json，便于后续查阅和复现

Parallel Chat API（仅用于深度研究）：

• 端点：https://api.parallel.ai（兼容 OpenAI SDK）
• 模型：core（延迟为 60 秒至 5 分钟，可进行复杂的多来源综合分析）
• 输出：带有行内引用的 Markdown 文本
• 引用：包含 URL、推理过程和置信度的研究依据
• 速率限制：300 req/min
• Python 软件包：openai

Perplexity sonar-pro-search（仅用于学术搜索）：

• 模型：perplexity/sonar-pro-search（通过 OpenRouter）
• 搜索模式：学术（优先检索同行评审来源）
• 搜索上下文：高（全面研究）
• 响应时间：5-15 秒

命令行用法

# Fast web search via parallel-cli (DEFAULT — recommended) — ALWAYS save to sources/
parallel-cli search "your query" -q "keyword1" -q "keyword2" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_<topic>.json

# Academic-focused search via parallel-cli — ALWAYS save to sources/
parallel-cli search "your query" -q "keyword1" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,semanticscholar.org,biorxiv.org,medrxiv.org,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_<topic>-academic.json

# Time-sensitive search via parallel-cli
parallel-cli search "your query" -q "keyword" \
  --json --max-results 10 --after-date 2024-01-01 \
  -o sources/research_<topic>.json

# Extract full content from a specific URL (use parallel-web extract)
parallel-cli extract "https://example.com/paper" --json

# Force Parallel Deep Research (slow, exhaustive) — via research_lookup.py
python research_lookup.py "your query" --force-backend parallel -o sources/research_<topic>.md

# Force Perplexity academic search — via research_lookup.py
python research_lookup.py "your query" --force-backend perplexity -o sources/papers_<topic>.md

# Auto-routed via research_lookup.py (legacy) — ALWAYS save to sources/
python research_lookup.py "your query" -o sources/research_YYYYMMDD_HHMMSS_<topic>.md

# Batch queries via research_lookup.py — ALWAYS save to sources/
python research_lookup.py --batch "query 1" "query 2" "query 3" -o sources/batch_research_<topic>.md

---

强制要求：将所有结果保存到来源文件夹

每项研究查询结果都必须保存到项目的 sources/ 文件夹。

这一要求不可妥协。研究结果获取成本高，对确保可复现性至关重要。

保存规则

后端	-o 标志的目标路径	文件名模式
parallel-cli search（默认）	sources/research_<topic>.json	research_<brief_topic>.json 或 research_<brief_topic>-academic.json
Parallel Deep Research	sources/research_<topic>.md	research_YYYYMMDD_HHMMSS_<brief_topic>.md
Perplexity（学术）	sources/papers_<topic>.md	papers_YYYYMMDD_HHMMSS_<brief_topic>.md
批量查询	sources/batch_<topic>.md	batch_research_YYYYMMDD_HHMMSS_<brief_topic>.md

如何保存

重要：每次搜索都必须使用 -o 标志，将结果保存到 sources/ 文件夹。

重要：保存的文件必须保留所有引文、来源 URL 和 DOI。

# parallel-cli search (DEFAULT) — save JSON to sources/
parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "scholar.google.com,arxiv.org,pubmed.ncbi.nlm.nih.gov,nature.com,science.org,cell.com,pnas.org,nih.gov" \
  -o sources/research_crispr_advances-academic.json

parallel-cli search "Recent advances in CRISPR gene editing 2025" \
  -q "CRISPR" -q "gene editing" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_crispr_advances-general.json

# Academic paper search via Perplexity — save to sources/
python research_lookup.py "Find papers on transformer attention mechanisms in NeurIPS 2024" \
  -o sources/papers_20250217_143500_transformer_attention.md

# Deep research via Parallel Chat API — save to sources/
python research_lookup.py "AI regulation landscape" --force-backend parallel \
  -o sources/research_20250217_144000_ai_regulation.md

# Batch queries — save to sources/
python research_lookup.py --batch "mRNA vaccines efficacy" "mRNA vaccines safety" \
  -o sources/batch_research_20250217_144500_mrna_vaccines.md

保存文件中的引文保留方式

每种输出格式保留引文的方式各不相同：

格式	包含的引文	使用场景
parallel-cli JSON（默认）	完整结果对象：title、url、publish_date、excerpts	常规用途——结构化、可解析、快速
文本（research_lookup.py）	Sources (N): 部分，包含 [title] (date) + URL；以及 Additional References (N):，包含 DOI 和学术 URL	深度研究 / Perplexity——便于阅读
JSON（通过 research_lookup.py 使用 --json）	完整引文对象：url、title、date、snippet、doi、type	需要从深度研究中获取最多引文元数据时

对于 parallel-cli search，保存的 JSON 文件包含：完整搜索结果，以及每条结果的标题、URL、发布日期和内容摘录。 对于 Parallel Chat API 后端，保存的文件包含：研究报告 + 来源列表（标题、URL）+ 补充参考资料（DOI、学术 URL）。 对于 Perplexity 后端，保存的文件包含：学术摘要 + 来源列表（标题、日期、URL、摘要）+ 补充参考资料（DOI、学术 URL）。

在以下情况使用 --json：

• 以编程方式解析引文元数据
• 为生成 BibTeX 保留完整的 DOI 和 URL 数据
• 保留结构化引文对象以供交叉引用

为什么要保存所有内容

1. 可复现性：每条引文和论断都可以追溯到原始研究来源
2. 上下文窗口恢复：如果上下文被压缩，可以重新读取已保存的结果，而无需再次查询
3. 审计跟踪：sources/ 文件夹准确记录了所有研究信息的收集方式
4. 跨章节复用：多个章节可以引用同一份已保存的研究结果，无需重复查询
5. 成本效益：发起新的 API 调用前，先检查 sources/ 中是否已有结果
6. 同行评审支持：评审者可以核验每条引文背后的研究依据

发起新查询前，先检查来源

调用 research_lookup.py 前，检查是否已有相关结果：

ls sources/  # Check existing saved results

如果之前的查询已涵盖相同主题，请重新读取已保存的文件，而不是发起新的 API 调用。

日志记录

保存研究结果时，务必记录：

[HH:MM:SS] SAVED: Research lookup to sources/research_20250217_143000_crispr_advances.md (3,800 words, 8 citations)
[HH:MM:SS] SAVED: Paper search to sources/papers_20250217_143500_transformer_attention.md (6 papers found)

---

与科学写作的集成

此技能通过以下方式提升科学写作：

1. 文献综述支持：为引言和讨论收集最新研究——保存到 sources/
2. 方法验证：根据当前标准验证实验方案——保存到 sources/
3. 结果背景化：将研究发现与近期类似研究进行比较——保存到 sources/
4. 强化讨论：用最新证据支持论点——保存到 sources/
5. 引文管理：提供格式规范的引文——保存到 sources/

互补工具

任务	工具
通用网页搜索（快速）	parallel-cli search（内置于此技能）
学术类网页搜索	parallel-cli search --include-domains（内置于此技能）
URL 内容提取	parallel-cli extract（parallel-web 技能）
深度研究（详尽）	通过 Parallel Chat API 或 parallel-web 深度研究使用 research-lookup
学术论文搜索	research-lookup（自动路由至 Perplexity）
Google Scholar 搜索	citation-management 技能
PubMed 搜索	citation-management 技能
DOI 转 BibTeX	citation-management 技能
元数据验证	parallel-cli extract（parallel-web 技能）

---

错误处理与限制

已知限制：

• parallel-cli search：需要安装并通过身份验证的 parallel-cli
• Parallel Chat API（核心模型）：复杂查询可能需要长达 5 分钟
• Perplexity：存在信息截止时间限制，可能无法访问付费墙后的全文
• 所有后端：无法访问专有或受限数据库

回退行为：

• 如果未找到 parallel-cli，请使用 curl -fsSL https://parallel.ai/install.sh | bash 或 uv tool install "parallel-web-tools[cli]" 安装
• 如果 parallel-cli search 返回的结果不足，则回退至 Perplexity 或 Parallel Chat API
• 如果所选后端缺少 API 密钥，则尝试使用另一后端
• 如果所有后端都失败，则返回结构化错误响应
• 如果初始响应不够充分，请改写查询以获得更好的结果

---

使用示例

示例 1：常规研究（路由至 parallel-cli search）

查询：“Recent advances in transformer attention mechanisms 2025”

后端：parallel-cli search（默认，快速）

命令：

parallel-cli search "Recent advances in transformer attention mechanisms 2025" \
  -q "transformer" -q "attention" -q "2025" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --include-domains "arxiv.org,semanticscholar.org,nature.com,science.org,ieee.org,acm.org" \
  -o sources/research_transformer_attention-academic.json

parallel-cli search "Recent advances in transformer attention mechanisms 2025" \
  -q "transformer" -q "attention" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  -o sources/research_transformer_attention-general.json

响应：综合学术和一般来源的研究发现，并附有行内引用，涵盖近期论文、关键创新和性能基准。

示例 2：学术论文搜索（路由至 Perplexity）

查询：“Find papers on CRISPR off-target effects in clinical trials”

后端：Perplexity sonar-pro-search（学术模式）

响应：精选的 5-8 篇高影响力论文列表，包含完整引用、DOI、引用次数和期刊等级指标。

示例 3：比较分析（路由至 parallel-cli search）

查询：“Compare and contrast mRNA vaccines vs traditional vaccines for cancer treatment”

后端：parallel-cli search（默认，快速）

响应：综合多个网页来源的对比结果，并附有行内引用、结构化分析和证据质量说明。

示例 4：市场数据（路由至 parallel-cli search）

查询：“Global AI adoption in healthcare statistics 2025”

后端：parallel-cli search（默认，快速）

parallel-cli search "Global AI adoption in healthcare statistics 2025" \
  -q "AI healthcare" -q "adoption statistics" \
  --json --max-results 10 --excerpt-max-chars-total 27000 \
  --after-date 2024-01-01 \
  -o sources/research_ai_healthcare_adoption.json

响应：当前市场数据、采用率、增长预测和区域分析，并附有来源引用。

---

总结

此技能作为主要研究接口，采用智能三后端路由：

• parallel-cli search（默认）：快速、经济高效的网页搜索，并通过 parallel-web 技能优先检索学术来源
• Parallel Chat API（core 模型）：深入、详尽的多来源综合分析（仅在明确请求时使用）
• Perplexity sonar-pro-search：仅用于学术论文专项搜索
• 自动路由：识别查询类型并路由至最合适的后端
• 手动覆盖：按需强制使用任意后端
• 学术优先：双重搜索模式确保科学类查询能优先呈现学术来源