Scholar Research Assistant

---
name: scholar-research-assistant
description: 学术科研助手，基于 ScholarClub 平台 及 Semantic Scholar 数据库，支持关键词/作者/期刊/时间多维度检索，自动构建关键词矩阵、进行论文质量评分（引用数/期刊级别/作者影响力），输出结构化文献报告。适用于文献综述、领域调研、作者研究脉络追踪。
version: 1.0.2
---

# 学术论文检索报告技能

## 任务目标

- **核心功能**：通过五步标准流程，系统性检索并筛选学术论文，生成高质量的结构化文献报告
- **检索维度**：关键词、作者姓名、期刊/会议名称、发表时间范围
- **质量保障**：四维评分体系（相关性40%+引用影响力25%+期刊质量20%+作者影响力15%），自动分级输出A/B/C/D级论文
- **适用场景**：文献综述撰写、特定领域论文查找、学者研究脉络追踪、学术背景调研

## 前置准备

- 依赖说明：scripts脚本使用Python标准库和requests库（requests为常见HTTP库，通常已预装）
- 数据源：Semantic Scholar学术数据库（免费开放访问，提供API Key可提升速率限制）
- 如果遇到 Semantic Scholar 的速率限制，则调用 ScholarClub 的接口进行文章检索，每次 limit 最大设置为 10

## ScholarClub API
- **API Endpoint**: https://scholar.club/api/v1/papers/search
- **Request Parameters**: 
  - query: URL-encoded search keywords
  - offset: 0 (fixed)
  - limit: 0-10 (max 10, returns limit results per request)

## 标准化工作流程

**执行原则**：以下五个步骤必须按顺序执行，未完成上一步的最小标准不得进入下一步。

### 第一步：明确检索目标与核验口径

**智能体职责**：与用户交互，提取并确认以下信息

**必填项**：
1. **研究主题**：核心研究问题或领域
2. **文献类型**：期刊论文/会议论文/综述/预印本等
3. **发表时间范围**：起始年份和结束年份
4. **核心筛选标准**：最低引用数、期刊级别、开放获取要求等

**可选项**：
- 目标期刊/会议列表
- 特定作者或研究团队
- 研究方法限定（如实证研究、理论分析、实验研究等）

**最小完成标准**：
- 研究主题明确，能够生成至少3个核心关键词
- 时间范围已确定（可接受"不限"）
- 至少确定1项筛选标准

**输出物**：检索需求确认单，包含上述所有已确认的检索参数

---

### 第二步：预检索与线索获取

**智能体职责**：基于研究主题，进行初步探索获取领域线索

**执行内容**：
1. **领域核心期刊识别**：
   - 调用 `scripts/paper_search.py` 使用研究主题进行初步检索
   - 从返回结果中提取高频率出现的venue（期刊/会议名称）
   - 识别领域内权威期刊和顶级会议

2. **高影响力作者识别**：
   - 分析检索结果中的作者信息
   - 识别引用数高、论文数量多的核心作者
   - 记录作者所属机构和研究团队

3. **典型研究方向识别**：
   - 分析论文标题和摘要中的高频关键词
   - 识别领域内的研究热点和分支方向
   - 记录典型研究方法和研究范式

**最小完成标准**：
- 获取至少5个领域核心期刊/会议
- 识别至少3位高影响力作者
- 提炼出至少3个典型研究方向

**输出物**：预检索线索清单，包含期刊列表、作者列表、研究方向列表

---

### 第三步：整理关键词矩阵

**智能体职责**：基于第一步需求和第二步线索，构建结构化关键词矩阵

**关键词分类**：

| 类别 | 定义 | 来源 | 示例 |
|------|------|------|------|
| **P类关键词** | 直接围绕用户需求的核心关键词 | 用户需求提取 | 研究主题、核心概念、专业术语 |
| **W类关键词** | 基于预检索线索的扩展关键词 | 预检索线索 | 高影响力作者、核心期刊、相关研究方向 |

**矩阵构建规则**：
1. **P类关键词**（Primary）：
   - 从用户需求中直接提取的核心概念
   - 专业术语的中英文对照
   - 研究方法关键词（如适用）
   - 数量要求：3-8个

2. **W类关键词**（Wider）：
   - 基于预检索结果扩展的相关概念
   - 高影响力作者姓名
   - 核心期刊名称
   - 相关研究分支术语
   - 数量要求：5-15个

**组合策略**：
- 单独使用P类关键词进行精准检索
- P类+W类组合进行扩展检索
- 使用布尔逻辑（AND/OR/NOT）优化检索表达式

**最小完成标准**：
- P类关键词不少于3个
- W类关键词不少于5个
- 形成至少3组不同的关键词组合

**输出物**：关键词矩阵表，包含P类关键词列表、W类关键词列表、组合检索策略

---

### 第四步：执行学术数据库检索

**智能体职责**：调用脚本执行检索，获取候选论文列表

**执行方式**：调用 `scripts/paper_search.py` 执行检索

**脚本调用示例**：
```bash
python scripts/paper_search.py \
  --query "deep learning natural language processing" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 50 \
  --fields "title,authors,abstract,venue,year,citationCount,referenceCount,url,openAccessPdf"
```

**支持的检索参数**：
| 参数 | 说明 | 示例 |
|------|------|------|
| `--query` | 检索关键词（必填） | "machine learning" |
| `--year-start` | 起始年份 | 2020 |
| `--year-end` | 结束年份 | 2024 |
| `--venue` | 期刊/会议名称 | "Nature" |
| `--author` | 作者姓名 | "Hinton" |
| `--limit` | 返回数量 | 20 |
| `--fields` | 返回字段 | 见默认字段列表 |

**默认返回字段**：
- `paperId`：论文唯一标识
- `title`：论文标题
- `authors`：作者列表
- `abstract`：摘要
- `venue`：发表期刊/会议
- `year`：发表年份
- `citationCount`：引用次数
- `referenceCount`：参考文献数
- `url`：论文链接
- `openAccessPdf`：开放获取PDF链接

**多轮检索策略**：
1. 使用P类关键词进行首轮精准检索
2. 根据结果质量决定是否进行扩展检索
3. 使用W类关键词进行补充检索
4. 合并去重所有检索结果

**最小完成标准**：
- 至少执行1轮检索
- 获取不少于20篇候选论文（如领域较小可适当降低）
- 每篇论文包含完整的元数据信息

**输出物**：候选论文原始数据（JSON格式），包含所有检索结果的完整元数据

---

### 第五步：相关性核验与报告生成

**智能体职责**：对候选论文进行质量核验，生成结构化检索报告

**核验维度**：详见 [references/quality_criteria.md](references/quality_criteria.md)

**核验流程**：

1. **相关性初筛**：
   - 阅读标题和摘要，判断与研究主题的相关程度
   - 标记相关性等级：高度相关/中度相关/低度相关
   - 剔除明显不相关的论文

2. **质量评估**：
   - 引用数评估：按年份分层评估引用影响力
   - 期刊/会议评估：识别发表渠道的学术声誉
   - 作者评估：识别作者的学术影响力（H-index、论文数）

3. **权威性核验**：
   - 是否发表在领域顶级期刊/会议
   - 作者是否为领域知名学者
   - 是否为高被引论文

4. **去重与排序**：
   - 按相关性等级分组
   - 同组内按引用数降序排列
   - 标注开放获取状态

**最小完成标准**：
- 完成所有候选论文的相关性评估
- 筛选出不少于10篇高度相关论文
- 每篇论文完成质量指标标注

**报告生成**：参考 [assets/report_template.md](assets/report_template.md) 生成结构化报告

**输出物**：结构化检索报告（Markdown格式），包含：
- 检索概述（需求、策略、范围）
- 核心发现（领域研究现状、主要研究方向、代表性学者）
- 论文清单（按相关性分级、包含完整元数据和质量指标）
- 附录（检索词矩阵、检索日志）

---

## 资源索引

- **必要脚本**：见 [scripts/paper_search.py](scripts/paper_search.py)
  - 用途：调用Semantic Scholar API执行学术论文检索
  - 参数：query（必填）、year-start、year-end、venue、author、limit、fields

- **质量标准**：见 [references/quality_criteria.md](references/quality_criteria.md)
  - 用途：学术论文质量核验标准
  - 何时读取：第五步进行相关性核验时

- **报告模板**：见 [assets/report_template.md](assets/report_template.md)
  - 用途：结构化检索报告生成模板
  - 何时读取：第五步生成最终报告时

## 注意事项

- **顺序执行**：五个步骤必须严格按顺序执行，每步完成后检查最小完成标准
- **智能体主导**：关键词提取、相关性判断、报告撰写由智能体完成，脚本仅负责API调用
- **检索策略迭代**：若首轮检索结果不理想，可返回第三步调整关键词矩阵
- **开放获取优先**：在质量相当的情况下，优先推荐开放获取论文
- **数据时效性**：注意Semantic Scholar数据更新周期，最新发表论文可能存在延迟
- **速率限制**：无API Key时限制100次/5分钟，建议合理规划检索次数

## 使用示例

**示例1：文献综述检索**
```
用户：帮我检索2020-2024年关于"大语言模型在教育领域应用"的论文，用于写综述

技能执行：
1. 确认需求：LLM+教育，2020-2024，期刊/会议论文，引用数≥30
2. 预检索：识别 AIED、Computers & Education 等核心期刊，定位 3 位高影响力作者
3. 构建关键词矩阵：
   P类：LLM, large language model, education, teaching, learning
   W类：GPT, ChatGPT, AI tutor, adaptive learning, 高影响力作者名
4. 执行 3 轮检索，获取 60 篇候选论文
5. 质量评分筛选 → 输出结构化报告：
   - A级（核心推荐）12篇：含完整元数据、引用数、开放获取链接
   - B级（重要参考）18篇
   - 附：检索词矩阵、检索日志
```

**示例2：作者研究脉络追踪**
```
用户：帮我梳理 Yoshua Bengio 在深度学习领域的主要研究贡献

技能执行：
1. 以 "Bengio" 为核心，deep learning 为主题，时间不限
2. 检索返回按年份排序的论文列表
3. 质量核验，标注里程碑论文（backpropagation 1989、word2vec 2003 等）
4. 输出按时间线组织的研究脉络报告，注明各阶段代表作及引用数
```

**示例3：快速领域热点扫描**
```
用户：我想了解 2023-2024 年多模态大模型的最新研究进展

技能执行：
1. P类关键词：multimodal LLM, vision-language model, VLM
2. 执行检索，优先筛选近 1 年高引用（≥50）论文
3. 识别领域主要研究方向：图文理解、视频理解、医学多模态等
4. 输出热点方向摘要 + 代表论文清单
```