Scholar Search Skills

概述

本技能用于系统性地搜索、筛选和下载学术论文，适用于研究课题调研、文献综述等场景。集成了 arxiv-search、docling 等工具，支持自动化摘要提取和引用追踪。

触发条件

当用户提出以下需求时触发：

- "帮我搜索关于 XXX 的论文"
"查找 XXX 相关的学术文献"
"搜索 XXX 主题的研究论文"
"找一些 XXX 领域的核心文献"
"帮我下载 XXX 主题的论文"

工作流

步骤 1: 确认基本信息

与用户确认以下信息：

1. 研究主题/论文标题：用户想要搜索的具体主题
关键词：用逗号分隔，建议使用英文关键词

- 如果用户提供中文关键词，自动翻译为英文 - 示例：Agent, Indirect Prompt Injection Attack, Black-box Defense

3. 核心论文（可选）：用户已有关键文献列表
筛选条件（可选）：

- 时间范围：默认近3年（2023-2026） - 来源：arXiv、ICLR、ICML、NeurIPS - 引用量阈值（如有要求）

步骤 2: 创建工作目录

CODEBLOCK0

创建文献清单文件：

- PAPER_LIST.md - 论文列表
INLINECODE2 - 论文摘要
INLINECODE3 - BibTeX 引用格式

步骤 3: 论文搜索

3.1 使用 arxiv-search (优先)

CODEBLOCK1

如果 arxiv-search 可用，使用它进行搜索：

- 调用其搜索 API 或脚本
获取更精准的论文匹配

3.2 使用 web_fetch 备选

CODEBLOCK2

步骤 4: 下载论文

CODEBLOCK3

步骤 5: PDF 解析 (使用 docling)

5.1 安装 docling

CODEBLOCK4

5.2 解析论文

使用 docling 提取论文关键信息：

- 标题、作者、机构
摘要
方法
实验结果
结论
参考文献

CODEBLOCK5

步骤 6: 生成结构化摘要

为每篇论文创建摘要模板：

CODEBLOCK6bibtex
@article{...}
CODEBLOCK7

步骤 7: 引用追踪 (Google Scholar)

1. 访问 Google Scholar 搜索核心论文
获取 "Cited by" 列表
筛选与研究主题相关的引用论文
下载高相关度论文

CODEBLOCK8

步骤 8: 自动化筛选评分

8.1 关键词匹配评分

CODEBLOCK9

8.2 排序和过滤

- 按相关性分数降序排列
过滤低于阈值的论文
优先选择高引用量论文

步骤 9: 输出格式生成

9.1 文献列表 (PAPER_LIST.md)

CODEBLOCK10

9.2 BibTeX (references.bib)

CODEBLOCK11

9.3 文献综述大纲

CODEBLOCK12

已集成 Skills

Skill	用途
arxiv-search	专业 arXiv 论文搜索
docling

常用搜索查询

arXiv 搜索

- 基础：INLINECODE4
日期过滤：INLINECODE5

会议论文

- ICLR: https://openreview.net/group?id=ICLR.cc/2025/Conference
NeurIPS: https://proceedings.neurips.cc/
ICML: https://proceedings.mlr.press/

Google Scholar

- 引用追踪：访问论文主页查看 "Cited by"

注意事项

1. 时间筛选：默认要求 2023-2026 年的论文
去重：下载前检查是否已存在相同 arXiv ID 的论文
增量更新：已有文献库时，仅搜索新增论文
来源说明：大多数顶会论文会先在 arXiv 预发布
版权：仅下载用于研究，仅提供摘要和下载链接

输出文件清单

文件	说明
INLINECODE6	核心文献 PDF
INLINECODE7

关键词相关性打分

使用脚本

本技能包含 scripts/score_papers.py 用于关键词相关性打分。

安装依赖

CODEBLOCK13

基本用法

CODEBLOCK14

CSV 格式要求

CODEBLOCK15

打分算法

1. 模糊匹配 (Fuzzy Matching)

- 部分匹配 (partialratio): 关键词在文本中的部分匹配程度
词序无关匹配 (tokensortratio): 忽略词序的匹配程度
集合匹配 (tokenset_ratio): 关键词集合与文本的交集比例

2. TF-IDF 余弦相似度

- 将论文文本和关键词转换为 TF-IDF 向量
计算余弦相似度

3. 加权组合

CODEBLOCK16

输出示例

CODEBLOCK17

集成到工作流

在步骤 8 (自动化筛选评分) 中使用：

CODEBLOCK18

Scholar Search Skills

概述

触发条件

当用户提出以下需求时触发：

- 帮我搜索关于 XXX 的论文
查找 XXX 相关的学术文献
搜索 XXX 主题的研究论文
找一些 XXX 领域的核心文献
帮我下载 XXX 主题的论文

工作流

步骤 1: 确认基本信息

与用户确认以下信息：

1. 研究主题/论文标题：用户想要搜索的具体主题
关键词：用逗号分隔，建议使用英文关键词

- 如果用户提供中文关键词，自动翻译为英文 - 示例：Agent, Indirect Prompt Injection Attack, Black-box Defense

3. 核心论文（可选）：用户已有关键文献列表
筛选条件（可选）：

- 时间范围：默认近3年（2023-2026） - 来源：arXiv、ICLR、ICML、NeurIPS - 引用量阈值（如有要求）

步骤 2: 创建工作目录

bash
mkdir -p ~/papers/<研究主题>/{core-papers,cited-papers,output}

创建文献清单文件：

- PAPERLIST.md - 论文列表
PAPERSUMMARIES.md - 论文摘要
references.bib - BibTeX 引用格式

步骤 3: 论文搜索

3.1 使用 arxiv-search (优先)

bash

安装的 arxiv-search 技能位置

ls ~/.agents/skills/arxiv-search/

如果 arxiv-search 可用，使用它进行搜索：

- 调用其搜索 API 或脚本
获取更精准的论文匹配

3.2 使用 web_fetch 备选

https://arxiv.org/search/?searchtype=all&query=<关键词>&start=0

步骤 4: 下载论文

bash

下载 PDF

wget -q https://arxiv.org/pdf/ID> -O <标题缩写>.pdf

示例

wget -q https://arxiv.org/pdf/2309.15817 -O lmagentsrisks_2309.15817.pdf

步骤 5: PDF 解析 (使用 docling)

5.1 安装 docling

bash
npx skills add existential-birds/beagle@docling -g -y

5.2 解析论文

使用 docling 提取论文关键信息：

- 标题、作者、机构
摘要
方法
实验结果
结论
参考文献

python

docling 使用示例

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert(paper.pdf)

提取结构化信息

步骤 6: 生成结构化摘要

为每篇论文创建摘要模板：

markdown

<论文标题>

- 作者: Authors
arXiv: ID
日期: YYYY-MM
核心贡献:

1. 贡献点1
2. 贡献点2

- 方法:
实验结果:
链接: PDF
BibTeX:

bibtex
@article{...}

步骤 7: 引用追踪 (Google Scholar)

1. 访问 Google Scholar 搜索核心论文
获取 Cited by 列表
筛选与研究主题相关的引用论文
下载高相关度论文

bash

搜索引用论文

使用 web_fetch 访问 Google Scholar

步骤 8: 自动化筛选评分

8.1 关键词匹配评分

python
def relevance_score(title, abstract, keywords):
score = 0
for kw in keywords:
if kw.lower() in title.lower():
score += 3
if kw.lower() in abstract.lower():
score += 1
return score

8.2 排序和过滤

- 按相关性分数降序排列
过滤低于阈值的论文
优先选择高引用量论文

步骤 9: 输出格式生成

9.1 文献列表 (PAPER_LIST.md)

markdown

#	论文标题	arXiv ID	相关度	日期	类型
1	Title	xxxx.xxxxx	★★★★★	2024	核心

9.2 BibTeX (references.bib)

bibtex
@article{ruan2023toolemu,
title={Identifying the Risks of LM Agents with an LM-Emulated Sandbox},
author={Ruan, Yangjun and Dong, Honghua and Wang, Andrew and others},
journal={arXiv preprint arXiv:2309.15817},
year={2023}
}

9.3 文献综述大纲

markdown

<研究主题> 文献综述

1. 引言

2. 背景与相关工作

3. 核心文献分析

4. 最新研究进展

5. 未来研究方向

已集成 Skills

Skill	用途
arxiv-search	专业 arXiv 论文搜索
docling

常用搜索查询

arXiv 搜索

- 基础：https://arxiv.org/search/?searchtype=all&query=<关键词>&start=0
日期过滤：https://arxiv.org/search/?searchtype=all&query=<关键词>&date-filterby=alldates&size=50

会议论文

- ICLR: https://openreview.net/group?id=ICLR.cc/2025/Conference
NeurIPS: https://proceedings.neurips.cc/
ICML: https://proceedings.mlr.press/

Google Scholar

- 引用追踪：访问论文主页查看 Cited by

注意事项

1. 时间筛选：默认要求 2023-2026 年的论文
去重：下载前检查是否已存在相同 arXiv ID 的论文
增量更新：已有文献库时，仅搜索新增论文
来源说明：大多数顶会论文会先在 arXiv 预发布
版权：仅下载用于研究，仅提供摘要和下载链接

输出文件清单

文件	说明
core-papers/	核心文献 PDF
cited-papers/

关键词相关性打分

使用脚本

本技能包含 scripts/score_papers.py 用于关键词相关性打分。

安装依赖

bash
pip install scikit-learn rapidfuzz

基本用法

bash

单一论文打分

python3 scripts/score_papers.py \
--keywords agent,LLM,security,prompt injection \
--title Identifying the Risks of LM Agents with an LM-Emulated Sandbox \
--abstract Recent advances in Language Model (LM) agents...

批量打分 (CSV 格式)

python3 scripts/score_papers.py \ --keywords agent,LLM,security \ --papers paper_list.csv \ --output results.json

自定义权重

python3 scripts/score_papers.py \ --keywords agent,defense \ --title xxx \ --abstract xxx \ --title-weight 0.7 \ --abstract-weight 0.3

CSV 格式要求

csv
title,abstract,arxiv_id,year
论文标题,论文摘要,2309.15817,2023
...

打分算法

1. 模糊匹配 (Fuzzy Matching)

- 部分匹配 (partialratio): 关键词在文本中的部分匹配程度
词序无关匹配 (tokensortratio): 忽略词序的匹配程度
集合匹配 (tokenset_ratio): 关键词集合与文本的交集比例

2. TF-IDF 余弦相似度

- 将论文文本和关键词转换为 TF-IDF 向量
计算余弦相似度

scholar-search-skills学术搜索