| name | literature-search |
| description | 学术文献检索助手，专为撰写 Related Work / 文献综述设计。 从 IEEE Xplore、Semantic Scholar、arXiv 检索论文，默认聚焦 IEEE 顶刊/顶会。 支持交互式需求确认、多轮多关键词搜索、BibTeX 导出、摘要收集。 触发词：查文献、搜论文、literature search、related work、文献综述、 找参考文献、搜相关工作、survey papers、search papers
|
| allowed-tools | Read, Edit, Bash, Write, Glob, Grep, WebSearch, WebFetch, AskUserQuestion |
| model | opus |
Literature Search — 文献检索助手
专为撰写 Related Work / 文献综述设计的学术文献检索工具。从 IEEE Xplore、Semantic Scholar、arXiv 等学术数据库检索论文，收集元数据、摘要和 BibTeX，为后续撰写文献综述提供素材。
核心能力
| 数据源 | 方法 | 说明 |
|---|
| IEEE Xplore | REST API (无需密钥) | 默认首选，IEEE 顶刊/顶会全覆盖 |
| Semantic Scholar | Graph API v1 | 跨数据库搜索，含 TL;DR 和引用数 |
| arXiv | Atom API | 预印本，最新研究进展 |
| Google Scholar | WebSearch 备用 | 补充搜索，覆盖面广 |
参考文件
详细参考资料按主题拆分到独立文件，按需查阅：
工作流程
阶段 1：交互式需求确认（必须）
在开始搜索之前，必须与用户确认以下信息。使用 AskUserQuestion 工具逐一确认：
第一轮提问（核心需求）：
向用户提出以下问题，可以一次性提出：
- 研究主题：你要查找的具体研究主题是什么？（例如："movable antenna beamforming"、"LLM-based network optimization"）
- 使用场景：这些文献用于什么？（例如：Related Work 的某个子节、完整综述、开题调研）
- 期刊/会议偏好：
- 默认 IEEE 顶刊（TWC, TCOM, TSP, JSAC, TMC, TCCN, TVT, IoT-J, WCL 等）
- 是否需要包含会议论文（ICC, GLOBECOM, WCNC, INFOCOM 等）
- 是否需要扩展到非 IEEE 源（arXiv, Semantic Scholar）
- 时间范围：优先查找哪个时间段的论文？（默认近 3 年）
- 最终精选数量：最终报告中希望保留多少篇？给出目标区间，例如：
- Related Work 某个子节：10-15 篇
- 完整 Related Work：20-40 篇
- 开题调研/综述：50-80 篇
- 默认建议：25-40 篇（搜索阶段会广泛收集，最终报告精选到目标区间）
- 已知文献：是否已经有一些相关论文？（有助于确定搜索方向和避免重复）
根据用户回答，确定搜索策略：
- 拆解 2-5 组搜索关键词（不同角度、不同术语）
- 确定数据源优先级
- 确定筛选条件（年份、期刊、引用数等）
- 根据目标数量，预估每个子方向分配的论文名额
向用户简要展示搜索计划（含各子方向预估数量）后，确认是否开始。
阶段 2：多轮搜索执行
使用 Python 脚本执行搜索：
cd /Users/zhanglinghao/Documents/Code/Skills/skills/claude-code-skills/literature-search
python3 scripts/search.py --keywords "keyword1" "keyword2" \
--sources ieee semantic_scholar arxiv \
--max-results 30 \
--time-range 3y \
--sort relevance \
--output-dir results
完整参数说明见 搜索参数说明。
多轮搜索策略：
不要只用一组关键词！针对同一主题，从不同角度搜索：
- 核心术语搜索：直接使用研究主题的标准术语
- 同义词/变体搜索：使用不同表述（如 "reconfigurable intelligent surface" vs "RIS" vs "intelligent reflecting surface"）
- 方法论搜索：从技术方法角度搜索（如 "deep reinforcement learning resource allocation"）
- 应用场景搜索：从应用角度搜索（如 "UAV communication trajectory optimization"）
- 补充搜索：如果某个子方向结果不够，追加搜索
每轮搜索结果会自动去重合并。
Google Scholar 补充搜索（当 API 搜索结果不够时）：
使用 WebSearch 工具搜索：
site:scholar.google.com "exact phrase" related topic
或搜索特定期刊：
site:ieeexplore.ieee.org "keyword" "IEEE Transactions on"
阶段 3：结果整理与最终报告生成
搜索完成后，合并所有轮次结果去重，然后进行分析整理：
- 合并去重：
python3 scripts/search.py --merge results/*_papers.json -o results
- 读取合并后 JSON，筛选 IEEE 顶刊/顶会论文（排除 early access、低相关度论文）
- 分类整理：根据论文内容将论文归入 Related Work 子方向
- 生成分类映射 JSON（categories.json）并调用最终报告生成
生成最终报告
准备分类映射文件 categories.json，格式为 {"子方向名称": [DOI列表]}:
{
"A. AIGC/LLM Inference at Edge": [
"10.1109/TMC.2024.3415661",
"10.1109/TWC.2024.3497923"
],
"B. SAGIN Resource Management": [
"10.1109/JSAC.2024.3459073"
]
}
然后生成最终报告：
python3 scripts/search.py --finalize results/merged_papers.json \
--categories categories.json \
--topic "Hierarchical AIGC Inference in SAGIN" \
-o results
输出格式和模版详见 最终报告模版。
阶段 4：与用户确认结果
向用户展示最终报告后：
- 询问是否需要补充搜索某个子方向
- 询问是否需要排除/增加某些论文
- 询问是否需要调整分组方式
- 确认最终结果后，可将 BibTeX 导出到用户论文项目目录
依赖安装
pip install requests feedparser
注意事项
- IEEE Xplore 搜索使用网页 REST 端点，无需 API Key，但有速率限制，搜索间隔建议 >= 1 秒
- Semantic Scholar API 免费层 1000 次/5min，一般够用
- arXiv API 无需密钥，但建议控制请求频率
- 多轮搜索时自动去重（基于 DOI -> arXiv ID -> 标题哈希）
- 如果某个源连接失败，会自动跳过并使用其他源
- 搜索结果保存在
results/ 目录，包含时间戳，不会覆盖历史记录
- Markdown 报告中的摘要保持完整，不做截断，确保后续精读和综述撰写有完整信息
- IEEE 顶刊/顶会完整列表见 IEEE 顶刊/顶会参考
