light-literature-search

强大地搜索并规范化整理科研资料。当用户需要调研某研究方向、找文献综述、了解某领域有哪些工作、搜集中英文论文/专利/标准/政策/数据集/开源项目/竞赛方案/行业报告/技术博客/官方文档时使用。不只罗列结果，而是筛选去重分类、判断可信度与重要性，整理为文献表、研究脉络、代表方法、优缺点对比与可复用资源。

Ir a la instalación

Repositorio: caixinyu2017-star/xixi
Última actividad en el origen: 29 de junio de 2026 a las 16:47
Idioma detectado de SKILL.md: chino
Estrellas: 1
Forks: 0

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.

npx skills add https://github.com/caixinyu2017-star/xixi --skill light-literature-search

El comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.

¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Explorador de archivos

18 archivos

SKILL.md

Instrucciones de origen · Vista previa de solo lectura

Volver a la búsqueda Volver a la instalación

Explorador de archivos

18 archivos

SKILL.md

Instrucciones de origen · Vista previa de solo lectura

name

light-literature-search

description

资料搜索与规范化整理

目标

帮用户真正快速理解一个方向，而非堆搜索结果。产出可直接用于写综述、提 idea、做方案的结构化资料。

输入澄清（缺失则先问或合理假设）

研究方向、核心问题、关键词（中英文）、目标期刊/会议、项目背景、时间范围、语言偏好、深度（速览/中等/穷尽）。

检索策略

多源并行：英文论文(arXiv/OpenAlex/Semantic Scholar/Crossref/DOAJ)、生医论文(PubMed/Europe PMC，详见下"优先免费无 key 的学术 API"与生医纪律)、中文论文(优先 OpenAlex/Crossref 按 ISSN 检中文期刊；知网/万方/维普/CSCD 无免费 API，走机构访问或浏览器取元数据，详见下"中文文献检索")、专利(Google Patents/CNIPA/Espacenet/Lens)、标准、政策、数据集(HF/Kaggle/OpenML)、开源(GitHub/PwC)、竞赛方案、行业报告、技术博客、官方文档。
多角度扫（multi-modal sweep）：按概念、按方法、按作者/团队、按时间、按引用关系分别检索，互补盲区。
- 跨领域轴（创新高发区）：窄应用领域近三年好文常稀少，但前沿创新多靠把别的领域的最新方法迁移过来（如 CV 目标检测/扩散模型/Transformer SOTA → 病理识别、畜牧行为、遥感）。此时别把"应用词+方法词"拼成一个 query（实测拼词+被引排序会顶出通用高被引跑题文），改用 scripts/cross_domain_search.py 做应用轴 × 方法轴正交检索，方法轴强时效抓 SOTA，迁移判断交研究者（喂 m03）。
检索式构造：给出每个库的实际可用 query（布尔逻辑、字段限定、同义词扩展、中英对照）。
滚雪球：从代表作做前向(被引)+后向(参考)追踪。

优先免费的学术 API（多数免 key；OpenAlex 2026 起需免费 key，接入口径见 references「OpenAlex 接入真相源」。端点详见 references.md，落地前再核校）

OpenAlex https://api.openalex.org/works：search= 全文检索；filter= 组合(from_publication_date:、cited_by_count:>N、is_oa:true、type:article、primary_topic.id:、authorships.author.id:)；sort=cited_by_count:desc；select= 省字段；深翻用 cursor=*(page 上限 1 万)；带 mailto= 进礼貌池。group_by= 可一键做年度/期刊分布。摘要是 inverted index 需还原。接入需免费 key，额度/限流口径见 references「OpenAlex 接入真相源」节。
Crossref https://api.crossref.org/works：query.bibliographic/author/title=；filter=from-pub-date:,type:journal-article；sort=is-referenced-by-count&order=desc；深翻 cursor=*；带 mailto= 提速。作 DOI 规范化与去重的"真相源"。
Semantic Scholar https://api.semanticscholar.org/graph/v1：/paper/search?query=&fields=title,abstract,year,authors,citationCount,influentialCitationCount,externalIds,openAccessPdf,tldr；穷尽式扫库用 /paper/search/bulk(返回 token 续翻)；滚雪球用 /paper/{id}/citations 与 /references(看 isInfluential)；批量详情 /paper/batch(POST)。匿名限速严，量大申请 x-api-key。
arXiv http://export.arxiv.org/api/query：search_query=ti:/au:/abs:/cat:/all: + 布尔；start/max_results(≤100) 翻页；sortBy=submittedDate&sortOrder=descending；请求间隔 ≥3 秒。
PubMed E-utilities https://eutils.ncbi.nlm.nih.gov/entrez/eutils/：两步式 esearch.fcgi?db=pubmed&term=... 取 PMID → efetch.fcgi/esummary.fcgi 取详情；term 支持 [MeSH Terms]/[tiab]/[ti]/[au]/[dp]；retmax/retstart 翻页，大集合用 usehistory=y+WebEnv/query_key；建议带 &email=&api_key=(无 key 3 req/s、有 key 10 req/s)。MeSH 受控词检索与 Clinical Queries 临床过滤器此源独有，OpenAlex 替代不了。
Europe PMC https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=&format=json&resultType=core：完全免 key；pageSize(≤1000)+cursorMark(传 *，响应 nextCursorMark 续翻)；返回直接含 abstractText、pmid/pmcid/doi、isOpenAccess/inEPMC/hasPDF、citedByCount；/{source}/{id}/citations 与 /references 做滚雪球；覆盖 MED+PMC+PPR。
DOAJ https://doaj.org/api/v2/search/articles/{query}?pageSize=N：完全免 key；按相关度排序（非被引），补 OpenAlex/Crossref 纯被引排序顶出跑题高被引文的盲区；bibjson 含 title/year/author/journal/abstract/identifier(DOI)；只覆盖开放获取期刊、不出被引；已落地 search_normalize.py 第三源，详见 references「DOAJ API」。
跨源去重锚点：优先按 DOI 归并，无 DOI 再按 arXiv id / 规范化标题+作者+年。被引数跨库不可直接比(Crossref 低估、S2 含估计、OpenAlex 口径不同、Europe PMC/PubMed 又是另一口径)，注明来源。
生医纪律（必做）：涉生医/临床/系统综述方向，PubMed+MeSH 检索式为必做项(对齐已宣称的 PRISMA)，不能只靠 OpenAlex/S2 的全文检索冒充规范检索；MeSH 受控词与 Clinical Queries 临床过滤器是 PubMed 独有能力。已落地脚本 scripts/biomedical_search.py（Europe PMC+PubMed）兑现此项——PubMed 支持把 MeSH 检索式写在 term 里透传（如 lameness[MeSH Terms] AND goat[tiab]）；但"自由词→MeSH 主题词"的自动映射本脚本不做（需接 NCBI MeSH 库，属 P2 增强），MeSH 受控词需你按规范写好。Europe PMC 作免 key 补充(直接给 abstract+开放获取标记+引用端点)。预印本最前沿用 scripts/arxiv_search.py 补 arXiv 与 bioRxiv/medRxiv(免 key；bioRxiv 无服务端关键词检索，脚本拉时间窗后本地过滤并如实标注，预印本须按可信度分级标注)。四源(OpenAlex+Europe PMC+PubMed+arXiv/bioRxiv)并查互补盲区，前两源在 search_normalize.py、后多源在 biomedical_search.py/arxiv_search.py。

中文文献检索（必做，勿只做英文）

中文核心成果大量在知网/万方等库，但这些库无公开免费 API；OpenAlex/Crossref 却已收录大量中文期刊(按 ISSN 可直接命中)，应作为低门槛主力(OpenAlex 需免费 key，Crossref 免 key)，机构访问的中文库作补充。

OpenAlex 检中文期刊（已实测可用）：按刊名/ISSN 定位 source 再拉 works。例：计算机学报 = https://api.openalex.org/sources/issn:0254-4164(实测 OpenAlex ID S4210175330、country_code:CN、1264 篇)，再 GET /works?filter=primary_location.source.id:S4210175330&sort=cited_by_count:desc。坑：OpenAlex 常把中文论文的标题/摘要存成英译，group_by=language 可能显示 en 而非 zh，故按 source.id 检索比按 language:zh 更可靠。
Crossref 检中文期刊（已实测可用）：https://api.crossref.org/journals/0254-4164(实测命中"Chinese Journal of Computers"、出版商 China Science Publishing & Media、1264 DOI)；/journals/{ISSN}/works?query= 在刊内检索。先用中文核心刊 ISSN 清单批量探源。
知网 CNKI / 万方 Wanfang / 维普 VIP / CSCD（无公开 API，仅网页或机构订阅）：均需机构/IP 授权或人工网页检索，无对外免费 API。用 browser-use / agent-browser 走"真人式浏览"取元数据/摘要/链接(遵守 robots/ToS，不抓全文)；或让用户在机构账号下导出题录(EndNote/RefWorks/NoteExpress/RIS 格式)再入库。CSCD(中国科学引文数据库)被引数据同样仅机构端可得，标"免费源不可得"。
百度学术 / 谷歌学术（无官方 API）：仅网页，反爬强；只作发现入口，命中后回 OpenAlex/Crossref 按 DOI 或刊名核实元数据再入表，不直接采信其页面被引数。
中文主题词检索建议：① 中英双语同义词都要试(如"大语言模型/大模型/LLM/large language model")；② 用《汉语主题词表》/学科规范词 + 同领域核心刊高频关键词扩展；③ 简繁体、全半角、专有名词缩写都要兼顾；④ 优先锁定中文核心刊范围(北大核心/CSCD/CSSCI)，可先建目标刊 ISSN 清单再逐刊检索。
GB/T 7714 引用格式：中文条目按 GB/T 7714-2015 著录。期刊示例：主要责任者. 题名[J]. 刊名, 年, 卷(期): 起止页码.；带 DOI 末尾加 DOI: 10.xxxx/xxxx.。文献类型标识：专著[M]、期刊[J]、论文集[C]、学位论文[D]、报告[R]、标准[S]、专利[P]、电子资源[EB/OL]。入表时中英文条目分别按各自规范(中文 GB/T 7714、英文 APA/IEEE 等)著录并注明。

无 API 的源用浏览器 agent 取数

知网/万方网页、政府标准/政策站、Google Scholar 等无开放 API 或反爬时，用 browser-use(本地 Python+Playwright) 或 Browserbase/Stagehand agent-browser(云端，observe→act→extract 抽结构化字段)走"真人式浏览"取元数据。只取元数据/摘要/链接，遵守 robots/ToS 与版权；结果非确定，须二次校验。

补充网络检索

arXiv/学术库覆盖不到的官方文档、技术博客、项目页、行业报告：用 Exa(/search neural/keyword + contents 取正文高亮，/findSimilar 以网页为种子滚雪球) 或 Parallel Search(为 LLM 优化、返回排序摘录)。网络结果一律回到 DOI/OpenAlex 核实元数据后才入表。

整理流程（不可省）

筛选：相关度阈值，剔除明显跑题。综述类任务按 PRISMA 思想留痕：记录每个库的检索式与命中数 → 去重数 → 标题/摘要筛掉多少 → 全文筛掉多少 → 最终纳入，全程可复现。
去重：跨库按 DOI 优先，无 DOI 按 arXiv id / 规范化标题+作者+年归并。
分类：按子方向/方法族/任务/时间分组。
可信度判断：来源层级(顶刊顶会 > 普刊 > 预印本 > 博客)、被引量(注明来源库)、团队、是否同行评审、是否可复现。S2 的 influentialCitationCount/tldr 可辅助快筛，但属模型估计，不作硬证据。
重要性排序：奠基/里程碑/SOTA/综述/最相关优先。可用 OpenAlex group_by 出年度/期刊分布辅助判断热度与脉络。

可运行脚本（本目录 scripts/，均真 python 跑通、API 真 curl 记 HTTP 码）

无网络时所有脚本回退合成样本并打印 [OFFLINE]，保证管线可验证。

scripts/search_normalize.py：urllib 直连 OpenAlex+Crossref**+DOAJ**（DOAJ 完全免 key、按相关度排序，补盲区；增量追踪 --from-date 时自动跳过 DOAJ 因其无日期过滤；--no-doaj 可关），还原 abstract_inverted_index，按 DOI 跨源去重归并，输出文献表 JSON+Markdown。排序 --sort（治宽 query 顶跑题文的关键）：默认 relevance（OpenAlex sort=relevance_score:desc、Crossref sort=relevance，去重后保留各源相关度序不按被引重排）——实测搜"dairy goat behaviour"前排全是对口的 Applied Animal Behaviour Science 行为论文；--sort cited 切回被引降序找高被引经典（旧默认行为，前排会是蹭词的超高被引跑题文，故仅在明确找经典时用）。 python scripts/search_normalize.py "dairy goat behavior" --per-page 10（实测 OpenAlex=200 Crossref=200 DOAJ=200）。 定期追踪：加 --from-date YYYY-MM-DD（只取该日后发表）+ --known-dois 已读库.txt（按 DOI 去重出新增）做增量重跑，协议见 references「文献定期追踪协议」。 时效优先 --recency-boost（要出成果须盯近几年相关工作）：按"相关度×时效衰减"综合重排，近期相关文上浮、过老平庸文下沉，但经典奠基文豁免（被引同时过本批 top10% 分位且 ≥--classic-min-cites 绝对下限，默认 500，领域差异大可调——CS 调高、小众畜牧调低）不被时效压沉，避免漏掉该读的根。需配 --current-year YYYY（显式传不依赖系统时钟保可复现），--half-life（半衰期年数默认 4，越小越偏向最新）。每条留 rerank_parts（relevance/recency/is_classic）可复核。与 --from-date 区别：from-date 是硬截断只取新文（会漏经典）；recency-boost 是软加权（近期优先但不丢经典），二者按需选或组合。 相关度过滤（治宽 query 顶跑题文）：--require-terms a,b（标题/摘要须全含，AND）/ --exclude-terms x,y（命中任一即剔）/ --min-score 0.2（标题×query 词重叠 Jaccard 截断）。剔掉的条目带 drop_reason 留痕进 JSON dropped_records（不静默丢弃，可人工复核）；每条附 relevance_score（启发式非真值）。宽主题检索务必加 require/exclude，否则纯被引排序会把高被引跑题文顶上来。未加过滤时的自动护栏：若前 5 条标题相关度均值 <0.1，输出 [WARN] + JSON relevance_warning 提示该收窄（不强改结果，只留痕提醒——治"忘了加过滤直接采信脏结果"）。 穷尽检索：--max-results N（>per-page 才生效）用 OpenAlex/Crossref 的 cursor=* 深翻页取够 N 条，让"穷尽"深度档真可用（不再每源只一页）。 持久追踪库：长期盯一个方向，把每轮检索 JSON 灌进 scripts/tracker.py 的 SQLite 库（--ingest search.json --run 2026-06-13），按 DOI（无 DOI 回退标题键）去重、记 new/seen/read 状态与被引快照随轮变化，--new 列本轮新增、--export md 导出——比 --known-dois txt 状态可留存、可查历史（借 paper-tracker）。
scripts/verify_citations.py：（防幻觉 DOI 进文献表，非投稿终审——真实性/撤稿/嵌合/locator 终审在 m10 light-citation ，口径见「衔接」节）。DOI 内容协商回 Crossref/doi.org 核验元数据，比对标题相似度/年份/首作者，标。：先试 arXiv id 核验（打 export.arxiv.org，命中标并提示预印本未经同行评审），再按标题反查 Crossref 候选 DOI（按 title_sim 排序，给人工确认不自动采信），把纯人工占比降下来。（实测真 DOI=200、伪造 DOI=404）。

论文重要性量化判级（年龄 × 被引）

被引数先注明来源库（OpenAlex/Crossref/S2 口径不同不可直接比）；用年均被引 = 被引 / max(1, 当年-发表年) 抹平年龄，再结合绝对量与角色判级。下表为经验阈值（领域差异大，CS/生医偏高、小众畜牧/人文偏低，按子领域校准）：

角色	年龄	典型被引/年均被引特征	判定信号
奠基(Foundational)	≥8 年	累计被引极高（领域 top 1%），年均仍 ≥50	被后续方法普遍引为出发点、开创问题/范式
里程碑(Milestone)	3–8 年	年均被引 ≥30，进入子领域 top	提出被广泛复用的方法族/数据集/基准
SOTA / 新锐	≤3 年	绝对被引未必高，但年均增速快、刷榜	leaderboard 居前、被最新工作密集引用
综述(Survey)	任意	被引高但属二手	适合快速建脉络，不作原创性硬证据
最相关(Most-relevant)	任意	被引可低	与本课题问题/数据/方法最贴合，优先精读
长尾/存疑	任意	年均被引 <1 且非新作	谨慎采信，核查是否同行评审/可复现

用 OpenAlex group_by=publication_year 出年度分布辅助看热度拐点；新作低被引≠不重要（看增速与 venue 等级）。

标准产出

文献表（字段：标题、作者、年份、venue、级别、核心贡献、方法、数据集、被引、链接、可信度、相关度）。
研究脉络（时间线 + 演进逻辑：问题怎么提出→怎么被解决→还剩什么）。
代表性方法卡（见 db03 method_card 字段）。
优缺点对比表。
可复用资源清单（开源库、数据集、模板、leaderboard，含许可协议）。
空白与机会（current gap，直接喂给 m03）。

标准工件：上述综合落盘为 docs/literature_review.md（交 m03/m04/m07/m10 的交接工件，命名见 CONVENTIONS §6.1）。

合规

受版权全文不下载；只存元数据/链接/摘要/笔记/引用关系（见 CONVENTIONS §5）。所有条目给可核查来源，不臆造 DOI。检索式与端点参数若未当场核校，标注"需核查"再用。浏览器取数遵守目标站 robots/ToS。

衔接

结果写入 db01/db03/db04 与项目库 db09（写入 db01 venue 行时落 oa_id=/issn=/domain_scope=/if_kind= 锚点子串 + last_checked_date，口径见 db01 references.md §1，便于后续 venue_signal.py --batch 实时复查）；gap 交给 m03 idea-generation。文献表入库后建议交 light-citation 做引用核查，规避幻觉引用。 scripts/cross_domain_search.py 的"迁移提示"专喂 m03 idea-generation 的 method-transfer 型 idea（A 领域方法迁 B 领域）——m03「新颖性核验」节已登记调用本脚本做正向方法发现，双向声明对齐。scripts/snowball.py 与 search_normalize.py 则供 m03 做"核心撞车反向核验"。长期项目可在 db09 项目目录建 literature/（保存检索式+已读库 DOI），按"文献定期追踪协议"（见 references）周期增量重跑，持续盯方向新文献。

具体工具/API 的真实端点、参数、限流与已知坑见同目录 references.md。

name

light-literature-search

description

资料搜索与规范化整理

目标

帮用户真正快速理解一个方向，而非堆搜索结果。产出可直接用于写综述、提 idea、做方案的结构化资料。

输入澄清（缺失则先问或合理假设）

研究方向、核心问题、关键词（中英文）、目标期刊/会议、项目背景、时间范围、语言偏好、深度（速览/中等/穷尽）。

检索策略

多源并行：英文论文(arXiv/OpenAlex/Semantic Scholar/Crossref/DOAJ)、生医论文(PubMed/Europe PMC，详见下"优先免费无 key 的学术 API"与生医纪律)、中文论文(优先 OpenAlex/Crossref 按 ISSN 检中文期刊；知网/万方/维普/CSCD 无免费 API，走机构访问或浏览器取元数据，详见下"中文文献检索")、专利(Google Patents/CNIPA/Espacenet/Lens)、标准、政策、数据集(HF/Kaggle/OpenML)、开源(GitHub/PwC)、竞赛方案、行业报告、技术博客、官方文档。
多角度扫（multi-modal sweep）：按概念、按方法、按作者/团队、按时间、按引用关系分别检索，互补盲区。
- 跨领域轴（创新高发区）：窄应用领域近三年好文常稀少，但前沿创新多靠把别的领域的最新方法迁移过来（如 CV 目标检测/扩散模型/Transformer SOTA → 病理识别、畜牧行为、遥感）。此时别把"应用词+方法词"拼成一个 query（实测拼词+被引排序会顶出通用高被引跑题文），改用 scripts/cross_domain_search.py 做应用轴 × 方法轴正交检索，方法轴强时效抓 SOTA，迁移判断交研究者（喂 m03）。
检索式构造：给出每个库的实际可用 query（布尔逻辑、字段限定、同义词扩展、中英对照）。
滚雪球：从代表作做前向(被引)+后向(参考)追踪。

优先免费的学术 API（多数免 key；OpenAlex 2026 起需免费 key，接入口径见 references「OpenAlex 接入真相源」。端点详见 references.md，落地前再核校）

OpenAlex https://api.openalex.org/works：search= 全文检索；filter= 组合(from_publication_date:、cited_by_count:>N、is_oa:true、type:article、primary_topic.id:、authorships.author.id:)；sort=cited_by_count:desc；select= 省字段；深翻用 cursor=*(page 上限 1 万)；带 mailto= 进礼貌池。group_by= 可一键做年度/期刊分布。摘要是 inverted index 需还原。接入需免费 key，额度/限流口径见 references「OpenAlex 接入真相源」节。
Crossref https://api.crossref.org/works：query.bibliographic/author/title=；filter=from-pub-date:,type:journal-article；sort=is-referenced-by-count&order=desc；深翻 cursor=*；带 mailto= 提速。作 DOI 规范化与去重的"真相源"。
Semantic Scholar https://api.semanticscholar.org/graph/v1：/paper/search?query=&fields=title,abstract,year,authors,citationCount,influentialCitationCount,externalIds,openAccessPdf,tldr；穷尽式扫库用 /paper/search/bulk(返回 token 续翻)；滚雪球用 /paper/{id}/citations 与 /references(看 isInfluential)；批量详情 /paper/batch(POST)。匿名限速严，量大申请 x-api-key。
arXiv http://export.arxiv.org/api/query：search_query=ti:/au:/abs:/cat:/all: + 布尔；start/max_results(≤100) 翻页；sortBy=submittedDate&sortOrder=descending；请求间隔 ≥3 秒。
PubMed E-utilities https://eutils.ncbi.nlm.nih.gov/entrez/eutils/：两步式 esearch.fcgi?db=pubmed&term=... 取 PMID → efetch.fcgi/esummary.fcgi 取详情；term 支持 [MeSH Terms]/[tiab]/[ti]/[au]/[dp]；retmax/retstart 翻页，大集合用 usehistory=y+WebEnv/query_key；建议带 &email=&api_key=(无 key 3 req/s、有 key 10 req/s)。MeSH 受控词检索与 Clinical Queries 临床过滤器此源独有，OpenAlex 替代不了。
Europe PMC https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=&format=json&resultType=core：完全免 key；pageSize(≤1000)+cursorMark(传 *，响应 nextCursorMark 续翻)；返回直接含 abstractText、pmid/pmcid/doi、isOpenAccess/inEPMC/hasPDF、citedByCount；/{source}/{id}/citations 与 /references 做滚雪球；覆盖 MED+PMC+PPR。
DOAJ https://doaj.org/api/v2/search/articles/{query}?pageSize=N：完全免 key；按相关度排序（非被引），补 OpenAlex/Crossref 纯被引排序顶出跑题高被引文的盲区；bibjson 含 title/year/author/journal/abstract/identifier(DOI)；只覆盖开放获取期刊、不出被引；已落地 search_normalize.py 第三源，详见 references「DOAJ API」。
跨源去重锚点：优先按 DOI 归并，无 DOI 再按 arXiv id / 规范化标题+作者+年。被引数跨库不可直接比(Crossref 低估、S2 含估计、OpenAlex 口径不同、Europe PMC/PubMed 又是另一口径)，注明来源。
生医纪律（必做）：涉生医/临床/系统综述方向，PubMed+MeSH 检索式为必做项(对齐已宣称的 PRISMA)，不能只靠 OpenAlex/S2 的全文检索冒充规范检索；MeSH 受控词与 Clinical Queries 临床过滤器是 PubMed 独有能力。已落地脚本 scripts/biomedical_search.py（Europe PMC+PubMed）兑现此项——PubMed 支持把 MeSH 检索式写在 term 里透传（如 lameness[MeSH Terms] AND goat[tiab]）；但"自由词→MeSH 主题词"的自动映射本脚本不做（需接 NCBI MeSH 库，属 P2 增强），MeSH 受控词需你按规范写好。Europe PMC 作免 key 补充(直接给 abstract+开放获取标记+引用端点)。预印本最前沿用 scripts/arxiv_search.py 补 arXiv 与 bioRxiv/medRxiv(免 key；bioRxiv 无服务端关键词检索，脚本拉时间窗后本地过滤并如实标注，预印本须按可信度分级标注)。四源(OpenAlex+Europe PMC+PubMed+arXiv/bioRxiv)并查互补盲区，前两源在 search_normalize.py、后多源在 biomedical_search.py/arxiv_search.py。

中文文献检索（必做，勿只做英文）

OpenAlex 检中文期刊（已实测可用）：按刊名/ISSN 定位 source 再拉 works。例：计算机学报 = https://api.openalex.org/sources/issn:0254-4164(实测 OpenAlex ID S4210175330、country_code:CN、1264 篇)，再 GET /works?filter=primary_location.source.id:S4210175330&sort=cited_by_count:desc。坑：OpenAlex 常把中文论文的标题/摘要存成英译，group_by=language 可能显示 en 而非 zh，故按 source.id 检索比按 language:zh 更可靠。
Crossref 检中文期刊（已实测可用）：https://api.crossref.org/journals/0254-4164(实测命中"Chinese Journal of Computers"、出版商 China Science Publishing & Media、1264 DOI)；/journals/{ISSN}/works?query= 在刊内检索。先用中文核心刊 ISSN 清单批量探源。
知网 CNKI / 万方 Wanfang / 维普 VIP / CSCD（无公开 API，仅网页或机构订阅）：均需机构/IP 授权或人工网页检索，无对外免费 API。用 browser-use / agent-browser 走"真人式浏览"取元数据/摘要/链接(遵守 robots/ToS，不抓全文)；或让用户在机构账号下导出题录(EndNote/RefWorks/NoteExpress/RIS 格式)再入库。CSCD(中国科学引文数据库)被引数据同样仅机构端可得，标"免费源不可得"。
百度学术 / 谷歌学术（无官方 API）：仅网页，反爬强；只作发现入口，命中后回 OpenAlex/Crossref 按 DOI 或刊名核实元数据再入表，不直接采信其页面被引数。
中文主题词检索建议：① 中英双语同义词都要试(如"大语言模型/大模型/LLM/large language model")；② 用《汉语主题词表》/学科规范词 + 同领域核心刊高频关键词扩展；③ 简繁体、全半角、专有名词缩写都要兼顾；④ 优先锁定中文核心刊范围(北大核心/CSCD/CSSCI)，可先建目标刊 ISSN 清单再逐刊检索。
GB/T 7714 引用格式：中文条目按 GB/T 7714-2015 著录。期刊示例：主要责任者. 题名[J]. 刊名, 年, 卷(期): 起止页码.；带 DOI 末尾加 DOI: 10.xxxx/xxxx.。文献类型标识：专著[M]、期刊[J]、论文集[C]、学位论文[D]、报告[R]、标准[S]、专利[P]、电子资源[EB/OL]。入表时中英文条目分别按各自规范(中文 GB/T 7714、英文 APA/IEEE 等)著录并注明。

无 API 的源用浏览器 agent 取数

补充网络检索

整理流程（不可省）

筛选：相关度阈值，剔除明显跑题。综述类任务按 PRISMA 思想留痕：记录每个库的检索式与命中数 → 去重数 → 标题/摘要筛掉多少 → 全文筛掉多少 → 最终纳入，全程可复现。
去重：跨库按 DOI 优先，无 DOI 按 arXiv id / 规范化标题+作者+年归并。
分类：按子方向/方法族/任务/时间分组。
可信度判断：来源层级(顶刊顶会 > 普刊 > 预印本 > 博客)、被引量(注明来源库)、团队、是否同行评审、是否可复现。S2 的 influentialCitationCount/tldr 可辅助快筛，但属模型估计，不作硬证据。
重要性排序：奠基/里程碑/SOTA/综述/最相关优先。可用 OpenAlex group_by 出年度/期刊分布辅助判断热度与脉络。

可运行脚本（本目录 scripts/，均真 python 跑通、API 真 curl 记 HTTP 码）

无网络时所有脚本回退合成样本并打印 [OFFLINE]，保证管线可验证。

scripts/search_normalize.py：urllib 直连 OpenAlex+Crossref**+DOAJ**（DOAJ 完全免 key、按相关度排序，补盲区；增量追踪 --from-date 时自动跳过 DOAJ 因其无日期过滤；--no-doaj 可关），还原 abstract_inverted_index，按 DOI 跨源去重归并，输出文献表 JSON+Markdown。排序 --sort（治宽 query 顶跑题文的关键）：默认 relevance（OpenAlex sort=relevance_score:desc、Crossref sort=relevance，去重后保留各源相关度序不按被引重排）——实测搜"dairy goat behaviour"前排全是对口的 Applied Animal Behaviour Science 行为论文；--sort cited 切回被引降序找高被引经典（旧默认行为，前排会是蹭词的超高被引跑题文，故仅在明确找经典时用）。 python scripts/search_normalize.py "dairy goat behavior" --per-page 10（实测 OpenAlex=200 Crossref=200 DOAJ=200）。 定期追踪：加 --from-date YYYY-MM-DD（只取该日后发表）+ --known-dois 已读库.txt（按 DOI 去重出新增）做增量重跑，协议见 references「文献定期追踪协议」。 时效优先 --recency-boost（要出成果须盯近几年相关工作）：按"相关度×时效衰减"综合重排，近期相关文上浮、过老平庸文下沉，但经典奠基文豁免（被引同时过本批 top10% 分位且 ≥--classic-min-cites 绝对下限，默认 500，领域差异大可调——CS 调高、小众畜牧调低）不被时效压沉，避免漏掉该读的根。需配 --current-year YYYY（显式传不依赖系统时钟保可复现），--half-life（半衰期年数默认 4，越小越偏向最新）。每条留 rerank_parts（relevance/recency/is_classic）可复核。与 --from-date 区别：from-date 是硬截断只取新文（会漏经典）；recency-boost 是软加权（近期优先但不丢经典），二者按需选或组合。 相关度过滤（治宽 query 顶跑题文）：--require-terms a,b（标题/摘要须全含，AND）/ --exclude-terms x,y（命中任一即剔）/ --min-score 0.2（标题×query 词重叠 Jaccard 截断）。剔掉的条目带 drop_reason 留痕进 JSON dropped_records（不静默丢弃，可人工复核）；每条附 relevance_score（启发式非真值）。宽主题检索务必加 require/exclude，否则纯被引排序会把高被引跑题文顶上来。未加过滤时的自动护栏：若前 5 条标题相关度均值 <0.1，输出 [WARN] + JSON relevance_warning 提示该收窄（不强改结果，只留痕提醒——治"忘了加过滤直接采信脏结果"）。 穷尽检索：--max-results N（>per-page 才生效）用 OpenAlex/Crossref 的 cursor=* 深翻页取够 N 条，让"穷尽"深度档真可用（不再每源只一页）。 持久追踪库：长期盯一个方向，把每轮检索 JSON 灌进 scripts/tracker.py 的 SQLite 库（--ingest search.json --run 2026-06-13），按 DOI（无 DOI 回退标题键）去重、记 new/seen/read 状态与被引快照随轮变化，--new 列本轮新增、--export md 导出——比 --known-dois txt 状态可留存、可查历史（借 paper-tracker）。
scripts/verify_citations.py：（防幻觉 DOI 进文献表，非投稿终审——真实性/撤稿/嵌合/locator 终审在 m10 light-citation ，口径见「衔接」节）。DOI 内容协商回 Crossref/doi.org 核验元数据，比对标题相似度/年份/首作者，标。：先试 arXiv id 核验（打 export.arxiv.org，命中标并提示预印本未经同行评审），再按标题反查 Crossref 候选 DOI（按 title_sim 排序，给人工确认不自动采信），把纯人工占比降下来。（实测真 DOI=200、伪造 DOI=404）。

论文重要性量化判级（年龄 × 被引）

角色	年龄	典型被引/年均被引特征	判定信号
奠基(Foundational)	≥8 年	累计被引极高（领域 top 1%），年均仍 ≥50	被后续方法普遍引为出发点、开创问题/范式
里程碑(Milestone)	3–8 年	年均被引 ≥30，进入子领域 top	提出被广泛复用的方法族/数据集/基准
SOTA / 新锐	≤3 年	绝对被引未必高，但年均增速快、刷榜	leaderboard 居前、被最新工作密集引用
综述(Survey)	任意	被引高但属二手	适合快速建脉络，不作原创性硬证据
最相关(Most-relevant)	任意	被引可低	与本课题问题/数据/方法最贴合，优先精读
长尾/存疑	任意	年均被引 <1 且非新作	谨慎采信，核查是否同行评审/可复现

用 OpenAlex group_by=publication_year 出年度分布辅助看热度拐点；新作低被引≠不重要（看增速与 venue 等级）。

标准产出

文献表（字段：标题、作者、年份、venue、级别、核心贡献、方法、数据集、被引、链接、可信度、相关度）。
研究脉络（时间线 + 演进逻辑：问题怎么提出→怎么被解决→还剩什么）。
代表性方法卡（见 db03 method_card 字段）。
优缺点对比表。
可复用资源清单（开源库、数据集、模板、leaderboard，含许可协议）。
空白与机会（current gap，直接喂给 m03）。

标准工件：上述综合落盘为 docs/literature_review.md（交 m03/m04/m07/m10 的交接工件，命名见 CONVENTIONS §6.1）。

合规

衔接

具体工具/API 的真实端点、参数、限流与已知坑见同目录 references.md。

verify_refs.py

VERIFIED/METADATA_MISMATCH/DOI_NOT_FOUND(疑似幻觉)/NO_DOI

ARXIV_VERIFIED

candidates

python scripts/verify_citations.py 10.1038/s41597-023-02555-8

light-literature-search

Datos de origen

Opciones de instalación

Revisa los archivos de origen

Más de este repositorio

Más de este repositorio

资料搜索与规范化整理

目标

输入澄清（缺失则先问或合理假设）

检索策略

优先免费的学术 API（多数免 key；OpenAlex 2026 起需免费 key，接入口径见 references「OpenAlex 接入真相源」。端点详见 references.md，落地前再核校）

中文文献检索（必做，勿只做英文）

无 API 的源用浏览器 agent 取数

补充网络检索

整理流程（不可省）

可运行脚本（本目录 scripts/，均真 python 跑通、API 真 curl 记 HTTP 码）

论文重要性量化判级（年龄 × 被引）

标准产出

合规

衔接

资料搜索与规范化整理

目标

输入澄清（缺失则先问或合理假设）

检索策略

优先免费的学术 API（多数免 key；OpenAlex 2026 起需免费 key，接入口径见 references「OpenAlex 接入真相源」。端点详见 references.md，落地前再核校）

中文文献检索（必做，勿只做英文）

无 API 的源用浏览器 agent 取数

补充网络检索

整理流程（不可省）

可运行脚本（本目录 scripts/，均真 python 跑通、API 真 curl 记 HTTP 码）

论文重要性量化判级（年龄 × 被引）

标准产出

合规

衔接