literature-search

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：

• IEEE 顶刊/顶会参考 — 通信、CS/AI 领域推荐期刊与会议列表
• 最终报告模版 — 总览文件与子方向文件的输出格式模版
• 使用案例 — 完整的端到端搜索案例演示
• 搜索参数说明 — search.py 所有命令行参数的详细说明

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：

1. 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"）
2. 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）
3. 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）
4. 时间范围：优先查找哪个时间段的论文？（默认近 3 年）
5. 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）
6. 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：

1. 核心术语搜索：直接使用研究主题的标准术语
2. 同义词/变体搜索：使用不同表述（如 "reconfigurable intelligent surface" vs "RIS" vs "intelligent reflecting surface"）
3. 方法论搜索：从技术方法角度搜索（如 "deep reinforcement learning resource allocation"）
4. 应用场景搜索：从应用角度搜索（如 "UAV communication trajectory optimization"）
5. 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：

1. 合并去重：python3 scripts/search.py --merge results/*_papers.json -o results
2. 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）
3. 分类整理：根据论文内容将论文归入 Related Work 子方向
4. 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：

1. 询问是否需要补充搜索某个子方向
2. 询问是否需要排除/增加某些论文
3. 询问是否需要调整分组方式
4. 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