sn-search-academic

name	sn-search-academic
description	搜索学术论文和百科知识：ArXiv 预印本、Semantic Scholar（含引用数）、PubMed 生医文献、Wikipedia 百科。支持按章节读取 ArXiv HTML 全文和 PMC 开放获取全文，适合学术调研和深度阅读。

sn-search-academic - 学术搜索

搜索 ArXiv、Semantic Scholar、PubMed、Wikipedia 四个学术平台，并提供 ArXiv 和 PMC 的全文章节阅读能力。全部免费，部分脚本有可选 API key 可提升限额。

依赖

运行脚本前先安装本 skill 的 Python 依赖：

python3 -m pip install -r skills/sn-search-academic/requirements.txt

如果项目使用 uv 环境：

uv pip install -r skills/sn-search-academic/requirements.txt

arxiv_paper.py 需要 beautifulsoup4 解析 ArXiv HTML；其他脚本主要依赖 httpx 发起请求。

可用脚本

脚本	平台	用途	API key
arxiv_search.py	ArXiv	预印本搜索，支持作者/标题/ID查询	无需
arxiv_paper.py	ArXiv HTML	按章节读取 ArXiv 论文全文	无需
semantic_scholar_search.py	Semantic Scholar	全学科搜索，含引用数和 TLDR	无需（有 key 限额更高）
semantic_scholar_refs.py	Semantic Scholar	引用追溯：查论文的参考文献（backward）或被引论文（forward）	无需（有 key 限额更高）
pubmed_search.py	PubMed	生医文献搜索，含结构化摘要和 PMC ID	无需（有 key 限额更高）
pmc_paper.py	PMC	按章节读取 PMC 开放获取论文全文	无需（有 key 限额更高）
wikipedia_search.py	Wikipedia	百科文章搜索，支持多语言	无需

参数说明

arxiv_search.py

python3 scripts/arxiv_search.py <query> [选项]

参数	说明	默认值
query	搜索关键词（使用 --id-list 时可省略）	—
--limit, -n	返回结果数量	10
--category, -c	ArXiv 分类过滤（见下方"ArXiv 分类速查"）	—
--sort	排序方式：relevance, date, submitted	relevance
--author, -a	按作者过滤，多个用逗号分隔	—
--title-only	仅在标题中搜索	—
--id-list	直接按 arXiv ID 获取元数据，逗号分隔	—

python3 scripts/arxiv_search.py "transformer attention mechanism" --limit 5
python3 scripts/arxiv_search.py "diffusion model" --author "ho jonathan" --category cs.CV
python3 scripts/arxiv_search.py --id-list "2409.05591,2301.07041"

输出字段：title, url, snippet（摘要）, arxiv_id, authors, published, updated, pdf_url, html_url, categories, primary_category, comment, journal_ref, doi

arxiv_paper.py

按章节读取 ArXiv 论文正文（需论文有 HTML 版本，2020 年后多数论文支持）。

python3 scripts/arxiv_paper.py <arxiv_id> [--section SECTION_NAME]

参数	说明
arxiv_id	arXiv ID（如 2409.05591 或 2409.05591v2）
--section, -s	章节名（大小写不敏感，支持部分匹配）。不指定则列出所有章节。

python3 scripts/arxiv_paper.py 2409.05591                      # 列出章节
python3 scripts/arxiv_paper.py 2409.05591 --section introduction
python3 scripts/arxiv_paper.py 2409.05591 --section method

列出章节输出字段：arxiv_id, abs_url, html_url, pdf_url, section_count, sections[]（name, level）

读取章节输出字段：arxiv_id, section, level, content, char_count

semantic_scholar_search.py

python3 scripts/semantic_scholar_search.py <query> [选项]

参数	说明	默认值
query	搜索关键词（必填）	—
--limit, -n	返回结果数量	10
--api-key	Semantic Scholar API Key（也可通过 S2_API_KEY 环境变量）	—

python3 scripts/semantic_scholar_search.py "transformer architecture" --limit 5
python3 scripts/semantic_scholar_search.py "RLHF language model" --limit 10

输出字段：title, url, snippet（摘要，缺失时降级为 tldr）, tldr, authors, year, venue, publication_date, citation_count, influential_citation_count, reference_count, is_open_access, open_access_pdf, fields_of_study, publication_types, doi, arxiv_id, paper_id

semantic_scholar_refs.py

引用追溯：给定一篇论文，查询它的参考文献（backward）或被引论文（forward）。

python3 scripts/semantic_scholar_refs.py <paper_id> <direction> [选项]

参数	说明	默认值
paper_id	论文标识符：S2 ID、DOI（10.xxxx/...）、ArXiv ID（2301.07041）、PMID（PMID:12345678）	—
direction	references=参考文献（backward），citations=被引论文（forward）	—
--limit, -n	返回结果数量	20
--min-citations	最低引用数过滤	0
--year-min	最早年份过滤	—
--year-max	最晚年份过滤	—
--api-key	Semantic Scholar API Key（可选）	—

# 查看某篇论文引用了哪些论文（backward：找奠基工作）
python3 scripts/semantic_scholar_refs.py 2301.07041 references --limit 10

# 查看某篇论文被谁引用（forward：找后续进展）
python3 scripts/semantic_scholar_refs.py 2301.07041 citations --limit 10 --min-citations 50

# 用 DOI 查引用，限定 2023 年以后
python3 scripts/semantic_scholar_refs.py "10.1038/s41586-024-07487-w" citations --year-min 2023

# 找高引参考文献
python3 scripts/semantic_scholar_refs.py ARXIV:2005.14165 references --min-citations 100 --limit 5

输出字段：title, url, snippet（摘要/tldr）, authors, year, venue, citation_count, influential_citation_count, is_open_access, open_access_pdf, doi, arxiv_id, paper_id, citation_contexts（引用上下文句子，最多 3 条）, citation_intents（引用意图）

输出额外字段：source_paper（被查询论文的标题/年份/引用数）, total_available（该方向总论文数）, returned（过滤后返回数）

pubmed_search.py

支持 PubMed 查询语法，如字段限定（cancer[Title]）、日期范围（2024[pdat]）。

python3 scripts/pubmed_search.py <query> [选项]

参数	说明	默认值
query	搜索关键词，支持 PubMed 查询语法	—
--limit, -n	返回结果数量	10
--api-key	NCBI API Key（可选，限额从 3 req/s 升至 10 req/s）	—

python3 scripts/pubmed_search.py "CRISPR gene editing" --limit 5
python3 scripts/pubmed_search.py "Alzheimer[Title] AND treatment[Title]" --limit 5

输出字段：title, url, snippet（结构化摘要）, authors, pmid, pmc_id（有值则可传入 pmc_paper.py）, pmc_url, journal, pub_date, volume, issue, pages, keywords, pub_types, doi

pmc_paper.py

读取 PubMed Central 开放获取全文（约 700 万篇生医论文，占 PubMed 约 35%）。pubmed_search.py 结果中 pmc_id 为 null 的论文无法使用本工具。

python3 scripts/pmc_paper.py <pmc_id> [--section SECTION_NAME]
python3 scripts/pmc_paper.py --pmid <pmid> [--section SECTION_NAME]

参数	说明
pmc_id	PMC ID（如 PMC11119143 或 11119143）
--pmid	PubMed ID，自动转换为 PMC ID（与 pmc_id 二选一）
--section, -s	章节名（大小写不敏感，支持部分匹配）。不指定则列出所有章节。
--api-key	NCBI API Key（可选）

python3 scripts/pmc_paper.py PMC11119143                       # 列出章节
python3 scripts/pmc_paper.py PMC11119143 --section introduction
python3 scripts/pmc_paper.py --pmid 38786024 --section conclusion

列出章节输出字段：pmc_id, pmid, title, pmc_url, section_count, sections[]（name, level，含子章节层级）

读取章节输出字段：pmc_id, section, level, content（含子章节文本）, char_count

wikipedia_search.py

python3 scripts/wikipedia_search.py <query> [选项]

参数	说明	默认值
query	搜索关键词（必填）	—
--limit, -n	返回结果数量	10
--lang, -l	语言版本（en, zh, ja, de, fr 等）	en

python3 scripts/wikipedia_search.py "machine learning" --limit 5
python3 scripts/wikipedia_search.py "深度学习" --lang zh --limit 5

全文阅读工作流

搜索脚本返回摘要，阅读脚本返回正文。两者配合可按需精读，节省 token。

ArXiv 论文：

1. arxiv_search.py 搜索 → 获取 arxiv_id
2. arxiv_paper.py <id> 列章节 → arxiv_paper.py <id> --section introduction 快速判断是否深入
3. 按需读取 method / experiment / conclusion

PMC 生医论文：

1. pubmed_search.py 搜索 → 结果中取 pmc_id（非 null 才有全文）
2. pmc_paper.py <pmc_id> 列章节 → 按需读取关键章节

引用追溯工作流

通过论文的引用关系发现关键词搜索覆盖不到的相关工作。

Backward（找奠基工作）：

1. 关键词搜索找到高相关论文 → 取其 paper_id 或 arxiv_id
2. semantic_scholar_refs.py <id> references --min-citations 50 → 找到高引参考文献
3. 筛选与研究问题相关的条目 → 用 arxiv_paper.py 或 pmc_paper.py 深入阅读

Forward（找后续进展）：

1. 找到领域奠基论文或关键论文 → 取其 ID
2. semantic_scholar_refs.py <id> citations --year-min 2024 --min-citations 10 → 找到近期高引跟进工作
3. 筛选与研究问题相关的条目 → 深入阅读

Citation Chain（追溯演化路径）：

1. 从种子论文 A 出发 → backward 找到 A 的关键参考文献 B
2. 从 B 出发 → forward 找到引用 B 的后续工作（可能发现 A 没引用的相关论文 C）
3. 形成 B → A → ... 和 B → C → ... 的知识脉络

ArXiv 分类速查

顶层领域可直接用（如 --category cs），子分类更精确（如 --category cs.AI）。

领域	分类代码	说明
计算机科学	cs.AI	人工智能
	cs.LG	机器学习
	cs.CL	计算语言学 / NLP
	cs.CV	计算机视觉
	cs.IR	信息检索
	cs.RO	机器人
	cs.SE	软件工程
	cs.DC	分布式/并行计算
	cs.NI	网络与互联网
	cs.CR	密码学与安全
	cs.DB	数据库
	cs.HC	人机交互
统计	stat.ML	统计机器学习
	stat.AP	应用统计
	stat.ME	统计方法论
数学	math.OC	优化与控制
	math.ST	统计理论
	math.CO	组合数学
物理	physics	物理（全类）
	cond-mat	凝聚态物理
	quant-ph	量子物理
	hep-th	高能理论物理
经济/金融	econ.GN	经济学综合
	q-fin.CP	计算金融
	q-fin.ST	统计金融
生物/医学	q-bio.NC	神经科学
	q-bio.GN	基因组学
	q-bio.QM	定量方法

输出格式

所有脚本输出标准 JSON：

{
  "success": true,
  "query": "...",
  "provider": "arxiv|semantic_scholar|pubmed|wikipedia",
  "items": [{"title": "...", "url": "...", "snippet": "...", ...}],
  "error": null
}

arxiv_paper.py 和 pmc_paper.py 不走 items 格式，直接返回结构化对象（见各自"输出字段"说明）。