Scan to join WeChat groupsn-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：
arxiv_search.py搜索 → 获取arxiv_idarxiv_paper.py <id>列章节 →arxiv_paper.py <id> --section introduction快速判断是否深入- 按需读取
method/experiment/conclusion
PMC 生医论文：
pubmed_search.py搜索 → 结果中取pmc_id（非 null 才有全文）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）：
- 关键词搜索找到高相关论文 → 取其
paper_id或arxiv_id semantic_scholar_refs.py <id> references --min-citations 50→ 找到高引参考文献- 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）：
- 找到领域奠基论文或关键论文 → 取其 ID
semantic_scholar_refs.py <id> citations --year-min 2024 --min-citations 10→ 找到近期高引跟进工作- 筛选与研究问题相关的条目 → 深入阅读
Citation Chain（追溯演化路径）：
- 从种子论文 A 出发 → backward 找到 A 的关键参考文献 B
- 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）
- 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）。