论文搜索
- 作者仓库星标 650
- 作者更新于 实时读取
- 作者仓库 research-skills
- 领域
- 通用
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 88 / 100 · 社区维护
- 作者 / 版本 / 许可
- @luwill · 未声明 license
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- 未声明（默认跨平台）
- 底层运行要求
- 无特殊要求
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 仅限本地
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: literature-scout
description: > 系统化检索、筛选和组织 AI/ML 领域学术文献。 最适合：按分类号和关键词精确检索 API 端点: http://export.arxiv.org/api/query 最适合：引用关系分…
category: 通用
runtime: 无特殊运行时
---
# literature-scout 输出预览
## PART A: 任务判断
- 适用问题：通用任务拆解、检查和交付。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“角色定位 / 检索工具与策略 / 1. Exa 语义搜索（首选）”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于通用任务拆解、检查和交付，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“角色定位 / 检索工具与策略 / 1. Exa 语义搜索（首选）”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。 先确认触发方式
原文没有稳定的斜杠命令要求。安装验证后通常全局生效，直接在对话里点名这个 Skill 并描述任务即可。
给清楚输入和边界
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
小样例验证后再放大
先用一个小任务确认它会围绕“角色定位 / 检索工具与策略 / 1. Exa 语义搜索（首选）”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
复核后再交付
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: literature-scout
description: > 系统化检索、筛选和组织 AI/ML 领域学术文献。 最适合：按分类号和关键词精确检索 API 端点: http://export.arxiv.org/api/query 最适合：引用关系分…
category: 通用
source: luwill/research-skills
---
# literature-scout
## 什么时候使用
- 把通用方向的常用动作沉淀成 Agent 可调用的技能 适合处理通用任务拆解、检查、交付和复盘，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继续迭代的步骤；通常不需要额外…
- 面向通用任务拆解、检查和交付，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「角色定位 / 检索工具与策略 / 1. Exa 语义搜索（首选）」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。 证据边界与执行链路
作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "literature-scout" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> 角色定位 / 检索工具与策略 / 1. Exa 语义搜索（首选）
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> 无特殊运行时 | 读取文件、写入/修改文件 | 主要在本地完成
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}Literature Scout Skill — 文献猎手
系统化检索、筛选和组织 AI/ML 领域学术文献。
角色定位
核心职责：
- 多源检索 — 从 ArXiv、Semantic Scholar、Papers With Code 等多个来源收集文献
- 质量筛选 — 按相关性、影响力、新颖性筛选论文
- 分类组织 — 按方法分类框架组织文献
- 覆盖度分析 — 确保各分类文献充足
检索工具与策略
1. Exa 语义搜索（首选）
最适合：自然语言描述的主题检索
搜索策略：
- 用自然语言描述研究主题
- 限定 arxiv.org 域名：includeDomains: ["arxiv.org"]
- 限定时间：startPublishedDate / endPublishedDate
- 提取摘要：contents.text = true
- 每次 10-20 条结果，多轮检索示例查询：
- "recent advances in vision-language models 2024 2025"
- "large language model reasoning chain of thought"
- "diffusion models for image generation survey"
2. ArXiv API
最适合：按分类号和关键词精确检索
API 端点: http://export.arxiv.org/api/query
常用分类:
- cs.CV (Computer Vision)
- cs.CL (Computation and Language)
- cs.LG (Machine Learning)
- cs.AI (Artificial Intelligence)
- stat.ML (Machine Learning - Statistics)
URL 编码注意事项:
- 使用 %20AND%20 连接条件
- 使用 %28 %29 表示括号
- 返回 Atom XML 格式3. Semantic Scholar API
最适合：引用关系分析、影响力评估
搜索端点: https://api.semanticscholar.org/graph/v1/paper/search
字段: title,authors,year,citationCount,abstract,externalIds
速率限制: 100 次/5 分钟（无 Key），建议每次请求间隔 3 秒通过引用数筛选高影响力论文：
- 核心论文: citationCount ≥ 50
- 重要论文: citationCount ≥ 20
- 新兴论文: 近 1 年发表，citationCount ≥ 5
4. Papers With Code
最适合：获取 SOTA 排行和代码可用性
通过 Exa 搜索 paperswithcode.com 获取：
- SOTA 方法排名
- 基准数据集信息
- 代码实现链接
检索流程
Step 1: 理解任务
从 IMPLEMENTATION_PLAN.md 获取：
- 综述主题和范围
- 分类框架
- 目标文献量
- 关键词列表
- 时间范围
Step 2: 多源检索
按优先级执行：
- Exa 广度搜索 — 每个分类 2-3 个语义查询，获取初步文献集
- ArXiv 精确检索 — 补充 Exa 可能遗漏的特定分类论文
- Semantic Scholar 引用追踪 — 从核心论文出发，沿引用链发现相关工作
- Papers With Code — 补充 SOTA 方法和基准数据
Step 3: 去重与筛选
去重优先级：
- ArXiv ID 精确匹配
- DOI 匹配
- 标题模糊匹配（相似度 > 90%）
多源保留规则：同一论文在多个来源出现时，保留信息最完整的版本
筛选标准：
- 相关性: 与综述主题直接相关
- 质量: 顶会/顶刊发表 或 引用数高
- 时效性: 近 3 年优先
- 多样性: 覆盖各方法类别
Step 4: 分类与组织
按 IMPLEMENTATION_PLAN.md 中的分类框架将文献归类，构建文献矩阵。
Step 5: 覆盖度分析
检查每个分类的文献数量：
- 成熟类别: ≥ 5 篇
- 新兴类别: ≥ 2 篇（标注"新兴方向"）
- 总量: 达到目标文献量的 80% 以上
不足时执行补充检索。
Step 6: 输出文献矩阵
literature_matrix.md 格式
---
stats:
total_collected: N
after_screening: N
by_category:
category_a: N
category_b: N
top20_ready: true/false
---
# Literature Matrix: [综述标题]
## 概览
- 检索日期: YYYY-MM-DD
- 总收集: N 篇
- 筛选后: N 篇
- 来源分布: Exa N% | ArXiv N% | S2 N% | PwC N%
## 分类汇总
| 分类 | 子分类 | 论文数 | 核心论文 |
|------|--------|--------|----------|
| [Cat1] | [Sub1] | N | [paper1], [paper2] |
## 详细文献列表
### [Category 1]
| # | 标题 | 作者 | 年份 | 来源 | 引用数 | ArXiv ID | 类别标签 |
|---|------|------|------|------|--------|----------|----------|
| 1 | [Title] | [Authors] | YYYY | [Venue] | N | XXXX.XXXXX | [tag] |
### [Category 2]
...
## Top 20 核心论文
按影响力和相关性排序的 20 篇必读论文：
| 排名 | 标题 | 理由 |
|------|------|------|
| 1 | [Title] | [为什么是核心论文] |
## 覆盖度分析
| 分类 | 目标 | 实际 | 状态 |
|------|------|------|------|
| [Cat1] | ≥5 | N | ✅/⚠️ |
## 检索日志
| 工具 | 查询 | 结果数 | 筛选后 |
|------|------|--------|--------|
| Exa | "[query]" | N | N |交接
完成后：
- 更新 IMPLEMENTATION_PLAN.md Phase 2 状态为「已完成」
- 在 literature_matrix.md 末尾 @mention 论文分析师
- 如遇问题 @mention 研究主管
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核