Scholar Search Skills 是一款专为学术研究者设计的论文搜索与文献管理工具，旨在帮助用户高效完成科研选题调研、文献综述撰写等任务。该工具通过集成 arXiv、ICLR、ICML、NeurIPS 等多个权威学术平台的资源，支持对特定主题的学术论文进行系统性检索、筛选和下载。其核心优势在于能够自动提取论文的关键信息，并生成结构化的摘要与 BibTeX 引用格式，极大提升了文献整理效率。无论是追踪某一前沿领域的研究进展，还是构建完整的参考文献体系，该技能都能为研究人员提供从搜索到引用的全流程支持。 该工具的工作流程高度自动化，首先由用户明确研究主题与关键词（支持中英文互译），随后系统会在指定时间范围内（默认近3年）从多个学术源中抓取相关论文。若本地已存在部分文献，工具会智能去重并仅补充新增内容，实现增量更新。对于每篇候选论文，系统采用双重评分机制：一方面基于关键词在标题和摘要中的模糊匹配程度进行打分，另一方面结合 TF-IDF 向量空间模型计算语义相关性，最终加权得出综合得分，确保推荐结果既精准又具代表性。 此外，Scholar Search Skills 还具备强大的引用追踪功能，可借助 Google Scholar 查找核心论文被后续研究引用的情况，从而发现更多高价值关联文献。所有下载的 PDF 文件将按分类存储于本地目录中，同时自动生成包含论文清单、结构化摘要、BibTeX 引用及初步文献综述大纲的完整输出包。这种端到端的处理方式不仅节省了手动操作的时间成本，也保证了学术工作的规范性与可追溯性。
核心功能特点
- 支持多平台论文搜索：覆盖 arXiv、ICLR、ICML、NeurIPS 等主流预印本与会议论文集
- 自动化信息提取与结构化输出：利用 docling 解析 PDF，生成标题、作者、摘要、方法、实验结果等关键信息
- 智能相关性评分系统：融合模糊匹配与 TF-IDF 算法，对论文进行多维度打分排序
- 引用追踪与扩展发现：通过 Google Scholar 获取核心论文的被引文献，拓展研究视野
- 批量处理与增量更新：支持 CSV 输入批量打分，并自动跳过已下载论文避免重复
适用场景
Scholar Search Skills 特别适合需要快速掌握某一新兴技术领域研究现状的学术新人或课题负责人。例如，当一位博士生开始准备开题报告时，他可能需要全面了解‘大语言模型代理的安全风险’这一主题下的最新成果。使用该工具输入关键词如 ‘agent, LLM, security’，即可在数分钟内获得过去三年内在顶级会议上发表的高相关性论文列表，并附带每篇的详细摘要与 BibTeX 引用，极大缩短了文献调研周期。 另一个典型应用场景是撰写高质量文献综述。研究人员在完成初步阅读后，往往希望找到那些被广泛引用的奠基性工作及其后续发展脉络。此时，工具不仅能列出原始核心论文，还能自动挖掘出被这些论文引用的重要后续研究，形成一条清晰的知识演进链条。这对于构建逻辑严密、层次分明的综述框架至关重要。 此外，团队协作场景下也非常适用。假设一个跨学科项目组正在探讨‘提示注入攻击的防御机制’，成员们可以共享由该工具生成的统一格式的文献库，包括标准化的论文清单和 BibTeX 文件，确保团队内部引用风格一致，便于后续撰写联合论文或项目总结。无论是个体学者还是科研团队，Scholar Search Skills 都能显著提升文献管理效率与学术产出质量。