Pharmaclaw Literature Agent 是一款专为生物医学与科学文献检索设计的智能工具，通过整合 PubMed 和 Semantic Scholar 两大权威数据库，为用户提供高效、精准的学术资源发现服务。该工具不仅支持传统关键词搜索，还能基于化合物、靶点或疾病等结构化输入自动生成优化查询，显著提升检索效率。其核心优势在于跨平台去重与多维度信息增强，能够自动合并重复论文并补充引文指标、TLDR 摘要等关键元数据，帮助用户快速把握研究脉络。无论是科研人员撰写综述、药物开发者追踪前沿进展，还是学生查找相关文献，Literature Agent 都能提供一站式解决方案，极大简化了文献调研流程。
核心功能特点
- 双源检索：同时调用 PubMed（侧重生物医学）和 Semantic Scholar（覆盖 CS/ML/AI 等领域），实现跨学科文献全面覆盖
- 智能去重与增强：自动识别并合并两库中的重复论文，补充引用次数、影响力引用及简洁 TLDR 摘要等元信息
- 灵活查询方式：支持自由文本搜索、基于化合物-疾病组合的自动查询构建，也允许按 DOI 或 PMID 精确查找特定论文
- 引文追踪功能：可查询某篇论文被哪些后续研究引用，助力分析学术影响力与知识演进路径
- 关联文献推荐：根据目标论文获取其参考文献列表，辅助深入挖掘背景知识与研究基础
适用场景
Pharmaclaw Literature Agent 特别适用于需要系统性梳理科研动态的场景。例如，在开展新药研发项目时，研究人员可通过输入‘KRAS G12C抑制剂’快速定位相关临床前与临床研究，并结合引文网络判断哪些成果最具行业影响力；若关注 AI 驱动的药物发现趋势，则可用‘图神经网络药物设计’在 Semantic Scholar 中筛选高引用论文，辅以 TLDR 摘要迅速掌握技术要点。此外，撰写学位论文或基金申请时，用户可利用该工具回溯某篇奠基性工作的引用链，验证自身研究的创新性与必要性。对于化学合成路线优化课题，也可先检索催化剂相关文献，再反向追溯其原始反应体系，形成从理论到实践的闭环调研。总之，只要涉及科学文献的搜集、分析与知识关联，此工具都能大幅节省时间成本，提高研究起点质量。