Scholar Search 是一个专为学术研究者设计的统一命令行检索工具，通过整合 arXiv 与 Semantic Scholar 两大权威学术数据库的 API，实现了跨平台的论文、作者及引用网络的快速查询与分析。该工具以 `scripts/scholar-search.py` 为核心脚本，支持基于关键词、标题、作者或分类的多维度检索，并能自动处理时间过滤、结果排序与分页控制，极大提升了获取前沿研究成果的效率。其设计注重实用性与稳定性，内置完善的参数校验机制，确保每次请求都能精准命中目标文献。同时，工具支持将 Semantic Scholar API Key 写入本地环境配置，便于长期稳定调用。无论是追踪最新预印本，还是深入分析高影响力论文的引用脉络，Scholar Search 都提供了简洁高效的解决方案，特别适合需要快速掌握领域动态的研究人员使用。
核心功能特点
- 支持 arXiv 和 Semantic Scholar 双源联合检索，覆盖预印本与高影响力期刊论文
- 提供灵活的查询语法，包括关键词组合、作者筛选、分类限定与时间范围过滤
- 可精确拉取单篇或多篇论文元数据（标题、摘要、作者、PDF链接等）
- 支持引用网络扩展功能，可查看某篇论文的引用与被引用文献列表
- 具备作者轨迹分析能力，能获取指定学者的全部发表记录并按年份筛选
- 输出结果结构化呈现，包含 TL;DR、来源信息、开放获取状态及多平台链接
适用场景
Scholar Search 特别适用于需要快速定位特定主题研究进展的学术场景。例如，当研究人员希望了解‘大语言模型推理’领域的最新突破时，可通过设置关键词与近一年时间窗口，一键获取高相关性的论文列表，并优先展示被引量高且开放获取的文章。对于撰写综述或立项查新的学者而言，该工具不仅能批量导出多篇论文的核心信息，还能沿引用链追溯经典文献，帮助构建完整的知识图谱。此外，在指导学生选题或进行文献综述教学时，教师也可利用此工具演示如何高效检索、筛选和对比不同来源的学术资源。另一个典型应用场景是科研团队内部协作：成员可通过标准化命令共享检索策略，确保团队获取的信息一致且可追溯。无论是追踪 arXiv 上的最新预印本，还是挖掘 Semantic Scholar 中高影响力的会议论文，Scholar Search 都能显著减少手动浏览网页的时间成本，让研究者更专注于内容分析与创新思考。