literature-search

核心用法

Literature Search 是一款面向学术研究的文献检索工具，能够同时在多个权威学术数据库（Google Scholar、PubMed、arXiv、IEEE、ACM、Semantic Scholar、Scopus、Web of Science）中执行并行检索，自动去重并返回结构化的引用列表。

使用流程：
1. 需求澄清 — 自动询问研究主题、子领域、文献类型偏好（综述/基础/最新）及时间范围
2. 多源检索 — 使用同义词、缩写、关联词扩展检索策略，覆盖不同数据库的收录特点
3. 智能去重 — 优先保留高被引或最新版本，期刊/会议论文优先于预印本
4. 标准化输出 — 统一格式：作者. 标题. 会议/期刊. 年份. DOI/URL

显著优点

• 跨库覆盖广：同时检索 7 大主流学术索引，避免单一数据库的收录偏差
• 格式规范化：输出符合学术写作规范的统一引用格式，可直接用于论文
• 灵活扩展：支持按年份、期刊、子主题筛选，可导出 BibTeX/CSV
• 权限感知：自动识别付费数据库（Scopus、Web of Science），仅在用户授权时访问

潜在局限

• 访问限制：Scopus 和 Web of Science 需要机构订阅或个人 API 密钥，无权限时标注为"不可用"
• 去重依赖元数据：部分预印本与正式版本因 DOI 缺失可能导致漏判
• 实时性差异：arXiv 预印本更新快，但 Google Scholar 索引存在 1-3 天延迟
• 领域偏向：对生物医学（PubMed）和计算机科学（arXiv/IEEE/ACM）支持最佳，人文社科覆盖相对有限

适合人群

• 研究生及科研人员撰写文献综述或"Related Work"章节
• 需要快速了解陌生研究领域的跨学科研究者
• 系统性综述（systematic review）的初步文献筛选阶段
• 需要规范引用格式的学术写作辅助

常规风险

• 版权合规：仅调用公开 API 和开放访问页面，严格遵守 robots.txt 和服务条款
• 结果验证：自动检索结果需人工核实关键文献，避免算法排序偏差导致遗漏里程碑论文
• 隐私数据：不存储用户检索历史或机构登录凭证

核心功能

本 Skill 专为学术研究场景设计，协助用户系统性检索、筛选并整理学术文献。它覆盖计算机科学、生物医学、工程学等多个领域的主流学术索引，通过标准化流程确保检索结果的全面性与规范性。

显著优势

1. 多源覆盖：整合 Google Scholar、Semantic Scholar、PubMed、arXiv、IEEE、ACM、Scopus、Web of Science 八大核心数据库，实现跨学科文献的一站式检索
2. 智能去重与筛选：自动识别重复文献，优先保留高被引期刊/会议版本，剔除低质量预印本冗余
3. 标准化输出：生成包含作者、标题、期刊/会议、年份、DOI/URL 的规范引用列表，可直接用于论文写作
4. 灵活定制：支持按时间范围、文献类型（综述/奠基性/最新研究）、子领域进行精准筛选

潜在局限

• 访问限制：Scopus 和 Web of Science 需机构订阅，无凭证时无法检索
• 检索深度依赖 Agent 能力：实际搜索效果受底层工具链质量影响
• 语言偏向：主要优化英文文献检索，中文等非英语学术资源覆盖有限
• 实时性边界：预印本平台（arXiv）更新快，但部分索引存在收录延迟

适用人群

• 科研人员：撰写文献综述、Related Work 章节
• 研究生：快速建立新领域的知识框架
• 技术从业者：追踪 AI、生物医药等前沿技术动态
• 学术编辑：核实引用规范性与文献权威性

风险提示

• 需确保 Agent 工具链遵守各平台的 robots.txt 和使用条款
• 建议对关键文献进行二次核实，避免索引收录错误导致的引用失误
• 涉及付费数据库时，需确认用户已获合法访问权限

安全评估

经 CLS-Certify v2.1.0 扫描，本 Skill 为纯 Markdown 文档型（T-MD 分类），无可执行代码、无外部 API 调用、无数据收集行为，符合 GDPR/CCPA 要求。安全评级 A（95 分），来源可信度 T3（个人开发者/社区项目）。