核心用法
Literature Search Pro 是一款面向学术研究的专业文献检索技能，已整合至 search 统一入口。用户可通过自然语言查询快速检索三大权威学术数据库：OpenAlex（覆盖最广，10K/天限额）、Semantic Scholar（引用数据精准，1K/5分钟限额）以及 arXiv（最新预印本，1次/3秒限制）。
基础调用方式：
search scholar [研究领域] [参数]
支持的参数包括： max_papers（结果数量上限）、year（年份范围，如 2023-2026）、high_citation（优先高引用论文）以及多源筛选。技能采用多源并行搜索策略，通过 DOI、arXiv ID 及标题模糊匹配实现智能去重，并按引用数自动排序，确保返回文献的权威性与相关性。
系统内置 24 小时 TTL 的本地缓存机制，避免重复请求造成的 API 配额浪费，显著提升响应速度。
显著优点
1. 多源权威数据整合
三大数据库互补覆盖：OpenAlex 提供海量元数据，Semantic Scholar 提供精准引用网络，arXiv 捕捉最新预印本成果，形成从经典文献到前沿研究的完整知识图谱。
2. 智能质量排序
自动按引用数降序排列结果，帮助用户快速识别领域高影响力工作，降低信息筛选成本。
3. 工程化健壮设计
采用 Node.js 调用 Python 的混合架构，利用 Python 成熟的学术数据处理能力；缓存机制、超时设置（30秒）及降级处理（requests 库可选依赖）确保服务稳定性。
4. 隐私合规良好
仅收集用户主动输入的搜索关键词，不采集系统环境、用户文件或敏感信息；缓存数据本地存储且定期过期，符合 GDPR 数据最小化原则。
潜在缺点与局限性
1. 依赖外部 API 可用性
技能完全依赖三大数据库的在线服务，任一方 API 变更、限流或故障均可能影响搜索完整性与时效性。特别是 arXiv 的严格速率限制（1次/3秒）在大批量检索时可能成为瓶颈。
2. HTTP 传输风险
arXiv API 强制使用未加密的 HTTP 协议（http://export.arxiv.org），尽管传输均为公开学术数据，但在特定网络环境下存在中间人攻击的理论可能。
3. 技术债与维护复杂度
Node.js + Python 的跨语言架构增加了部署依赖（需 Python 环境）和调试难度；未来迁移至纯 Node.js 实现可降低维护成本。
4. 缓存时效性 trade-off
24 小时缓存虽提升性能，但对于快速迭代的领域（如 AI/ML），最新预印本可能存在滞后。
适合的目标群体
- 科研人员与研究生：需要系统追踪特定领域文献进展，评估研究影响力
- 学术写作者：撰写综述、开题报告或论文引言时快速获取高质量参考文献
- 跨学科研究者：利用多源整合能力打破单一数据库的学科覆盖盲区
- 科研机构图书馆员：为机构用户提供标准化的文献发现接口
- 知识图谱与文献计量研究者：获取结构化学术元数据进行二次分析
使用风险
| 风险类别 | 说明 | 缓解措施 |
|---------|------|---------|
| **API 配额耗尽** | OpenAlex 10K/天、Semantic Scholar 1K/5分钟限制 | 启用本地缓存，合理设置 max_papers |
| **网络超时** | 学术 API 响应较慢，默认 30 秒超时可能不足 | 简化查询词，分批次检索 |
| **结果覆盖不全** | 任一方 API 故障导致数据源缺失 | 检查返回结果中的 source 字段确认数据来源 |
| **arXiv HTTP 传输** | 未加密连接的理论安全风险 | 避免在公共 Wi-Fi 下执行敏感领域检索 |
| **Python 环境依赖** | 目标系统未安装 Python 或 requests 库 | 按提示安装依赖，或等待纯 Node.js 版本 |
总体而言，这是一款设计成熟、安全合规的学术工具，特别适合将文献检索 workflow 集成至 Agent 自动化的场景。