核心用法
AMiner学术数据查询skill提供六大组合工作流与28个独立API的直接调用能力，覆盖学术数据全场景：
| 工作流 | 核心能力 | 典型场景 |
|--------|---------|---------|
| 学者全景分析 | 学者详情+画像+论文+专利+项目 | 了解某位学者的完整学术履历 |
| 论文深度挖掘 | 搜索→详情→引用链扩展 | 追踪某篇论文的完整信息与学术影响 |
| 机构研究力分析 | 机构消歧→详情+学者+论文+专利 | 评估高校/企业的科研产出与合作价值 |
| 期刊论文监控 | 期刊搜索→年度论文追踪 | 投稿选刊、研究热点分析 |
| 学术智能问答 | 自然语言语义检索 | 用对话式提问快速定位相关论文 |
| 专利链分析 | 专利搜索→详情，或经学者/机构关联 | 技术领域专利布局分析 |
调用方式：通过scripts/aminer_client.py驱动，支持环境变量AMINER_API_KEY自动读取，或显式传--token。
显著优点
1. 数据权威性：AMiner是全球领先的学术数据平台，数据覆盖学者、论文、机构、期刊、专利全维度，来源可信（T1级）
2. 工作流智能化：6大预设工作流已优化API组合顺序，自动处理并行调用、降级策略（如paper_search无结果自动降级到paper_search_pro）
3. 成本控制机制：内置"免费优先"策略，未明确要求深度字段时优先使用免费接口；结果量大时默认仅查询前10条详情
4. 安全合规性：强制Token安全检查，严禁泄露明文；所有实体返回时强制附加可访问URL
5. 稳定性保障：内置指数退避重试（3次）、超时控制（30s）、可追踪调用链（source_api_chain）
潜在缺点与局限性
1. Token依赖门槛：必须先获取AMiner开放平台Token，无Token时完全无法使用
2. 费用分层复杂：28个API价格从免费到¥3.00不等，用户需理解paper_info（免费）vs paper_detail（¥0.01）等细微差别，否则易产生意外费用
3. 参数约束严格：paper_detail只能用paper_id、paper_info必须用ids，raw模式调用前必须核对函数签名，易因参数混淆导致失败
4. 中文场景优化：AMiner虽支持中文，但部分字段（如学者简介、期刊元数据）的英文覆盖度优于中文
5. 实时性限制：学术数据更新存在滞后，最新发表论文可能暂未收录
适合人群
- 科研人员：快速调研合作学者、追踪领域论文、分析引用关系
- 研究生/博士生：选刊投稿分析、文献综述批量获取
- 科研机构管理者：评估本机构或竞品机构的科研产出与影响力
- 企业战略/专利部门：技术趋势监控、专利布局分析、潜在合作学者挖掘
- 学术出版从业者：期刊影响力追踪、热点选题发现
常规风险
| 风险类型 | 具体说明 | 缓解措施 |
|---------|---------|---------|
| Token泄露风险 | 明文Token一旦被记录将暴露账户 | 强制环境变量读取，禁止任何输出/日志记录Token |
| 费用失控风险 | 无差别全量拉取（如对1000条结果全部调detail）导致高额费用 | 强制默认前10条限制；优先低成本接口筛选 |
| 数据误用风险 | 学者同名消歧错误、机构别名匹配偏差 | 使用`organization/na/pro`消歧；结合ID精确过滤 |
| API变更风险 | 28个API参数或路径可能迭代 | 以`references/api-catalog.md`为最终准则 |
| 网络超时风险 | 学术数据量大，偶发服务不稳定 | 内置3次指数退避重试，失败时返回结构化错误 |
> 使用建议：生产环境务必配置AMINER_API_KEY环境变量，避免命令行暴露Token；复杂查询前先小额测试验证API组合与费用预期。