核心用法
scholar-search 是一款面向学术研究的统一检索技能，通过单一脚本封装 arXiv 预印本库与 Semantic Scholar 学术图谱 API，覆盖论文检索、详情拉取、引用网络扩展与作者轨迹分析四大场景。
典型工作流：
1. 需求解析 → 提取查询实体（关键词/paper_id/author_id/DOI/arXiv ID）、时间过滤（year/venue）、规模目标与输出语言偏好
2. 引擎选择 → arXiv 适合追踪最新预印本（sortBy=submittedDate），Semantic Scholar 适合高影响力论文检索与引用分析（带 citationCount 排序）
3. 联合检索 → 通过 scripts/scholar-search.py 执行参数化查询，支持 ID 精确拉取、分页、字段白名单过滤
4. 质量检查 → 基于相关性分层（高/中/弱）、去重率与引用数阈值判定是否继续检索（最多 3 轮）
5. 结构化输出 → 严格按固定格式输出：论文标题、TL;DR、元数据（来源/日期/引用数/开放获取）、链接、作者、领域、研究内容摘要、关键点提取
显著优点：
- 双源互补：arXiv 覆盖最新预印本，Semantic Scholar 提供权威引用数据与作者图谱
- 结构化输出：强制字段校验，避免信息缺失，直接可用于文献综述
- 灵活过滤：支持时间区间、会议期刊、引用阈值、学科分类等多维约束
- 引用网络：可沿
citations/references端点扩展，追踪学术影响力传播
潜在局限：
- API 依赖：Semantic Scholar 需
S2_API_KEY，存在速率限制（429）与配额风险；arXiv 限流 3秒/请求 - 字段覆盖不均：部分预印本无 TL;DR，旧论文可能缺失 PDF 链接
- 语义匹配限制：相关性分层基于标题/摘要匹配，无深层语义模型支撑
- 中文支持有限：论文元数据多为英文，输出语言控制仅影响分析描述
适合人群：
- 科研人员快速扫描领域前沿
- 学生撰写文献综述需批量获取规范格式论文信息
- 需要追踪特定作者研究轨迹或某篇论文引用网络的用户
常规风险：
- 配额耗尽：Semantic Scholar 免费 tier 有请求上限，高频率检索易触发 429
- 结果漂移：query 改写或跨源补充可能引入相关性下降论文
- 预印本质量参差：arXiv 未经同行评审，需额外甄别研究可靠性