核心用法
academic-search 专为学术文献检索与综述设计。激活后，系统自动解析用户研究需求（主题、学科、时间范围、方法论偏好、深度要求），并行查询 arXiv、Google Scholar 与 Semantic Scholar，通过学科代码、高级检索运算符和领域过滤器最大化召回率。随后对摘要进行相关性筛选，提取关键发现、方法论与贡献声明，并利用引用网络分析识别奠基性文献、综述论文与新兴研究前沿。最终输出经过去重与质量评估的 Top 5 论文清单，附带完整题录信息与研究综合评述。
显著优点
多源整合与智能去重：同时覆盖预印本平台（arXiv）与正式学术数据库（Google Scholar、Semantic Scholar），交叉验证文献状态，区分预印本与同行评审出版物，规避单一来源偏差。
引用网络洞察：超越关键词匹配，通过引用图谱分析识别高影响力经典文献、权威综述与新兴热点，帮助研究者快速定位领域核心与前沿。
结构化输出：自动生成包含主题分组、方法对比与研究空白的综合文献综述，显著降低研究者整理与归纳的时间成本。
开放获取友好：主动检索 arXiv 预印本、机构库与作者主页，标记付费墙文献并优先推荐可获取版本。
潜在缺点与局限性
数据库覆盖盲区：尽管整合三大平台，仍可能遗漏 Web of Science、Scopus、IEEE Xplore 等专业数据库的文献，在工程、医学等高度专业化领域存在召回率限制。
实时性依赖：依赖外部 API 可用性与更新频率，若某平台服务中断或索引延迟，检索结果完整性将受影响。
语言偏见：主要优化英文文献检索，非英语学术产出（如中文核心期刊、小语种研究）的召回与排序可能不足。
学科差异：arXiv 在数学、物理、计算机科学领域覆盖极佳，但在人文社科、生命科学的部分分支文献收录有限。
适合人群
- 需要快速进入新研究领域的研究生与博士后
- 撰写文献综述、开题报告或基金申请的科研人员
- 跨学科研究者需要快速掌握相邻领域核心文献
- 希望追踪特定研究方向最新进展的学者
常规风险
幻觉风险控制：Skill 明确禁止虚构论文信息，但用户仍需警惕极端情况下 API 返回错误元数据的可能，建议对关键文献进行二次核实。
预印本误用：尽管系统强制标注文献状态，用户仍可能忽视预印本与正式出版的区别，在学术写作中不当引用未经过同行评审的成果。
质量评估局限： venue 排名与引用速度仅为代理指标，无法完全替代领域专家对方法严谨性与结论可靠性的深度判断。
版权与合规：自动定位开放获取版本的功能需确保不鼓励规避合法付费机制，使用时应遵守各机构与出版商的访问政策。