总安装量 4
评分人数 3
核心用法
literature-search 是一个纯指导性的学术文献检索 Skill，旨在帮助用户系统性地从多个权威学术数据库中查找和整理相关文献。使用时，系统会自动在输入前添加"please think very deeply"前缀以优化检索深度。工作流程包括：明确检索范围（关键词、子领域、时间范围）、选择合适的数据源、迭代式多源搜索、去重筛选，最终输出标准化的引用列表。
该 Skill 支持的数据源覆盖全面：Semantic Scholar（API友好）、PubMed（生物医学）、arXiv（预印本）、IEEE/ACM（计算机/工程）、Scopus/Web of Science（综合索引，需订阅）以及 Google Scholar（仅限用户手动提供结果）。输出格式统一为：作者. 标题. 期刊/会议. 年份. DOI/URL。
显著优点
合规性设计突出：明确禁止未经授权的网络爬虫行为，严格区分公开API与付费订阅资源，将访问权限责任清晰界定给用户，有效规避法律风险。
数据源覆盖全面：横跨8大主流学术索引，从预印本到顶会期刊、从免费资源到机构订阅服务，满足不同学科、不同阶段的文献需求。
输出质量可控：内置去重机制，优先保留高被引或最新版本，期刊/会议版本优先于预印本，确保引用列表的学术规范性。
扩展性强：支持后续筛选（年份、期刊、子主题）和格式转换（BibTeX/CSV），适配论文写作的不同场景。
潜在缺点与局限性
无自动化执行能力：该 Skill 仅为操作指南，不包含实际调用API或抓取网页的代码，用户需自行执行每一步操作，对新手不够友好。
Google Scholar 使用受限：由于官方无API且禁止自动化抓取，该重要数据源只能依赖用户手动导出，效率大打折扣。
付费资源依赖用户凭证：Scopus、Web of Science 等高质量综合索引需要用户自行解决机构访问权限，无权限时只能标注"not available"，可能遗漏关键文献。
无智能相关性排序：文档未提及基于引用网络或主题模型的智能推荐，多源搜索结果的去重和筛选依赖人工判断。
适合的目标群体
- 研究生与博士生：撰写文献综述、开题报告时需要系统性梳理领域进展
- 科研人员：快速定位某细分方向的奠基性工作和最新进展
- 学术写作人员：需要生成格式规范的引用列表用于论文Related Work章节
- 跨学科研究者：需要同时检索计算机、生物医学、工程等多领域文献
- 图书情报人员：为用户提供文献检索策略咨询
使用风险
性能风险：由于依赖外部数据库的响应速度和用户手动操作，大规模检索可能耗时较长；部分API（如Semantic Scholar）存在速率限制。
依赖项风险：各学术平台的API政策可能变更，需定期关注官方文档；PubMed、arXiv等免费服务的稳定性虽高，但极端情况下可能出现服务中断。
合规风险：尽管 Skill 本身强调合规，但用户若误解指导、擅自使用爬虫工具访问受限资源，可能违反网站服务条款或学术数据库使用政策，导致IP封禁或机构问责。
结果完整性风险：付费数据库的缺失可能导致重要文献遗漏；预印本与正式版本的区分依赖人工判断，存在误判可能。