English · 中文

paper-search-pro

以 Skill 形式提供的学术文献检索工具。
原生支持 Claude Code；也可在 Codex 等加载 SKILL.md 格式的 Agent 中使用。
五源 + 中文原生检索 · 四档 · 期刊分区 · 单文件 Shadcn 报告。

→ 在线 Demo（浏览器直接打开真实报告）

它做什么

你在 Agent 对话框中请求文献，这个 Skill 跨 OpenAlex · Semantic Scholar · CrossRef · PubMed · arXiv 五个数据源做真实检索——用中文提问时再叠加中文原生源 NSSD（国家哲社文献中心·社科）与 yiigle（中华医学期刊·医学）——通过并行 LLM SubAgent 进行相关性分级，输出一份单文件 HTML 报告，浏览器直接打开。无需第三方 LLM key — 你的 Agent 本身就是 LLM。

安装后，在你的 Agent 中：

  找一些关于老年人工作记忆训练的文献

查询中含 CJK 字符 → 中文报告，否则 → 英文报告。两种版本走完全相同的数据流程。

使用场景

场景	档级	你会得到
写 proposal 前先 scope 主题	Quick / Standard	8 分钟内 20–60 篇高 RCS 文献 + 300 字执行摘要
课程论文 / 学位论文章节的 background	Standard	60–180 篇筛选，BibTeX 直接 import 到 Zotero / Mendeley
综述论文 — 需要真正的领域覆盖	Deep	180–400 篇 + 1 跳引文追溯 + 主题聚类
SR 准备：PRISMA 日志 + 可复现性审计	Audit	400–1000+ 篇，PRISMA-S 16 项披露，MeSH 精确
给新加入的研究助理快速过一个领域	Quick	把 report.html 直接发给 ta — 三个 Tab，hover 看上下文

安装

clone 到你 Agent 的 Skills 目录。具体路径因 Agent 而异 — 选你正在用的那个：

# 选 ONE 个目标目录，根据你的 Agent：
#   ~/.claude/skills/paper-search-pro          # Claude Code
#   ~/.codex/skills/paper-search-pro           # Codex CLI
#   ~/.agents/skills/paper-search-pro          # 跨 Agent 约定（Goose、Roo 等）
#   ~/.config/opencode/skills/paper-search-pro # OpenCode
#   ~/.codeium/windsurf/skills/paper-search-pro # Windsurf
#   ./.claude/skills/paper-search-pro          # 项目级（Cursor 等）

git clone https://github.com/O0000-code/paper-search-pro.git \
  ~/.claude/skills/paper-search-pro   # 改成你选的路径

# 把 PSP_HOME 指向你 clone 的位置。SKILL.md STEP 0 也会自动扫上面的常见路径，
# 所以非标准位置才需要手动 export。
export PSP_HOME="$HOME/.claude/skills/paper-search-pro"

python3 -m pip install -r "$PSP_HOME/scripts/requirements.txt"

5 个免费 API key（共约 15 分钟）— 见 references/setup.md。

四个档级

默认为 Standard。出现深度、系统综述、几篇、thorough 等关键词自动升档或降档。

	档级	实际耗时	文献数	触发信号
`▏`	Quick	5–8 分钟	20–60	扫一眼 · “几篇” · 明天前要完成
`▍`	Standard	10–17 分钟	60–180	默认 — 背景阅读 · 课程论文
`▋`	Deep	30–45 分钟	180–400	综述写作 · 深度领域覆盖 · review article
`█`	Audit	2–3 小时	400–1000+	systematic review · PRISMA · Cochrane 级严谨度

每份报告包含什么

三个 Tab · 三种 Hero 布局 · 两种列表密度 · 860 px 断点完整响应式 · 中英文 UI · Noto Sans SC 字体内嵌 · 完全离线。

_{方法 · 覆盖率 — 检索饱和曲线、模型拟合、当前位置。}	_{方法 · 分布 — 年度发表分布、RCS 分布、引用图谱。}
_{审计 · PRISMA-S — 16 项披露日志：已执行 · 隐式 · 已跳过。}	_{Discovery Report 布局 — Preprint 风格 Hero + 摘要段落 + 罗马数字 Tab。}

期刊分区。 每篇论文都标注其 中科院 / JCR / SJR 分区 —— 卡片上一个安静的徽章、详情面板里三家完整对照、工具栏里按分区筛选（Q1 / ≥Q2 / ≥Q3，中科院则是 一区 / ≥二区）。分区表在运行时从公开镜像拉取 —— 不随包分发 —— 并标注来源；只有 JCR 的数值才称为影响因子。

输出落在 $PWD/paper-search-results/<search_id>/：

report.html         单文件 Shadcn 报告（浏览器直接打开）
report.md           Markdown 版本，供 pandoc · 文献管理器使用
papers.csv          表格化导出
papers.bib          BibTeX，供 Zotero · Mendeley · LaTeX
papers.ris          RIS，供 EndNote · Papers
papers.json         完整结构化数据 (UnifiedPaperEntity[])
kg_classified.json  内部 KG，含逐篇 RCS 评分
execution_log.json  PRISMA-S 16 项披露日志
summary.md          300 字执行摘要（主 Agent 撰写）

配置

5 个 key、全部免费、共约 15 分钟。真实配置位于 ~/.paper-search-pro/config.yaml（首次运行自动创建，权限 0600）。模板位于 assets/default_config.yaml。

层	数据源	角色	成本	申请地址
L1	OpenAlex	主源 — 始终启用	free	https://openalex.org/settings/api
L2	PubMed	医学 · MeSH 富化	free	https://account.ncbi.nlm.nih.gov/settings/
L2	arXiv	preprint freshness (T-0~T-4)	free	（无需注册 — SDK 自带 1 req / 3 s 限速）
L3	Semantic Scholar	influentialCitationCount + 摘要回退	free	https://www.semanticscholar.org/product/api
L3	CrossRef	funder · license · clinical-trial-number	free	（无需 key — 仅需 `crossref_email`）

随时验证就绪状态：

PYTHONPATH=$PSP_HOME python3 -c \
  "from scripts.config import load_config; c = load_config(); \
   print('ready' if c.openalex_api_key and c.ncbi_email else 'missing')"

主源 —— 按需选择，也能自动兜底。 一个开关，两件独立的事：

自选主源。 默认 OpenAlex；当某个领域或语料更适合 Semantic Scholar 时，可把它设为主源。
额度自动兜底。 当前主源当日额度见底（或开始报错）时，整轮会自动切到另一个源继续，而不是停下 —— key 用尽时优雅降级。

工作原理

SKILL.md 中的 14 步 recipe 驱动每次运行。scripts/ 中的 Python helpers 处理所有确定性 API 工作；相关性分级委派给最多 5 个并行 SubAgent / 轮。无需第三方 LLM key — 你的 Agent 本身就是 LLM。

        ┌──────────────────────────────────────────────────────────┐
        │  主 Agent 读取 SKILL.md (recipe) 并驱动整轮 run          │
        └────────┬───────────────────────────────────────┬─────────┘
                 │                                       │
                 ▼                                       ▼
         ┌───────────────┐                       ┌───────────────┐
         │    Python     │ ← 确定性 API 工作     │   SubAgents   │
         │    helpers    │   无 LLM、无 LLM key  │  （并行、     │
         │               │                       │   5 / 轮）    │
         └───────┬───────┘                       └───────┬───────┘
                 │                                       │
                 └───────────────────┬───────────────────┘
                                     ▼
                       ┌─────────────────────────────┐
                       │  单文件 HTML 报告           │
                       │  + MD + BibTeX + RIS        │
                       │  + CSV + PRISMA-S log       │
                       └─────────────────────────────┘

分步 reference 文档位于 references/ — 档级决策、查询规划（PICO / SPIDER / PEO）、源路由、helper cheatsheet、RCS 评分准则、停止条件、引文追溯、SubAgent prompt、PRISMA-S 16 项 checklist、summary 撰写指南、错误处理、输出规范。

面向 Agent 的无头模式。 当消费方是另一个 Agent 而非人时，scripts/agent_search.py 用一条命令跑完确定性核心，返回单个结构化 JSON 信封 —— 去重、相关性打分、饱和判断俱全 —— 不出 HTML、不派分类 SubAgent。同样的检索纪律，机器可读的输出。

License

Apache License 2.0 — 见 LICENSE.txt。