XzhLoongSkills/skills/research-skills/references/SOURCES.md

文献检索工具与策略指南

工具总览

工具	最适合	访问方式	速率限制
Exa Search	语义搜索、ArXiv 论文	exa-search MCP tool	高
Semantic Scholar	引用分析、影响力评估	REST API	100次/5分钟
ArXiv API	按分类精确检索	REST API	无硬限制
Papers With Code	SOTA 排行、代码可用性	Exa/WebFetch	N/A

---

1. Exa Search（首选工具）

使用方法

通过 exa-search MCP tool 调用。

学术论文搜索策略

// 基础学术搜索
{
  query: "recent advances in vision-language models 2024",
  includeDomains: ["arxiv.org"],
  startPublishedDate: "2024-01-01",
  numResults: 20,
  contents: {
    text: { maxCharacters: 1000 },
    highlights: true
  }
}

// 特定领域搜索
{
  query: "diffusion models for protein structure generation",
  category: "research paper",
  numResults: 15,
  contents: {
    text: true,
    summary: true
  }
}

// 多查询搜索（一次最多 5 个附加查询）
{
  query: "transformer architecture improvements efficiency",
  additionalQueries: [
    "linear attention mechanisms",
    "state space models mamba",
    "mixture of experts scaling"
  ],
  includeDomains: ["arxiv.org"],
  numResults: 10
}

最佳实践

• 用自然语言描述主题，Exa 擅长语义理解
• includeDomains: ["arxiv.org"] 限定学术来源
• 使用 startPublishedDate 控制时间范围
• contents.summary 可快速获取论文摘要
• 分多轮搜索，每轮聚焦一个子主题

---

2. Semantic Scholar API

端点

搜索: GET https://api.semanticscholar.org/graph/v1/paper/search
  ?query={keywords}
  &fields=title,authors,year,citationCount,abstract,externalIds,venue
  &limit=50

论文详情: GET https://api.semanticscholar.org/graph/v1/paper/{paper_id}
  ?fields=title,authors,year,citationCount,abstract,references,citations

批量查询: POST https://api.semanticscholar.org/graph/v1/paper/batch
  Body: {"ids": ["ArXiv:2301.00001", ...]}
  ?fields=title,authors,year,citationCount

查询技巧

# 按关键词搜索
curl "https://api.semanticscholar.org/graph/v1/paper/search?query=vision+language+model&fields=title,year,citationCount&limit=20"

# 按 ArXiv ID 查单篇
curl "https://api.semanticscholar.org/graph/v1/paper/ArXiv:2301.12597?fields=title,authors,abstract,citationCount,references"

# 获取论文的引用列表
curl "https://api.semanticscholar.org/graph/v1/paper/{id}/citations?fields=title,year,citationCount&limit=50"

影响力筛选标准

等级	引用数	用途
核心论文	≥ 50	必须精读
重要论文	≥ 20	应该引用
新兴论文	近1年，≥ 5	关注趋势
普通论文	< 5	补充覆盖

速率限制

• 无 API Key: 100 次/5 分钟
• 有 API Key: 更高限额
• 建议每次请求间隔 3 秒
• Key 通过 Header x-api-key 传递

---

3. ArXiv API

端点

搜索: GET http://export.arxiv.org/api/query
  ?search_query={query}
  &start=0
  &max_results=50
  &sortBy=submittedDate
  &sortOrder=descending

常用分类号

分类	代码	描述
Computer Vision	cs.CV	图像、视频、3D
NLP	cs.CL	自然语言处理
Machine Learning	cs.LG	通用机器学习
AI	cs.AI	人工智能
ML (Stats)	stat.ML	统计机器学习
Robotics	cs.RO	机器人学

查询语法

# 标题和摘要搜索
search_query=ti:transformer%20AND%20abs:vision

# 分类限定
search_query=cat:cs.CV%20AND%20ti:diffusion

# 作者搜索
search_query=au:vaswani

# 组合查询
search_query=(ti:attention%20AND%20abs:efficient)%20AND%20cat:cs.LG

注意事项

• 返回 Atom XML 格式，需解析
• URL 中空格用 %20 编码
• AND/OR 用 %20AND%20 / %20OR%20
• 建议用 Exa 替代，除非需要特定分类号精确检索

---

4. Papers With Code

访问方式

通过 Exa 搜索 paperswithcode.com：

{
  query: "state of the art object detection benchmark",
  includeDomains: ["paperswithcode.com"],
  numResults: 10,
  contents: { text: true }
}

有用信息

• SOTA 排行榜：各任务/数据集的最佳方法
• 代码实现：论文对应的 GitHub 仓库
• 数据集：基准数据集详情
• 方法趋势：随时间的方法演进

---

综合检索策略

对每个综述项目

1. Exa 广度搜索 (Phase 1)

   • 每个子主题 2-3 个语义查询
   • 目标: 初步候选 100-200 篇

2. Semantic Scholar 深度挖掘 (Phase 2)

   • 从核心论文出发追踪引用链
   • 筛选高影响力论文
   • 目标: 补充 20-30 篇

3. ArXiv 精确补充 (Phase 3)

   • 按分类号检索特定子领域
   • 目标: 填补覆盖度空白

4. Papers With Code 对标 (Phase 4)

   • 确认 SOTA 方法是否已覆盖
   • 补充遗漏的重要基准方法

去重流程

1. ArXiv ID 精确匹配
2. DOI 匹配
3. 标题归一化后匹配（转小写、去标点、90% 相似度）
4. 多源条目合并时保留信息最完整的版本