返回技能市场
科研教育 安全

学术论文检索

@bailian/academic-paper-search

Search, inspect, and progressively read open-access academic papers with the deepxiv CLI. Use when the user wants arXiv / PMC / Semantic Scholar paper search, paper triage, section-by-section reading, trending discovery, citation lookup, author background checks, baseline comparison, or literature review workflows without loading full papers too early.

阿里云百炼 热度 417v1.0

DeepXiv CLI

deepxiv 是一款面向开放获取文献（arXiv、PMC、Semantic Scholar）的渐进式论文阅读工具，提供可选的网页搜索功能和由 LLM 驱动的研究 agent。

唯一最重要的规则：只阅读足以回答问题的最少文本。 仅按需沿阶梯逐级深入。

渐进式阅读阶梯

对于任何论文，优先选择仍能回答问题且成本最低的层级：

| 层级 | 命令 | 获取内容 | 适用场景 | |------|---------|--------------|-------------| | 1 | paper <id> --brief | 标题、TLDR、关键词、引用信息、GitHub URL | 对任意论文进行首次筛选 | | 2 | paper <id> --head | 元数据 + 章节列表（JSON） | 确定哪些章节重要 | | 3 | paper <id> --preview | 前约 10k 个字符（引言 + 方法部分前段） | 需要的信息比 TLDR 更多，但无需完整章节 | | 4 | paper <id> --section <Name> | 一个指定名称的章节 | 针对性回答（方法 / 结果等） | | 5 | paper <id> 或 --raw | 完整 Markdown | 仅在明确要求时使用 |

除非用户要求阅读全文或任务确实需要，否则不得直接跳到第 5 层。

设置

使用 deepxiv 前，请确认其可用：

deepxiv --help

如果不可用，停止并告知用户 — 不得自行安装。如果用户要求安装，请遵循 references/install.md，其中提供了适用于各 OS 的说明，并且只有在用户明确批准后，才能运行安装命令。deepxiv 要求 Python 版本为 3.10+。

健康检查和诊断（可随时安全运行）：

deepxiv health     # API + token reachability check
deepxiv debug      # environment diagnostics

决策：我该使用哪个命令？

| 用户需求…… | 先使用 | |-------------|------------| | “查找关于 X 的论文” | search（范围较窄时使用筛选条件） | | “X 领域最近有什么热门论文？” | trending | | “讲解这篇论文”（有 ID） | paper --brief → --head → 章节 | | “比较这 N 篇论文” | 每篇论文先使用 paper --brief，然后读取目标章节 | | 生物医学 / PubMed 论文 | pmc <PMC_ID> | | 仅有 Semantic Scholar ID | sc <id> | | "Who is this author / what's this project?" | wsearch | | “这篇论文真的开始受到关注了吗？” | paper --popularity | | 开放式多步骤研究问题 | agent query（参阅注意事项） |

核心命令

search — 带筛选条件的 arXiv 搜索

deepxiv search "agent memory" --limit 5
deepxiv search "multimodal reasoning" --limit 10 --format json

筛选条件（可自由组合）：

# Category filter (arXiv categories)
deepxiv search "retrieval" --categories cs.IR,cs.CL --limit 5

# Date window
deepxiv search "diffusion" --date-from 2025-01-01 --date-to 2025-06-30

# Citation floor — useful to skip obscure preprints
deepxiv search "world model" --min-citations 50 --limit 5

# Search mode: hybrid (default), bm25 (literal), vector (semantic)
deepxiv search "chain of thought" --mode bm25 --limit 5
deepxiv search "models that can think before answering" --mode vector

Defaults:

  • 初筛时使用 --limit 3 到 5；仅在明确需要时调高该值
  • 每当计划进行后处理时，都使用 --format json（通过管道传给 jq）
  • 精确措辞使用 bm25，模糊概念使用 vector，其他情况使用 hybrid

paper — 获取一篇 arXiv 论文

deepxiv paper 2409.05591 --brief        # rung 1
deepxiv paper 2409.05591 --head         # rung 2
deepxiv paper 2409.05591 --preview      # rung 3
deepxiv paper 2409.05591 --section Method   # rung 4
deepxiv paper 2409.05591                # rung 5 — full
deepxiv paper 2409.05591 --popularity   # social impact / trending signal
deepxiv paper 2409.05591 --raw          # raw markdown (full)

章节名称来自 --head。常见名称包括：Introduction、Related Work、Method、Experiments、Results、Discussion、Limitations、Conclusion。名称因论文而异 — 不要猜测；如不确定，请先查看 --head。

当用户询问“这篇论文真的很有影响力吗”，或你需要按关注度而非引用数排序时，使用 --popularity。

pmc — PubMed Central / 生物医学

deepxiv pmc PMC544940 --head
deepxiv pmc PMC544940

PMC 目前仅返回 JSON。当目标为生物医学论文，或给出了 PMC ID 时使用。

sc — Semantic Scholar 查询

deepxiv sc 258001
deepxiv sc 258001 --json

当用户提供 Semantic Scholar ID，或你需要为已经交叉核对过的 arXiv 论文获取更丰富的元数据（引用图谱、作者信息）时使用。

trending — 热门论文

deepxiv trending --days 7 --limit 10 --json
deepxiv trending --days 30 --limit 5

--days 仅接受 7、14 或 30。用于每周汇总和“近期热门内容”类请求。

wsearch — 网页搜索

deepxiv wsearch "karpathy"
deepxiv wsearch "DeepSeek R1 release notes" --json

用于获取论文之外的背景信息：作者背景、项目主页、博客文章、发布公告。成本低且覆盖面广 — 适合在阅读论文前建立背景认知。

agent query — 由 LLM 驱动的研究 agent

deepxiv agent query "Compare RAG vs long-context for code QA"
deepxiv agent query "Latest agent memory papers" --max-turn 10 --verbose

这是一个能够自主搜索和阅读论文的多轮研究 agent。注意事项：

  • 用户必须运行一次 deepxiv agent config，以配置其首选的 LLM
  • 会消耗用户账户中的 LLM 使用额度
  • 比手动执行 search + paper 流程更慢，且可预测性更低
  • 默认优先采用手动渐进式阅读；仅当问题确实是开放式问题且用户已同意承担相关费用时，才使用 agent query

JSON 后处理

需要筛选搜索/趋势输出时，优先使用 JSON + jq，而不是重新运行文本搜索：

deepxiv search "agent memory" --limit 10 --format json \
  | jq -r '.[] | "\(.arxiv_id)\t\(.citations // 0)\t\(.title)"' \
  | sort -k2 -n -r

deepxiv trending --days 7 --limit 20 --json \
  | jq -r '.[] | select(.categories[]? | test("cs\\.(AI|CL|LG)")) | .arxiv_id'

推荐工作流

主题探索

"帮我找最近关于 agent memory 的论文":

  1. deepxiv search "agent memory" --limit 5 --format json（如果是 "最近"，则添加 --date-from）
  2. 对每个有潜力的搜索结果运行 paper <id> --brief
  3. 选择 1–2 篇进行深入阅读

单篇论文解读

"讲讲这篇论文 <id>":

  1. paper <id> --brief
  2. paper <id> --head
  3. 阅读与问题最相关的 1–2 个章节（如果不确定，则使用 --preview）
  4. 总结，并说明你停在了哪个阶梯层级

基线 / 对比表

"帮我整理这个方向的 baseline":

  1. 使用 --categories 缩小搜索范围，并可选择使用 --min-citations
  2. 对每个候选项运行 --brief
  3. 对于优选论文，仅阅读 Method / Experiments / Results
  4. 提取：论文、任务、数据集、指标、得分、核心思路

作者 / 项目背景调查

"这篇论文的作者还做过什么？" / "这个项目背景是什么？":

  1. deepxiv wsearch "<author or project>" --json
  2. 如果发现相关的 arXiv 论文，则沿阅读阶梯逐级深入阅读该论文
  3. 可选择使用 sc <id> 获取引用上下文

基于引用情况的筛选

"找有影响力的相关工作":

  1. deepxiv search "..." --min-citations 100 --format json
  2. 使用 jq 按引用数排序
  3. 使用 --brief 进行初筛

热门速览

"本周热门论文":

  1. deepxiv trending --days 7 --limit 10 --json
  2. 对优选论文运行 --brief
  3. 可选择使用 --popularity 按关注度排名
  4. 精简速览：主题概述 → 每篇论文一句话总结 → 哪些论文值得深入阅读

有关这些工作流的更完整版本，请参阅 references/workflows.md。

输出规则

  • 必须始终说明结论所依据的阅读阶梯层级（例如，是“仅基于 --brief”，还是“阅读方法章节后”）
  • 不得对未实际阅读的章节内容作出断言
  • 比较多篇论文时，优先使用简洁的项目符号摘要
  • 保持较低的上下文用量：使用较小的 --limit，仅按需沿阅读阶梯逐级深入
  • 开展文献综述时，优先通过迭代逐步缩小范围，而不是进行一次大规模搜索

常见失败模式

认证或限流问题 — 运行 deepxiv health 检查服务可达性。如果遇到限流或未授权，请明确说明并停止；不得静默重试。

未找到论文 — 核验 ID 的格式和来源：arXiv（2409.05591）、PMC（PMC544940）、Semantic Scholar（258001）。如果不确定来源，先尝试 wsearch。

章节名称不匹配 — 章节名称因论文而异。先运行 --head 列出实际章节名称，再使用 --section。

过度阅读 — 当 --brief、--preview 或单个章节足以满足需求时，不得直接跳到全文。

Python 3.9 安装 — deepxiv 可能能通过 pip 安装，但会在首次运行时崩溃。切换到 Python 3.10+ 环境。

推荐默认设置

  • search --limit：初筛时设为 3–5，上限为 10
  • trending --limit: 5–10
  • 每篇论文阅读的章节数：1–2，除非用户另有要求
  • 论文全文阅读：仅在用户明确选择时进行
  • agent query：仅用于真正开放式的多步骤研究，且必须征得用户同意
qianwen skills install @bailian/academic-paper-search