学术论文搜索 Skill

这是一个用于 学术论文检索、筛选和整理 的 Codex Skill。它不是简单地帮你“搜几篇论文”，而是把一次学术检索拆成一条可以复查、可以解释、可以继续扩展的路线。

它适合用在这些场景：

• 你有一个论文题目，想知道国内外已经有哪些相关研究。
• 你正在写文献综述，需要一批可靠、可引用、分层筛选过的文献。
• 你在准备课题申报、开题报告、论文修改，需要说明“我是怎么检索文献的”。
• 你不想把网页搜索、AI 搜索、社交媒体线索直接当成参考文献，而是希望先核验再使用。
• 你需要同时考虑中文数据库、海外数据库、开放学术元数据、出版社网页、机构仓储、预印本和实时网页线索。

两个核心特点

1. 面向人文学者的真实检索场景

这个 Skill 不是按理工科论文检索的单一路径来设计的，而是按人文学者常见的研究困难来设计：题名不稳定、术语有古今变化、人名地名有不同译法，中文数据库和海外数据库都要查，很多重要线索还藏在期刊目录、出版社页面、机构仓储、书目记录和引文链里。

它之所以可以说“面向人文学者”，不是因为它只能做人文学科，而是因为它内置了人文学术检索中特别常见的工作方式：

• 把研究对象拆成文本、人物、机构、时代、地域、语料等要素。
• 同时处理中文词、英文词、历史术语、异名和译名。
• 关注宗教学、文献学、历史学、语言学、数字人文、图书情报等领域。
• 覆盖 CNKI、万方、维普、国家哲学社会科学文献中心、CSSCI、北大核心、台湾学术平台等中文学术来源。
• 兼顾海外索引、出版社平台、开放仓储和 Google Scholar 引文链。
• 强调“能不能支持论证”，而不只是“有没有搜到”。

换句话说，它不是泛泛的搜索提示词，而是把人文学者实际做综述、开题、申报和论文修改时会遇到的问题，整理成了一套可执行的检索流程。

2. 不是堆链接，而是一套完整流程

很多所谓“论文搜索”工具最后只给一堆链接。这样的问题是：链接来源混杂，相关性不清楚，真假难辨，也不知道哪些可以引用、哪些只是线索。

这个 Skill 的重点不是堆砌搜索结果，而是让检索过程形成闭环：

1. 先拆解选题，明确研究对象、领域、问题意识和方法词。
2. 再扩展检索式，生成中文、英文、同义词、历史术语和站点定向查询。
3. 然后分层搜索，把数据库记录、出版社页面、开放元数据、网页线索、AI 线索和社交媒体线索分开。
4. 接着核验条目，确认题名、作者、年份、刊物、DOI、URL 和全文来源。
5. 再给文献分 A/B/C/D 等级，区分可引用文献、精读文献、背景文献和排除项。
6. 最后保留检索审计日志，并从种子论文继续做向前引用、向后被引和相似论文扩展。

所以，它输出的不只是“找到哪些链接”，而是一份可以继续使用、可以人工复核、可以写进研究过程说明的文献检索路线。

这个 Skill 是干嘛的？

一句话说：它帮助你把一个选题变成一套可追踪的文献检索方案。

普通搜索通常只给你一串标题，里面可能有重复、跑题、网页文章、图书介绍，甚至还有 AI 编出来的错误信息。这个 Skill 的目标不同，它更关心：

• 这个选题应该用哪些中文词、英文词、同义词、历史术语来搜？
• 哪些数据库、期刊平台、出版社页面、开放索引需要查？
• 哪些结果只是线索，哪些结果已经可以作为正式参考文献？
• 哪些文献应该优先精读，哪些只适合做背景，哪些应该排除？
• 检索过程能不能留下记录，方便以后复查、补查或写进研究方法说明？

所以，它更像一个“学术检索路线规划器”和“文献筛选审计表生成器”。

怎么安装？

把这个仓库克隆到你的 Codex skills 目录：

mkdir -p ~/.codex/skills
git clone https://github.com/anon-research-tools/academic-literature-route.git ~/.codex/skills/academic-literature-route

然后重启 Codex，或者按你的 Codex 版本要求重新加载 skills。

怎么使用？

在 Codex 里直接点名这个 Skill 即可，例如：

用“学术论文搜索”这个 Skill，围绕“中古佛教写经制度与知识生产”搜索并筛选海内外学术论文。

也可以说得更具体：

用“学术论文搜索”这个 Skill，帮我为这个开题题目设计一套文献检索路线：
《数字人文视野下汉文佛教目录的知识组织研究》

请给出中文检索词、英文检索词、重点数据库、候选文献分级、可直接引用文献、精读队列和后续人工复核清单。

如果你已经有论文草稿，也可以这样用：

用“学术论文搜索”这个 Skill，根据这篇论文草稿的主题，补一轮国内外研究检索。
请区分已经核验的正式文献、网页线索、AI 搜索线索和需要人工确认的条目。

它会输出什么？

一次比较完整的检索，通常会输出这些内容：

1. 检索词表：中文词、英文词、同义词、历史术语、站点定向检索式。
2. 来源覆盖表：哪些机器检索源、中文数据库、海外索引、出版社平台、期刊平台已经覆盖。
3. 候选文献表：题名、作者、年份、刊物或会议、DOI/链接、来源、命中检索式、等级、备注。
4. 可直接引用文献：已经核验、和选题直接相关、可以进入参考文献候选区的条目。
5. 精读队列：值得下一步认真阅读的文献。
6. 人工复核清单：需要你去 CNKI、万方、Web of Science、Scopus、Google Scholar 等平台继续确认的事项。
7. 引文链扩展：从重要种子文献继续向前查参考文献、向后查被引文献。
8. 检索审计日志：记录检索源、检索式、检索日期、过滤条件、命中数、保留数和排除理由。
9. 排除项说明：哪些结果因为重复、跑题、不是论文、无法核验而被排除。
10. AI / 网页 / 社交媒体线索核验表：说明哪些只是线索，哪些已经通过稳定来源核验。

它的基本原理

这个 Skill 的核心原则是：先建立检索路线，再判断文献价值；先把线索和证据分开，再决定能不能引用。

它大致按下面几步工作。

第一步：拆解选题

一个题目通常不是一个检索词就能覆盖的。Skill 会先把题目拆成几组概念：

• 研究对象：文本、人物、机构、语料、时代、地域等。
• 学科领域：宗教学、语言学、数字人文、图书情报、历史学、文献学等。
• 问题意识：传播、接受、制度变化、知识生产、比较研究、本土化等。
• 方法词：目录学、语料库、数据库、文本挖掘、知识图谱、引文分析等。

这样做的好处是，检索不会只围绕题目字面展开，而是能覆盖相关研究的不同说法。

第二步：扩展检索式

Skill 会生成多层检索式，例如：

• 题名精确检索。
• 研究对象 + 问题意识。
• 研究对象 + 学科领域。
• 研究对象 + 方法词。
• 中文同义词、古今术语、异名。
• 英文对应词。
• 针对特定数据库、期刊、出版社或机构仓储的 site: 检索式。

第三步：分层使用不同来源

不同来源的可信度和用途不同。这个 Skill 会把它们分开处理：

• 开放学术元数据：如 OpenAlex、Crossref、Semantic Scholar，适合核对题名、作者、年份、DOI、引用关系。
• 中文数据库记录：如 CNKI、万方、维普、国家哲学社会科学文献中心等，适合确认中文论文和期刊信息。
• 海外数据库和出版社页面：如 Web of Science、Scopus、JSTOR、Project MUSE、Oxford Academic、Cambridge Core、Brill 等。
• 开放仓储和预印本平台：如 arXiv、Zenodo、OSF、机构知识库等。
• AI 或网页搜索线索：如 Kimi、TinyFish、AnySearch、普通网页搜索等，只能作为线索。
• Grok/X 或社交媒体线索：适合发现新论文、新工具、新数据集、作者自述或会议讨论，但不能直接当成学术文献引用。

第四步：先核验，再分级

Skill 会尽量把每条结果分成 A/B/C/D 四类：

• A 类：已经核验，和选题直接相关，可以作为引用候选。
• B 类：看起来相关，值得进一步精读。
• C 类：背景性、外围性材料，可以辅助理解。
• D 类：重复、跑题、新闻、百科、栏目文章、搜索页面，或者无法核验。

一个重要规则是：只有 AI 搜索、网页搜索或 X/Twitter 线索的条目，不能直接评为 A 类。

它们必须先通过 DOI、出版社页面、数据库记录、开放学术元数据或机构仓储确认。

第五步：做引文链扩展

当找到一篇很重要的种子论文后，Skill 会继续建议三种扩展：

• 向前查：看这篇论文引用了哪些早期研究。
• 向后查：看后来的论文谁引用了它。
• 相似论文扩展：用 Semantic Scholar、Google Scholar、ResearchRabbit、Connected Papers、Litmaps 等工具查相关论文。

这样可以避免只停留在关键词搜索结果，而是进入真实的学术讨论网络。

这个 Skill 的特点

1. 不把“搜到”当成“可靠”

很多 AI 检索最大的问题，是把网页片段、模型回答、社交媒体帖子直接混进参考文献。这个 Skill 明确区分：

• 线索
• 数据库记录
• 出版社页面
• 开放元数据
• 可直接引用文献

这能明显降低误引、错引和引用虚假文献的风险。

2. 适合中文学术场景

它不仅考虑英文数据库，也特别考虑中文学术检索中常见的来源：

• CNKI
• 万方
• 维普
• 国家哲学社会科学文献中心
• CSSCI 期刊
• 北大核心期刊
• 台湾地区学术平台

对中国人文学术写作来说，这一点很重要。

3. 适合跨语种检索

中文题目经常需要转成英文关键词，英文研究也可能使用不同表达。Skill 会提醒你同时处理：

• 中文关键词
• 英文关键词
• 历史术语
• 学科术语
• 同义表达
• 人名、地名、机构名的不同译法

4. 保留检索过程

它强调记录：

• 用了哪个数据库
• 用了什么检索式
• 哪天搜的
• 有多少结果
• 保留了多少
• 排除了哪些
• 为什么排除

这对写综述、开题、课题申报、论文修改都很有用。

5. 可以和多种工具配合

它本身不是一个固定数据库，也不是一个爬虫。它是一套方法，可以调用你本地或 Codex 环境中可用的工具，例如：

• OpenAlex
• Crossref
• Semantic Scholar
• Kimi / Moonshot
• TinyFish
• AnySearch
• Grok/X / OpenRouter
• Google Scholar 浏览器流程
• CNKI 浏览器流程
• Zotero、BibTeX、RIS、GB/T 7714 导出流程

如果某个工具不可用，它仍然可以输出人工检索路线和复核清单。

API key 怎么配置？

这个 Skill 的基础部分不一定需要 API key。即使没有 key，它仍然可以帮助你拆解选题、设计检索式、列出人工补查路线、生成文献筛选表和审计清单。

但如果你希望它调用更多机器检索能力，就可能需要为不同服务配置 API key：

最推荐的做法是把 key 放在你自己的本机环境变量、系统钥匙串或密码管理器里，而不是写进仓库文件。例如在 macOS 或 Linux 的 shell 配置中可以使用这种形式：

export KIMI_API_KEY="你的 key"
export TINYFISH_API_KEY="你的 key"
export ANYSEARCH_API_KEY="你的 key"
export OPENROUTER_API_KEY="你的 key"

上面的命令只是示例。公开仓库、公开笔记、论文附录、截图、聊天记录、README、SKILL.md、脚本和命令历史里都不应该出现真实 key。

也要注意：API key 只决定“能不能调用某些增强检索源”，不决定文献是否可靠。Kimi、AnySearch、TinyFish、Grok/X 这类结果仍然只是线索，最终仍需要通过 DOI、出版社页面、数据库记录、开放元数据或机构仓储核验。

使用时要注意什么？

1. 不要把 AI 搜索结果直接当参考文献

AI 搜索适合找线索，但最终参考文献必须用稳定来源核验，例如：

• DOI
• 出版社页面
• 期刊官网
• OpenAlex / Crossref / Semantic Scholar
• CNKI / 万方 / 维普
• 机构知识库
• 合法开放获取 PDF

2. 不要绕过数据库或出版社的访问限制

这个 Skill 不鼓励也不支持未经授权的全文获取方式。遇到登录、验证码、机构权限，应由用户按合法渠道处理。

3. 不要把私密内容发给第三方搜索接口

如果使用 Kimi、AnySearch、TinyFish、OpenRouter 等服务，请注意：

• 不要发送未公开论文全文。
• 不要发送 API key、密码、个人身份信息。
• 不要把敏感项目材料直接交给第三方接口，除非你明确接受这个风险。

4. 检索结果需要人工判断

Skill 可以帮你建立路线、整理候选、提示核验，但不能替代学术判断。尤其是：

• 文献是否真正支持你的论点
• 研究是否过时
• 方法是否可靠
• 期刊或会议质量如何
• 某篇文章在领域内的地位如何

这些仍然需要研究者自己判断。

常见提示词

用“学术论文搜索”这个 Skill，围绕【题目】设计一套文献检索路线。
请输出中文检索词、英文检索词、重点数据库、候选文献分级、可引用文献、精读队列和人工复核清单。

用“学术论文搜索”这个 Skill，帮我补充这篇论文的国内外研究综述材料。
请把结果分成 A/B/C/D 四类，并说明哪些已经核验、哪些只是网页或 AI 线索。

用“学术论文搜索”这个 Skill，从这几篇种子论文出发，做引文链扩展。
请分别列出向前引用、向后被引和相似论文。

文件说明

• SKILL.md：Skill 的主体规则。
• agents/openai.yaml：在 Codex 中显示的默认提示配置。
• examples/output-skeleton.md：检索结果输出模板。
• README.md：当前这份中文说明。

许可证

本项目使用 MIT License。详见 LICENSE。