学术论文研究助手。帮助用户搜索、下载、阅读和管理学术论文。当用户提到搜索论文、查找学术文献、寻找研究资料、下载论文、阅读论文、查找某个研究主题的最新进展时，必须使用此 skill。此 skill 提供完整的学术论文研究工作流，包括搜索、筛选、下载和阅读论文核心内容。
学术论文研究助手，帮助用户搜索、下载和管理学术论文。
此 skill 使用 Paper Search MCP，提供以下工具：
当用户有以下需求时，必须使用此 skill：
当用户请求论文研究时：
根据需求选择搜索策略:
执行搜索: 根据领域选择合适的搜索工具：
注意：如果无法连接到某个数据源，请使用 arXiv 作为备选数据源进行搜索。
清晰格式化结果：
## 搜索结果：[主题]
### 论文 1：[标题]
- **作者**：[作者列表]
- **日期**：[发表日期]
- **来源**：[arXiv/PubMed/bioRxiv 等]
- **ID**：[arXiv ID / DOI / PMID]
- **摘要**：[简要总结]
- **关键词**：[关键词列表]
- **引用次数**：[引用次数]
- **要点**：[3-5个要点]
- **PDF**：[直接下载链接]
- **原始链接**：[原始论文链接]
### 论文 2：...
...
### 论文 N：...
当用户想要阅读特定论文时：
首先尝试使用合适的工具下载 PDF：
download_arxiv 下载 arXiv 论文（使用 arXiv ID）download_pubmed 下载 PubMed 论文（使用 PMID）download_biorxiv 下载 bioRxiv 论文（使用 DOI）download_medrxiv 下载 medRxiv 论文（使用 DOI）如果 PDF 下载不可用，尝试读取论文内容：
read_arxiv_paper - 从 arXiv PDF 提取文本read_biorxiv_paper - 从 bioRxiv PDF 提取文本read_medrxiv_paper - 从 medRxiv PDF 提取文本总结论文的关键发现：
提供结果后：
目标: 找到领域的开创性论文、高被引论文
搜索策略:
search_google_scholar 以及 search_arxiv 搜索核心关键词关键词策略:
[领域] foundation[领域] seminal work[领域] classic paper[核心概念] original时间策略: 优先 5-15 年前的论文
目标: 找到近 1-2 年的最新研究
搜索策略:
search_arxiv 搜索（最新预印本）search_google_scholar 并设置时间筛选关键词策略:
[领域] 2024[领域] 2025[领域] recent advances[领域] state of the art[核心概念] recent时间策略: 优先最近 2 年的论文
目标: 找到领域的全面综述
搜索策略:
search_google_scholar 或 search_semantic_scholar 或 search_arxiv 搜索关键词策略:
[领域] survey[领域] review[领域] comprehensive review[领域] tutorial[领域] state of the art survey筛选标准:
目标: 找到具体方法的技术细节
搜索策略:
关键词策略:
[方法名] paper[方法名] original paper[方法名] proposed[方法名] implementation目标: 找到方法对比、基准测试论文
搜索策略:
关键词策略:
[领域] benchmark[领域] comparison[领域] evaluation[方法] vs[方法] ablation study目标: 找到方法在不同领域的应用
搜索策略:
关键词策略:
[方法] medical[方法] healthcare[方法] finance[方法] [新领域]目标: 找到有开源代码的论文
搜索策略:
关键词策略:
[论文标题] github[方法] official code[方法] implementation用户需求分析
│
▼
┌─────────────────┐
│ 是什么类型的需求？ │
└─────────────────┘
│
├─▶ 了解领域概览 ──▶ 策略3（综述）+ 策略1（经典）
│
├─▶ 学习特定方法 ──▶ 策略4（方法论）+ 策略1（奠基）
│
├─▶ 了解最新进展 ──▶ 策略2（最新）+ 策略5（对比）
│
├─▶ 应用到新领域 ──▶ 策略6（跨领域）
│
└─▶ 实际项目应用 ──▶ 策略7（代码）+ 策略5（基准）
选择合适的数据源组合执行搜索
| 维度 | 说明 | 权重 |
|---|---|---|
| 相关度 | 与研究问题的匹配程度 | 高 |
| 引用数 | 论文影响力指标 | 中 |
| 时间 | 论文时效性 | 中 |
| 来源 | 期刊/会议权威性 | 中 |
| 可获取性 | 是否有 PDF | 高 |
注意：当其中一个来源无法得到结果的时候，需要使用另一来源进行补充搜索。
用户："我想了解一下大语言模型（LLM）领域的最新进展" 策略选择：策略3（综述）+ 策略2（最新） 执行：搜索 "LLM survey review" 和 "LLM 2024 2025"
用户："我想深入了解 Transformer 架构的原理" 策略选择：策略4（方法论）+ 策略1（奠基） 执行：搜索 "Transformer original paper" 和 "Attention is All You Need"
用户："我想用 BERT 做文本分类，有推荐的论文和代码吗？" 策略选择：策略7（代码）+ 策略5（基准） 执行：搜索 "BERT text classification github" 和 "BERT benchmark"
用户："我想把深度学习应用到医学影像诊断" 策略选择：策略6（跨领域） 执行：搜索 "deep learning medical imaging" 和 "CNN medical diagnosis"
用户："帮我看看最近的 AI 有什么新突破？" 策略选择：策略2（最新）+ 策略5（对比） 执行：在 arXiv 搜索最近 6 个月的论文，关注 NeurIPS/ICML 最新论文
用户："我要写一篇关于强化学习的综述论文" 策略选择：多轮搜索（综述→经典→最新） 执行：
| 领域 | 首选数据源 | 备用数据源 | 特点 |
|---|---|---|---|
| 计算机科学 | arXiv, Semantic Scholar | Google Scholar | 预印本多，更新快 |
| 机器学习 | arXiv, Semantic Scholar | Google Scholar | 快速获取最新进展 |
| 人工智能 | arXiv, Semantic Scholar | Google Scholar | 跨领域综合 |
| 密码学 | IACR ePrint | Google Scholar | 专业数据库 |
| 医学 | PubMed, bioRxiv | Google Scholar | 同行评审为主 |
| 生物学 | PubMed, bioRxiv, bioRxiv | Google Scholar | 研究预印本 |
| 物理学 | arXiv | Google Scholar | 覆盖全面 |
| 数学 | arXiv | Google Scholar | 预印本为主 |
| 工程 | Google Scholar, Semantic Scholar | - | 综合搜索 |
| 化学 | PubMed, Google Scholar | - | 跨学科 |
| 其他 | Google Scholar | Semantic Scholar | 覆盖最广 |
| 需求 | 推荐数据源 | 原因 |
|---|---|---|
| 最新预印本 | arXiv | 更新最快 |
| 高引论文 | Semantic Scholar | 引用分析强 |
| 全面覆盖 | Google Scholar | 数据库最大 |
| 特定领域 | 专用数据库 | 质量更高 |
| 引用关系 | Semantic Scholar | 引用图完整 |
| 同行评审 | PubMed | 医学权威 |
始终提供：