企业官网建设流程全解析

Nature Skills 文献检索实战：nature-academic-search 多源检索与严格他引审计

【免费下载链接】nature-skills符合nature论文学术表达和科研绘图的Skill项目地址: https://gitcode.com/gh_mirrors/na/nature-skills

做科研最耗时的环节之一，就是文献检索：在 PubMed、CrossRef、arXiv 之间反复切换，复制粘贴元数据，去重、核引文，再手动判断“谁才是真正引用过我论文的人”。Nature Skills 开源项目中的nature-academic-search技能，正是为了解决这些问题：它是一个面向 Nature 论文学术表达场景的多源学术文献检索与引用审计 Skill，一条自然语言指令即可完成跨库检索、去重排序、引文格式导出，乃至“严格他引”审计——自动排除自引和课题组内部引用，识别高影响力引用者。

一、nature-academic-search 能做什么

nature-academic-search位于技能目录 skills/nature-academic-search/，入口是 SKILL.md。它内置了 6 条标准工作流（workflow），覆盖从“找文献”到“审引用”的完整链路：

典型请求可以直接用自然语言发出，例如：“按这个主题找 20 篇近五年的 Nature/Science/Cell 相关论文”“帮我查这篇论文的严格他引，并列出高影响力引用者”。

二、一键安装：三步跑通

仓库提供npx skills、Claude Code、Codex 等多种安装方式，详见 README.md 的安装章节。以最通用的方式为例：

git clone https://gitcode.com/gh_mirrors/na/nature-skills cd nature-skills/skills/nature-academic-search bash install.sh

安装后，把仓库地址发给 Codex 或 Claude Code，它会自动读取 SKILL.md 的路由协议，按需加载对应工作流，无需你手动指定脚本。

快速预检：批量网络操作前，可运行预检脚本验证 API 端点可达性（见 static/core/routing-and-ops.md）：

python scripts/preflight.py

三、多源检索实战：T1→T2→T3 分级路由

多源检索最大的坑是“数据源靠不靠谱”。nature-academic-search用一张分级表解决它（完整版见 references/source-tiers.md）：

• T1（官方 API，结构化）：PubMed、CrossRef、arXiv —— 优先使用；
• T2（API 有限）：Semantic Scholar、bioRxiv、medRxiv —— T1 不够时升级；
• T3（爬虫/需机构权限）：Google Scholar、Web of Science、Scopus —— 最后手段，并明确警告“结果可能不完整”。

多源检索（Workflow 1）的实际流程是：分析主题 → 按层级选源 → 并行调用检索工具 → 统一去重 → 排序 → 输出带来源标签的文献表。去重逻辑封装在 references/dedup-engine.md，检索式构造与结果排序规则在 references/search-strategy.md。

如果没有挂载 MCP 服务，技能还内置了免 MCP 降级方案：scripts/academic_search.py 直接调用 OpenAlex 公开接口完成发现式检索，scripts/format-converter.py 把选中的 DOI/PMID 导出为.ris/.bib/.enw/.nbib，仅依赖 Python 标准库：

python scripts/academic_search.py "graph neural network potentials" --limit 10 --sort cited_by_count python scripts/format-converter.py --doi 10.1103/physrevlett.120.143001 --format ris

四、严格他引审计实战：找出“真正的大牛引用”

这是该技能最有含金量的部分（Workflow 6，规范见 wf6-strict-other-citation-impact-audit.md）。它的核心思路是：引用数高 ≠ 影响力高，必须剔除自引和课题组互引，剩下的“严格他引”才算数。

1️⃣ 五档分类标签—— 每篇引用文献都被保守标注：

2️⃣ 高影响力引用者识别—— 只在严格他引中筛查院士、杰青/长江学者、Fellow、院校领导等身份，且要求证据链：官方名录 > 学会 Fellow 名单 > ORCID/Scopus 档案 > 新闻报道。同名不同人直接标为unverified。

3️⃣ 引用语境与态度—— 提取引用句及其上下文，判断引用功能（方法使用、基准对比、直接延伸、批评……）和态度（正面/中性/批评），绝不因为“被引用了”就默认是赞美。

4️⃣ 文章级引用指标表—— 直接输出规范表格：

并强制附注“计数来源：引用数来源 / 严格他引判定来源 / 未覆盖的来源”，保证结果可追溯。

五、边界与常见误区 ⚠️

技能文档把红线写得很清楚（见 README.md 的“边界”一节）：

• 不绕过权限墙：无 Scopus/CNKI 权限时不会“变通”，只会如实报告缺失来源；
• 不臆造字段：元数据缺失就标注缺失，绝不编造；
• 二级索引只作线索：关键字段要回到 DOI、PubMed 或出版社页面核实；
• 中文文献（CNKI/万方）不在 CrossRef/PubMed 覆盖范围，需手动补充。

六、与其他技能联动

nature-academic-search是 Nature Skills 科研流水线的第一环（见上图中 nature-academic-search → nature-reader → nature-citation 的接力顺序）。检索完成后，可以无缝衔接：

• nature-citation：为手稿 claim 匹配 Nature/CNS/Cell 支撑文献；
• nature-ref-verifier：逐条核查参考文献字段；
• nature-literature-pipeline：把一次性检索升级为持续文献监测。

七、小结

nature-academic-search把“文献检索 + 严格他引审计”这件琐碎且容易出错的事，封装成了分级路由的多源检索 + 五档他引分类 + 证据化报告的标准流程。对新手来说，你只需要提供主题、时间范围和排除口径，剩下的并行检索、去重、排序、审计表格都由技能自动完成——这正是 Nature Skills 让 AI Agent 参与科研的典型方式：流程标准化，结果可验证 📚

【免费下载链接】nature-skills符合nature论文学术表达和科研绘图的Skill项目地址: https://gitcode.com/gh_mirrors/na/nature-skills