Scholar Search Skills

学术论文搜索与下载工具。当用户要求搜索某一主题的科研论文时触发此技能，支持从 arXiv、ICLR、ICML、NeurIPS 等来源搜索、筛选和下载论文，并生成结构化摘要和 BibTeX 引用。

Security Scan

技能总体功能与描述一致，但运行说明包含未验证的第三方安装命令（npx 全局安装、pip 安装）和对本地技能目录的读取，这些操作可能引入或执行不受信任的代码，值得在安装前进一步审查。

Purpose & Capability

名称与描述（搜索、下载 arXiv/会议论文、生成摘要和 BibTeX）与 SKILL.md 和脚本行为一致；所需权限和资源（下载 PDF、解析 PDF、关键词打分）与目的相符，未请求与功能无关的环境变量或凭据。

Instruction Scope

大部分指令局限于搜索、下载和解析论文（创建 ~/papers 子目录、使用 wget 下载 arXiv PDF、用 docling 解析、用脚本打分）。需注意：SKILL.md 建议检查/访问本地技能目录 (~/.agents/skills/arxiv-search/)，以及使用 web_fetch 抓取 Google Scholar（可能涉及爬取与服务条款相关问题）。总体上指令不明显越权，但包含有潜在风险的网络抓取与本地路径访问。

Install Mechanism

技能注册表中没有 install spec（instruction-only），但 SKILL.md 建议执行外部安装命令：pip install scikit-learn rapidfuzz（常见但会安装第三方包），以及 npx skills add existential-birds/beagle@docling -g -y（通过 npx 全局安装不明来源包/脚本）。这些命令会下载并在本地执行第三方代码且未提供指纹/来源校验，增加了供应链/执行任意代码风险。

Credentials

技能不要求任何环境变量或凭据（requires.env 空），也未声明访问云凭据或其他服务令牌，所需权限相对有限（写入用户家目录、下载文件、全局包安装）。唯一需要注意的是它会读取本地技能目录路径来检测 arxiv-search，这会泄露本地技能存在性，但不直接要求敏感凭证。

Persistence & Privilege

技能没有设置 always: true，也未要求修改其它技能配置。风险点在于 SKILL.md 建议执行全局安装（npx -g / pip install）并在用户主目录创建文件夹，这会对主机环境产生持久更改。建议在受控环境或虚拟环境中执行而非直接全局安装。

What to consider before installing

这是一个功能上与描述一致的“学术论文搜索与下载”技能，但在安装/运行前请注意以下事项： - 来源可信度：技能没有公开主页或明确源码仓库（source: unknown）。在安装或执行任何安装命令前，请要求或查验完整源码仓库、发布者信息与提交历史。尽量只从可信仓库（例如作者 GitHub）克隆并审查代码。 - 避免直接全局安装：SKILL.md 建议使用 `npx ... -g` 和 `pip install`，这些会下载并执行第三方代码。优先在隔离环境（虚拟环境、容器、沙箱或临时 VM）中运行，或手动审阅将被安装的软件包。不要在生产机器上直接执行全局安装命令。 - 查看并审计脚本：scripts/score_papers.py 可被静态审阅（其行为看起来正常、只做文本相似度打分）。仍建议检查其他脚本/工具（如 docling 包）源代码以确认无远程命令执行或隐藏回呼。 - 限定下载源与路径：下载 PDF 时确保仅从 arxiv.org 等受信任域名下载，并在运行前检查将写入的位置（~/papers/*）。 - Google Scholar 抓取：SKILL.md 建议使用 web_fetch 访问 Google Scholar 以做引用追踪；注意这可能违反服务条款或触发反爬机制，且不需要凭据。可考虑手动或通过官方 API/受允许的方式进行引用检索。 - 权限最小化：若只需要打分或摘要功能，可跳过 npx 全局安装并在受控环境中仅运行 score_papers.py（并在需要时手动安装其 Python 依赖）。 如果你想继续安装：要求提供源码仓库 URL、npm/pypi 包出处与签名，或在隔离环境中先运行并观察网络/文件系统行为。

概述

本技能用于系统性地搜索、筛选和下载学术论文，适用于研究课题调研、文献综述等场景。集成了 arxiv-search、docling 等工具，支持自动化摘要提取和引用追踪。

触发条件

当用户提出以下需求时触发：

• "帮我搜索关于 XXX 的论文"
• "查找 XXX 相关的学术文献"
• "搜索 XXX 主题的研究论文"
• "找一些 XXX 领域的核心文献"
• "帮我下载 XXX 主题的论文"

工作流

步骤 1: 确认基本信息

与用户确认以下信息：

1. 研究主题/论文标题：用户想要搜索的具体主题
2. 关键词：用逗号分隔，建议使用英文关键词
   • 如果用户提供中文关键词，自动翻译为英文
   • 示例：Agent, Indirect Prompt Injection Attack, Black-box Defense
3. 核心论文（可选）：用户已有关键文献列表
4. 筛选条件（可选）：
   • 时间范围：默认近3年（2023-2026）
   • 来源：arXiv、ICLR、ICML、NeurIPS
   • 引用量阈值（如有要求）

步骤 2: 创建工作目录

mkdir -p ~/papers/<研究主题>/{core-papers,cited-papers,output}

创建文献清单文件：

• PAPER_LIST.md - 论文列表
• PAPER_SUMMARIES.md - 论文摘要
• references.bib - BibTeX 引用格式

步骤 3: 论文搜索

3.1 使用 arxiv-search (优先)

# 安装的 arxiv-search 技能位置
ls ~/.agents/skills/arxiv-search/

如果 arxiv-search 可用，使用它进行搜索：

• 调用其搜索 API 或脚本
• 获取更精准的论文匹配

3.2 使用 web_fetch 备选

https://arxiv.org/search/?searchtype=all&query=<关键词>&start=0

步骤 4: 下载论文

# 下载 PDF
wget -q "https://arxiv.org/pdf/<arXiv_ID>" -O "<标题缩写>_<arXiv_ID>.pdf"

# 示例
wget -q "https://arxiv.org/pdf/2309.15817" -O "lm_agents_risks_2309.15817.pdf"

步骤 5: PDF 解析 (使用 docling)

5.1 安装 docling

npx skills add existential-birds/beagle@docling -g -y

5.2 解析论文

使用 docling 提取论文关键信息：

• 标题、作者、机构
• 摘要
• 方法
• 实验结果
• 结论
• 参考文献

# docling 使用示例
from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("paper.pdf")
# 提取结构化信息

步骤 6: 生成结构化摘要

为每篇论文创建摘要模板：

### <论文标题>
- **作者**: Authors
- **arXiv**: [ID](https://arxiv.org/abs/ID)
- **日期**: YYYY-MM
- **核心贡献**: 
  1. 贡献点1
  2. 贡献点2
- **方法**: 
- **实验结果**: 
- **链接**: [PDF](./path/to/file.pdf)
- **BibTeX**:
```bibtex
@article{...}

### 步骤 7: 引用追踪 (Google Scholar)

1. 访问 Google Scholar 搜索核心论文
2. 获取 "Cited by" 列表
3. 筛选与研究主题相关的引用论文
4. 下载高相关度论文

```bash
# 搜索引用论文
# 使用 web_fetch 访问 Google Scholar

步骤 8: 自动化筛选评分

8.1 关键词匹配评分

def relevance_score(title, abstract, keywords):
    score = 0
    for kw in keywords:
        if kw.lower() in title.lower():
            score += 3
        if kw.lower() in abstract.lower():
            score += 1
    return score

8.2 排序和过滤

• 按相关性分数降序排列
• 过滤低于阈值的论文
• 优先选择高引用量论文

步骤 9: 输出格式生成

9.1 文献列表 (PAPER_LIST.md)

| # | 论文标题 | arXiv ID | 相关度 | 日期 | 类型 |
|---|----------|----------|--------|------|------|
| 1 | Title | xxxx.xxxxx | ★★★★★ | 2024 | 核心 |

9.2 BibTeX (references.bib)

@article{ruan2023toolemu,
  title={Identifying the Risks of LM Agents with an LM-Emulated Sandbox},
  author={Ruan, Yangjun and Dong, Honghua and Wang, Andrew and others},
  journal={arXiv preprint arXiv:2309.15817},
  year={2023}
}

9.3 文献综述大纲

# <研究主题> 文献综述

## 1. 引言
## 2. 背景与相关工作
## 3. 核心文献分析
## 4. 最新研究进展
## 5. 未来研究方向

已集成 Skills

Skill	用途
arxiv-search	专业 arXiv 论文搜索
docling	PDF 解析和信息提取
academic-researcher	学术研究工作流
latex-paper-en	论文格式模板

常用搜索查询

arXiv 搜索

• 基础：https://arxiv.org/search/?searchtype=all&query=<关键词>&start=0
• 日期过滤：https://arxiv.org/search/?searchtype=all&query=<关键词>&date-filter_by=all_dates&size=50

会议论文

• ICLR: https://openreview.net/group?id=ICLR.cc/2025/Conference
• NeurIPS: https://proceedings.neurips.cc/
• ICML: https://proceedings.mlr.press/

Google Scholar

• 引用追踪：访问论文主页查看 "Cited by"

注意事项

1. 时间筛选：默认要求 2023-2026 年的论文
2. 去重：下载前检查是否已存在相同 arXiv ID 的论文
3. 增量更新：已有文献库时，仅搜索新增论文
4. 来源说明：大多数顶会论文会先在 arXiv 预发布
5. 版权：仅下载用于研究，仅提供摘要和下载链接

输出文件清单

文件	说明
core-papers/	核心文献 PDF
cited-papers/	引用文献 PDF
PAPER_LIST.md	论文清单
PAPER_SUMMARIES.md	结构化摘要
references.bib	BibTeX 引用
literature_review.md	文献综述大纲 (可选)

关键词相关性打分

使用脚本

本技能包含 scripts/score_papers.py 用于关键词相关性打分。

安装依赖

pip install scikit-learn rapidfuzz

基本用法

# 单一论文打分
python3 scripts/score_papers.py \
    --keywords "agent,LLM,security,prompt injection" \
    --title "Identifying the Risks of LM Agents with an LM-Emulated Sandbox" \
    --abstract "Recent advances in Language Model (LM) agents..."

# 批量打分 (CSV 格式)
python3 scripts/score_papers.py \
    --keywords "agent,LLM,security" \
    --papers paper_list.csv \
    --output results.json

# 自定义权重
python3 scripts/score_papers.py \
    --keywords "agent,defense" \
    --title "xxx" \
    --abstract "xxx" \
    --title-weight 0.7 \
    --abstract-weight 0.3

CSV 格式要求

title,abstract,arxiv_id,year
论文标题,论文摘要,2309.15817,2023
...

打分算法

1. 模糊匹配 (Fuzzy Matching)

• 部分匹配 (partial_ratio): 关键词在文本中的部分匹配程度
• 词序无关匹配 (token_sort_ratio): 忽略词序的匹配程度
• 集合匹配 (token_set_ratio): 关键词集合与文本的交集比例

2. TF-IDF 余弦相似度

• 将论文文本和关键词转换为 TF-IDF 向量
• 计算余弦相似度

3. 加权组合

最终分数 = 0.6 × 模糊匹配分 + 0.4 × TF-IDF分数
标题权重 = 0.6 (可调整)
摘要权重 = 0.4 (可调整)

输出示例

================================================================================
arXiv ID        年份   最终分    标题                                        
================================================================================
2309.15817      2023   0.8523   Identifying the Risks of LM Agents...       
2403.14771      2024   0.7832   InjecAgent: Benchmarking Indirect...        
...
================================================================================
匹配关键词统计:
  agent: 15
  LLM: 12
  security: 8

集成到工作流

在步骤 8 (自动化筛选评分) 中使用：

# 1. 生成 CSV
echo "title,abstract,arxiv_id,year" > paper_list.csv
# ... 添加论文信息 ...

# 2. 打分排序
python3 scripts/score_papers.py \
    --keywords "agent,prompt injection,defense" \
    --papers paper_list.csv \
    --output scored_papers.json

# 3. 筛选高分论文 (分数 > 0.6)
jq '.[] | select(.final_score > 0.6)' scored_papers.json