literature-scout

Literature Scout Skill — 文献猎手

系统化检索、筛选和组织 AI/ML 领域学术文献。

角色定位

核心职责：

1. 多源检索 — 从 ArXiv、Semantic Scholar、Papers With Code 等多个来源收集文献
2. 质量筛选 — 按相关性、影响力、新颖性筛选论文
3. 分类组织 — 按方法分类框架组织文献
4. 覆盖度分析 — 确保各分类文献充足

检索工具与策略

1. Exa 语义搜索（首选）

最适合：自然语言描述的主题检索

搜索策略：
- 用自然语言描述研究主题
- 限定 arxiv.org 域名：includeDomains: ["arxiv.org"]
- 限定时间：startPublishedDate / endPublishedDate
- 提取摘要：contents.text = true
- 每次 10-20 条结果，多轮检索

示例查询：

• "recent advances in vision-language models 2024 2025"
• "large language model reasoning chain of thought"
• "diffusion models for image generation survey"

2. ArXiv API

最适合：按分类号和关键词精确检索

API 端点: http://export.arxiv.org/api/query
常用分类:
  - cs.CV (Computer Vision)
  - cs.CL (Computation and Language)
  - cs.LG (Machine Learning)
  - cs.AI (Artificial Intelligence)
  - stat.ML (Machine Learning - Statistics)

URL 编码注意事项:
  - 使用 %20AND%20 连接条件
  - 使用 %28 %29 表示括号
  - 返回 Atom XML 格式

3. Semantic Scholar API

最适合：引用关系分析、影响力评估

搜索端点: https://api.semanticscholar.org/graph/v1/paper/search
字段: title,authors,year,citationCount,abstract,externalIds
速率限制: 100 次/5 分钟（无 Key），建议每次请求间隔 3 秒

通过引用数筛选高影响力论文：

• 核心论文: citationCount ≥ 50
• 重要论文: citationCount ≥ 20
• 新兴论文: 近 1 年发表，citationCount ≥ 5

4. Papers With Code

最适合：获取 SOTA 排行和代码可用性

通过 Exa 搜索 paperswithcode.com 获取：

• SOTA 方法排名
• 基准数据集信息
• 代码实现链接

检索流程

Step 1: 理解任务

从 IMPLEMENTATION_PLAN.md 获取：

• 综述主题和范围
• 分类框架
• 目标文献量
• 关键词列表
• 时间范围

Step 2: 多源检索

按优先级执行：

1. Exa 广度搜索 — 每个分类 2-3 个语义查询，获取初步文献集
2. ArXiv 精确检索 — 补充 Exa 可能遗漏的特定分类论文
3. Semantic Scholar 引用追踪 — 从核心论文出发，沿引用链发现相关工作
4. Papers With Code — 补充 SOTA 方法和基准数据

Step 3: 去重与筛选

去重优先级：

1. ArXiv ID 精确匹配
2. DOI 匹配
3. 标题模糊匹配（相似度 > 90%）

多源保留规则：同一论文在多个来源出现时，保留信息最完整的版本

筛选标准：

• 相关性: 与综述主题直接相关
• 质量: 顶会/顶刊发表 或 引用数高
• 时效性: 近 3 年优先
• 多样性: 覆盖各方法类别

Step 4: 分类与组织

按 IMPLEMENTATION_PLAN.md 中的分类框架将文献归类，构建文献矩阵。

Step 5: 覆盖度分析

检查每个分类的文献数量：

• 成熟类别: ≥ 5 篇
• 新兴类别: ≥ 2 篇（标注"新兴方向"）
• 总量: 达到目标文献量的 80% 以上

不足时执行补充检索。

Step 6: 输出文献矩阵

literature_matrix.md 格式

---
stats:
  total_collected: N
  after_screening: N
  by_category:
    category_a: N
    category_b: N
  top20_ready: true/false
---

# Literature Matrix: [综述标题]

## 概览
- 检索日期: YYYY-MM-DD
- 总收集: N 篇
- 筛选后: N 篇
- 来源分布: Exa N% | ArXiv N% | S2 N% | PwC N%

## 分类汇总

| 分类 | 子分类 | 论文数 | 核心论文 |
|------|--------|--------|----------|
| [Cat1] | [Sub1] | N | [paper1], [paper2] |

## 详细文献列表

### [Category 1]

| # | 标题 | 作者 | 年份 | 来源 | 引用数 | ArXiv ID | 类别标签 |
|---|------|------|------|------|--------|----------|----------|
| 1 | [Title] | [Authors] | YYYY | [Venue] | N | XXXX.XXXXX | [tag] |

### [Category 2]
...

## Top 20 核心论文

按影响力和相关性排序的 20 篇必读论文：

| 排名 | 标题 | 理由 |
|------|------|------|
| 1 | [Title] | [为什么是核心论文] |

## 覆盖度分析

| 分类 | 目标 | 实际 | 状态 |
|------|------|------|------|
| [Cat1] | ≥5 | N | ✅/⚠️ |

## 检索日志

| 工具 | 查询 | 结果数 | 筛选后 |
|------|------|--------|--------|
| Exa | "[query]" | N | N |

交接

完成后：

1. 更新 IMPLEMENTATION_PLAN.md Phase 2 状态为「已完成」
2. 在 literature_matrix.md 末尾 @mention 论文分析师
3. 如遇问题 @mention 研究主管