Agent Skills
返回列表
x49 学术搜索

x49 学术搜索

知识管理 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_df2f36f0/x49-scholar-search

技能介绍

解决的具体问题

在开发科研类 Agent 或知识管理工具时，直接让模型回答学术问题极易产生幻觉。模型可能会凭空捏造不存在的论文、DOI 或引用数，也无法获取最新的文献数据。x49 Scholar Search 专为解决这一痛点而生。它强制 Agent 在用户需要学术数据时进行实时的 API 调用，将 https://scholar.x49.ai 的公开响应作为唯一事实来源。

核心能力与工作流

该技能封装了 x49 Scholar API v1 的核心检索逻辑，主要包含以下工作流：

  • 论文检索：使用 POST /papers/search。支持 standard 模式进行精确关键词检索，以及 semantic 模式处理自然语言查询。可通过 filters 对象精准限定年份、出版类型、机构或开放获取状态。
  • 作者工作流：通过 GET /authors/search 查找学者，获取 author_ref 后，可调用 GET /authors/{author_ref}/papers 查看代表作，或使用 filters.author_refs 限定论文检索范围。
  • 数据扩展：利用 POST /papers/batch 配合检索到的 paper_ref 批量获取包括摘要、PDF 链接在内的完整元数据。

适用边界与注意点

在工程实践中，请务必注意该 API 的公共 v1 版本的设计限制：

  • 检索窗口有限：由于不暴露游标分页（Cursor Pagination），单次请求最多返回 100 条数据。即使 meta.total_results 显示有数万条匹配，结果也绝非完整语料库，绝不能将其作为系统性综述的依据。
  • Suggestion 仅作辅助：GET /search/suggestions 仅用于 UI 自动补全。公共版本不支持作者（author）和年份（year）建议，请务必使用专门的作者检索接口或在 filters 中直接设定年份区间。
  • 错误与降级：遇到 400 错误需检查是否发送了废弃字段；遇到 503 或超时，应缩小 limit 和 filters 后重试。任何情况下都不得捏造缺失的指标字段。

使用场景

  • 文献调研时，输入自然语言问题，调用 semantic 模式搜索相关论文，并获取标题、作者、年份等基本信息。
  • 撰写综述前，输入特定关键词和年份范围，调用 standard 模式检索最新或高被引论文，确认文献范围。
  • 查找特定学者时，通过姓名检索作者，获取其 author_ref 并拉取代表作列表及详细指标。
  • 扩展论文信息时，收集多篇检索结果的 paper_ref，调用 batch 接口批量获取摘要和 PDF 链接。

适合人员

  • 科研助手开发者，需要为 Agent 接入可靠的实时论文检索接口以避免幻觉。
  • 知识库管理员，希望通过作者工作流和批量元数据接口完善文献库的引用网络。
  • 学术产品前端工程师，需要调用 suggestions 接口为搜索框提供期刊和概念的自动补全。