论文搜索专业版

文献检索的工程化痛点

在准备系统性综述（SR）、范围综述或元分析时，研究者常面临文献检索的工程化难题。传统的检索方式往往依赖单一数据库，难以覆盖多源异构数据；而人工筛选和分类不仅耗时，还容易引入偏差。当查询语句涉及 PICO、SPIDER 等复杂框架时，简单的关键词匹配往往漏掉大量高相关性论文。

多源协同与并行分类的架构设计

paper-search-pro 通过多源协同和并行处理来应对这些挑战。它支持 四档检索深度，允许主智能体根据任务需求动态调节资源分配。五个数据源由主智能体统一编排，确保检索覆盖面。在底层实现上，技能将任务拆解为确定性工作和认知工作：

• Python 助手 负责处理确定性任务，如数据抓取、格式清洗和去重，保证检索过程的稳定性和可重复性。
• 并行内联子代理（Inline SubAgents） 接管 LLM 分类工作。主智能体将抓取到的文献分发给多个子代理并行处理，大幅提升分类吞吐量，且全程无需外部 API Key。

适用边界与注意点

该技能专注于文献发现与初步筛选阶段。如果你需要阅读特定论文的全文、总结单篇已知文献，或已知 DOI 列表需要批量下载 PDF，请搭配使用 PDF 阅读器或下载工具。此外，它不适用于纯概念解释（如“什么是前景理论”），这类需求应直接由对话模型回答。