技能介绍

它解决什么问题

做文献调研时，真正难的不是“能不能搜到一篇”，而是如何把不同来源、不同年份、不同表达方式的论文先筛出来，再判断它们是否服务于当前问题。对于开题、课程论文、systematic review、scoping review 或 meta-analysis，常见痛点是：关键词只能覆盖一部分文献，单源数据库容易漏检，论文摘要与主题之间的相关性需要人工逐条判断，检索深度又难以控制。paper-search-pro 针对这个场景，把“找论文”拆成可复用的检索流程，而不是直接给一篇摘要或下载 PDF。

技能如何工作

多源检索：技能面向五类数据源组织搜索，适合需要跨来源覆盖的学术问题。
可调深度：提供四档检索深度，可以在快速扫题和更完整调研之间切换。
确定性任务用脚本：Python helpers 负责稳定的工程步骤，例如解析、整理或执行可重复操作。
分类交给子代理：LLM 分类被委派给并行 Inline SubAgents，用于判断候选文献与查询主题的相关性。
无需外部 API key：资料强调该流程不依赖外部 API key，适合在已有本地或平台能力下使用。

它的定位更像“文献搜索编排器”：主代理负责理解问题、选择来源与深度、串联检索和分类，Python 与子代理分担具体工作。相比一次性搜索，这种结构更适合处理 PICO、SPIDER、MeSH、RCT 这类学术查询，也能帮助作者先把候选集缩小到可讨论的范围。

适用边界与注意点

它适合“找论文”和“圈定研究范围”，但不适合替代阅读、摘要、下载或综述写作。若用户要读某篇具体论文、总结单篇已知论文、按 DOI 下载 PDF，或者已经有一批文献并想直接写 review，应使用对应工具。概念解释类问题，例如“什么是前景理论”，也不需要调用文献搜索。实际使用时，建议先明确主题、时间范围、研究设计或数据库偏好；否则检索结果会受关键词表达和来源覆盖影响。它给出的是候选文献集和相关性判断，不是最终结论。