arXiv论文检索

痛点：信息过载与精准检索的困境

在学术研究或技术调研中，arXiv 论文数量庞大且更新频繁。手动在网页中筛选不仅耗时，还容易遗漏最新成果。开发者和研究人员急需一种能够通过结构化条件快速定位目标文献的自动化手段，以避免在信息洪流中迷失。

核心机制：多维检索与结构化返回

该技能通过封装 arXiv 官方 API，提供了多维度的检索能力。其核心步骤如下：

• 参数解析：接收用户的自然语言指令，提取 关键词、作者、分类 或 论文 ID 等关键实体。
• 请求构建：将提取的参数映射为 arXiv API 的查询字符串，发起 HTTP 请求。
• 结果解析：将返回的 Atom 或 Atom+XML 格式数据解析为结构化的 Markdown 列表，包含标题、作者、摘要和链接。

适用边界与注意事项

虽然该技能覆盖了常规检索需求，但需注意以下几点：

• arXiv 官方 API 存在请求频率限制，高频调用可能触发 403 Forbidden 错误。
• 分类检索依赖于 arXiv 的层级分类体系（如 cs.AI），模糊匹配可能返回非预期结果。
• 对于极新的论文，API 同步可能存在数小时的延迟。