用途：在科研文献分析中追踪引文网络，识别领域奠基性论文、绘制研究谱系与学术传承、通过参考文献追踪发现相关工作，并借助共被引分析寻找潜在合作者；服务于系统综述、文献计量与研究规划。
主要能力：从种子论文构建可配置深度的双向引文图（backward_depth 追参考文献、forward_depth 追引用文献、max_papers 限制规模）；计算 betweenness、eigenvector、pagerank 等中心性并据此识别奠基性工作；用 louvain 等算法检测研究聚类并提取主题与增长情况；生成机构维度的合作网络；输出力导向布局、按年份着色、按被引量定大小的可视化，可导出 GEXF、HTML、PDF。
使用方式：需 Python 3.10+。可先验证入口：python -m py_compile scripts/main.py，再用 python scripts/main.py --help 查看参数；命令行示例：python scripts/main.py --seed-pmid 12345678 --depth 2 --max-papers 500 --output network.json --visualize。也提供 Python API，如 CitationChasingMapping、CitationNetworkMapper（data_source="PubMed"）等。运行前应确认输入输出路径、范围过滤、阈值与领域约束。
适用场景：奠基论文识别、研究传承梳理、相关工作发现、合作者挖掘、引用趋势跟踪、文献综述构建。
限制：第三方依赖未固定版本；执行前需校验输入；缺失关键输入或超出文档范围时应停止并说明，不得编造文件、引文或执行结果。其余事实暂未提供。