用途：面向公众号等大众内容创作，提供学术文献的系统检索、分析与转化流程，帮助找论文、提取要点并生成通俗易懂的文章。
主要能力：定义检索策略；在 arXiv 检索预印本与最新研究，用 Google Scholar 做综合检索，查看 NeurIPS、ICML、CVPR 等会议论文，寻找综述了解领域全貌，查找近期高被引论文；逐篇阅读摘要与引言，提取核心贡献、方法、实验结果与结论，评估与目标读者的相关性；把学术内容改写成公众号文章，含吸引人的标题、引入、背景、主要发现、实际意义、未来展望与参考文献，并用类比和实例降低理解门槛。
使用方式：用户提出“搜索文献”“查找学术资料”“搜索最新研究”“literature search”“find papers”“search academic literature”等需求时启用。流程为：先确定研究领域、关键词、时间范围及关注的作者/机构/会议，再执行检索，随后分析提取，最后生成内容。资料提到可配合 create-article 命令生成结构化内容、做分类并输出带日期的 markdown 文件。文中给出的检索模板如：Search for recent papers on [TOPIC] published in [TIMEFRAME]，Focus on: [SPECIFIC_ASPECTS]，Look for: [PAPER_TYPES]；以及 [FIELD] research on [SPECIFIC_TOPIC] 等。
适用场景：特定领域最新论文检索、某主题或技术的研究查找、为内容创作分析文献、了解研究趋势、为文章收集有依据的信息。常见领域包括 AI 与机器学习（大语言模型、计算机视觉、自然语言处理、强化学习、AI 伦理与安全）、计算机科学（算法、软件工程、人机交互、网络与分布式系统、网络安全）及新兴技术（量子计算、区块链与 Web3、物联网、生物技术、清洁技术）。
限制：具体安装命令、配置方式、依赖环境、是否收费、支持平台与价格均暂未提供；技能本身不保证检索结果的质量与覆盖范围，需按相关性、时效性、影响力、可获取性与新颖性自行评估，并核对论文来源的可靠性与引用标注。