用途：为循证研究提供系统化文献检索方法，在提高查全率的同时保持查准率，适用于临床、生物医学与计算类课题。
主要能力：提出三层检索框架。第一层为数据库检索，最可靠，应作为起点：PubMed（经 Biopython Bio.Entrez）支持 MeSH 受控词表与字段标签；arXiv（arxiv 包）覆盖物理、数学、计算机与定量生物学预印本；Google Scholar（scholarly 包）跨学科覆盖最广，但对自动查询限流严格。第二层为 AI 辅助网络检索，使用 Claude API 的 web_search_20250305 服务端工具综合研究趋势，也可用 duckduckgo-search 查找协议与文档。第三层为直接内容提取，用 trafilatura 提取 HTML 正文、pypdf 提取 PDF 文本、Crossref API 由 DOI 获取补充文件链接。
关键方法：临床与生物医学问题可用 PICO 框架（人群、干预、对照、结局）构造查询，并结合出版类型过滤证据等级。PubMed 支持 [MeSH]、[Title]、[Title/Abstract]、[Author]、[Journal]、[Publication Type]、[Date - Publication]、[MeSH Major Topic] 等字段标签。布尔运算符中 AND 收窄、OR 扩展同义词、NOT 排除但需慎用，OR 词组应加括号。arXiv 按学科分类组织，如 q-bio.BM、q-bio.GN、cs.AI、cs.LG 等。
使用方式：先定义研究问题并拆解核心概念，再执行数据库查询，从 2 至 3 个核心词开始逐步加入 MeSH、字段标签、日期与出版类型过滤；随后用 AI 辅助检索补充领域概览与近期进展；对通过标题摘要筛选的论文做全文与补充材料提取；最后记录检索词、数据库、过滤条件与结果数量。文中给出 Entrez.esearch、arxiv.Search、scholarly.search_pubs、trafilatura、pypdf、Crossref 等示例代码。
适用场景：系统综述与临床证据检索、查找新方法预印本、了解研究全景、提取方法与协议、跨学科检索、识别关键研究者、下载补充数据表。
限制与常见问题：查询过长过细会漏检；依赖单一数据库存在盲区；忽视出版日期会使用过时方法；未先筛选标题摘要就下载全文浪费时间；NOT 过度使用会误排相关文献；Google Scholar 限流可能阻断后续检索；未记录检索策略则无法复现，系统综述应遵循 PRISMA。具体收费、价格与平台支持情况暂未提供。