OpenAlex Database 是一个用于查询和分析学术文献的技能，基于 OpenAlex 这一开放学术目录。OpenAlex 收录超过 2.4 亿篇学术作品，以及作者、机构、主题、来源、出版商和资助方等实体。该技能提供工具与工作流，通过 OpenAlex API 搜索文献、分析研究产出、追踪引用并开展文献计量研究。
用途 该技能适用于检索学术论文、分析研究趋势、查找特定作者或机构的出版物、筛选高被引或开放获取论文、进行引文与主题分析，以及大规模数据抽取与导出等文献计量任务。
主要能力
- 搜索论文：可按标题、摘要或主题检索，支持过滤器（如出版年份、是否开放获取）和排序。
- 按作者查找作品：采用两步模式，先解析作者名称为 ID，再按 ID 筛选作品。
- 按机构查找作品：分析大学或研究机构的科研产出。
- 高被引论文：查找某领域内有影响力的近期论文。
- 开放获取论文：查找可免费获取的研究，支持按 OA 状态筛选。
- 发表趋势分析：追踪某一主题随时间的研究产出变化。
- 研究产出分析：对作者或机构进行综合科研分析，输出总作品数、开放获取比例、热门主题等。
- 批量查询：一次高效获取多个 DOI、ORCID 或 ID 的信息，最多支持 50 个。
- 随机抽样：获取具有代表性的样本，支持设置随机种子以保证可复现，大样本（超过 1 万）会自动处理多次请求。
- 引文分析：查找引用特定作品的论文。
- 主题与学科分析：通过 group_by 了解研究重点领域。
- 大规模数据提取：分页获取全部结果并导出为 CSV 等格式。
使用方式 安装依赖：使用 uv 安装 requests 包，命令为 uv pip install requests。无需 API 密钥，OpenAlex 完全开放。 初始化客户端时始终提供邮箱地址以进入 polite pool，示例： from scripts.openalex_client import OpenAlexClient client = OpenAlexClient(email="your-email@example.edu") 该技能主要提供两个脚本：openalex_client.py 提供直接 API 访问，自动处理速率限制、指数退避重试、分页、批量操作和错误处理；query_helpers.py 提供常用操作的高层辅助函数，如 find_author_works()、find_institution_works()、find_highly_cited_recent_papers()、get_open_access_papers()、get_publication_trends()、analyze_research_output()。 实体查询遵循两步模式：先搜索实体名称获得 ID，再按 ID 过滤，不能直接按实体名称过滤。建议始终使用每页 200 条，批量 ID 使用 batch_lookup()，随机数据使用 sample_works() 并设置 seed，必要时通过 select= 仅返回所需字段以减少响应体积。外部标识符可直接使用，如作品的 DOI、作者的 ORCID、机构的 ROR、来源的 ISSN。
适用场景 适用于学术文献检索、科研产出评估、作者或机构科研表现分析、研究趋势追踪、开放获取情况调研、引文网络分析、主题分布分析以及需要大规模文献数据导出进行后续分析的场景。
限制 无需身份验证，所有数据开放免费。速率限制全局生效而非按 IP：默认每秒 1 次请求、每日 10 万次；提供邮箱进入 polite pool 后为每秒 10 次请求、每日 10 万次。若遇到 403 错误，应确认已添加邮箱且未超出每秒 10 次。若搜索无结果，检查过滤语法、使用两步模式、确认实体 ID 格式。大查询超时可使用分页、限制返回字段或拆分查询。若需基于 LLM 的分析，应使用 LitLLM 搭配 OpenRouter，不要直接使用 Perplexity API。
关于更详细的 API 参考与查询示例，资料提及 references/api_guide.md 和 references/common_queries.md，分别涵盖完整过滤语法、端点、响应结构、错误处理、性能优化、速率限制细节，以及完整可运行示例、真实用例、复杂查询模式、数据导出工作流和多步骤分析流程。