用途：围绕一篇高相关论文，智能地沿引用网络向后（参考文献）和向前（引用该文的论文）扩展，帮助构建对某主题的全面理解。核心原则是只追踪与用户查询相关的引用，先过滤再遍历，避免指数级膨胀。
主要能力：通过 Semantic Scholar API 按 DOI 获取 paperId，再查询 references 与 citations；对每条引用按上下文关键词、标题关键词、引用意图（methodology/result 优先于 background）和时效性打分，仅将达标项加入队列；用 papers-reviewed.json 去重，用 citations/citation-graph.json 记录引用关系。
使用方式：先按 DOI 查询 paperId，例如 curl "https://api.semanticscholar.org/graph/v1/paper/DOI:10.1234/example.2023?fields=paperId,title,year"；再获取参考文献 curl "https://api.semanticscholar.org/graph/v1/paper/{paperId}/references?fields=contexts,intents,title,year,abstract,externalIds&limit=100"，或获取引用文献 curl "https://api.semanticscholar.org/graph/v1/paper/{paperId}/citations?fields=title,year,abstract,externalIds&limit=100"。过滤后加入处理队列，交由 evaluating-paper-relevance 技能评估，相关则提取数据并更新 SUMMARY.md。
适用场景：找到评分≥7的高相关论文、需要查找相关工作、用户询问“哪些论文引用了这篇”、或需系统理解某主题时。
限制：论文评分低于7、已达50篇、或引用明显偏离摘要主题时不建议使用；遍历深度限制为2层，每50篇需与用户确认；Semantic Scholar 免费层限每5分钟100次请求，带 API key 为1000次，需注意限流并缓存响应；仅使用 citation-graph.json 和 SUMMARY.md 记录，不创建自定义分析文件。