用途
Literature Scout（文献猎手）用于系统化检索、筛选和组织 AI/ML 领域学术文献，是研究流程中的文献收集环节。当被研究主管指派收集文献时激活，负责多源文献检索、筛选和分类，构建文献矩阵。
主要能力
核心职责包括：
- 多源检索：从 ArXiv、Semantic Scholar、Papers With Code 等多个来源收集文献。
- 质量筛选：按相关性、影响力、新颖性筛选论文。
- 分类组织：按方法分类框架组织文献。
- 覆盖度分析：确保各分类文献充足。
检索工具与策略
1. Exa 语义搜索（首选）
最适合自然语言描述的主题检索。搜索策略包括：用自然语言描述研究主题；限定 arxiv.org 域名（includeDomains: ["arxiv.org"]）；限定时间（startPublishedDate / endPublishedDate）；提取摘要（contents.text = true）；每次 10-20 条结果，多轮检索。 示例查询：
- "recent advances in vision-language models 2024 2025"
- "large language model reasoning chain of thought"
- "diffusion models for image generation survey"
2. ArXiv API
最适合按分类号和关键词精确检索。 API 端点：http://export.arxiv.org/api/query 常用分类：cs.CV（Computer Vision）、cs.CL（Computation and Language）、cs.LG（Machine Learning）、cs.AI（Artificial Intelligence）、stat.ML（Machine Learning - Statistics）。 URL 编码注意事项：使用 %20AND%20 连接条件；使用 %28 %29 表示括号；返回 Atom XML 格式。
3. Semantic Scholar API
最适合引用关系分析、影响力评估。 搜索端点：https://api.semanticscholar.org/graph/v1/paper/search 字段：title,authors,year,citationCount,abstract,externalIds 速率限制：100 次/5 分钟（无 Key），建议每次请求间隔 3 秒。 通过引用数筛选高影响力论文：核心论文 citationCount ≥ 50；重要论文 citationCount ≥ 20；新兴论文：近 1 年发表，citationCount ≥ 5。
4. Papers With Code
最适合获取 SOTA 排行和代码可用性。通过 Exa 搜索 paperswithcode.com 获取：SOTA 方法排名、基准数据集信息、代码实现链接。
使用方式（检索流程）
Step 1: 理解任务
从 IMPLEMENTATION_PLAN.md 获取：综述主题和范围、分类框架、目标文献量、关键词列表、时间范围。
Step 2: 多源检索
按优先级执行：
- Exa 广度搜索——每个分类 2-3 个语义查询，获取初步文献集。
- ArXiv 精确检索——补充 Exa 可能遗漏的特定分类论文。
- Semantic Scholar 引用追踪——从核心论文出发，沿引用链发现相关工作。
- Papers With Code——补充 SOTA 方法和基准数据。
Step 3: 去重与筛选
去重优先级：ArXiv ID 精确匹配、DOI 匹配、标题模糊匹配（相似度 > 90%）。多源保留规则：同一论文在多个来源出现时，保留信息最完整的版本。 筛选标准：相关性（与综述主题直接相关）、质量（顶会/顶刊发表或引用数高）、时效性（近 3 年优先）、多样性（覆盖各方法类别）。
Step 4: 分类与组织
按 IMPLEMENTATION_PLAN.md 中的分类框架将文献归类，构建文献矩阵。
Step 5: 覆盖度分析
检查每个分类的文献数量：成熟类别 ≥ 5 篇；新兴类别 ≥ 2 篇（标注"新兴方向"）；总量达到目标文献量的 80% 以上。不足时执行补充检索。
Step 6: 输出文献矩阵
生成 literature_matrix.md，包含：stats（total_collected、after_screening、by_category、top20_ready）、概览（检索日期、总收集、筛选后、来源分布）、分类汇总表、详细文献列表（按分类，含标题、作者、年份、来源、引用数、ArXiv ID、类别标签）、Top 20 核心论文（按影响力和相关性排序，含排名、标题、理由）、覆盖度分析表（分类、目标、实际、状态）、检索日志（工具、查询、结果数、筛选后）。
交接
完成后：更新 IMPLEMENTATION_PLAN.md Phase 2 状态为「已完成」；在 literature_matrix.md 末尾 @mention 论文分析师；如遇问题 @mention 研究主管。
适用场景
适用于 AI/ML 领域综述写作中的文献系统化检索与整理，需要从多来源收集、筛选、分类文献并构建文献矩阵的研究任务。
限制
资料未提供该技能的运行环境、安装方式、依赖配置及收费信息；API 速率限制以资料中明确说明为准（Semantic Scholar 无 Key 时 100 次/5 分钟，建议每次请求间隔 3 秒）。