📦 学术文献检索（期刊信息、影响因子、下载链接）

v1.0.0

根据主题、篇名、关键词等检索学术文献，返回真实的期刊信息、影响因子和下载链接，找不到就是找不到，绝不编造

0· 16·0 当前·0 累计

by @wangjinhongmy-pixel

生产力工具

下载技能包

安全扫描

VirusTotal

无害

查看报告

OpenClaw

安全

high confidence

该技能的需求与运行时指令与其既定目的（搜索公开学术数据库并返回可验证的书目信息）一致；它仅通过指令运行，不要求任何凭据或安装，也不尝试访问无关的系统资源。

评估建议

This 技能 is internally consistent for finding academic papers and providing links/metadata. Before 安装ing or using it: (1) confirm your 代理 has 网页/browsing 访问 so live 搜索es actually work; (2) do not supply 凭证s to the 技能—if you need to 访问 paywalled content, use your institution's 访问 via your browser/会话 rather than pasting secrets into the 代理; (3) 验证 critical detAIls (DOI, journal name, impact factor) agAInst the linked source (Crossref, publisher page, JCR) because the 代理 can still make mistakes desp...

详细分析 ▾

✓ 用途与能力

Name/description (academic paper lookup, journal 信息, IF, 下载 links) match the 技能.md. Declared data sources (PubMed, arXiv, Google Scholar, Crossref, CNKI, 网页 of Science) are 应用ropriate for the 状态d purpose; no unrelated 凭证s, binaries, or 安装s are 请求ed.

ℹ 指令范围

技能.md directs the 代理 to perform live 搜索es using a browser agAInst the 列出ed databases and return verifiable links and metadata. This stays within scope, but it implicitly assumes the 代理 has 网页/browsing capability. It also correctly notes paywalled resources and limits (will only provide public links). Be aware the 代理 could still hallucinate detAIls despite the 'never fabricate' promise—users should 验证结果s and source links, especially impact factors from proprietary sources (JCR).

✓ 安装机制

Instruction-only 技能 with no 安装 spec and no code files — lowest 安装 risk. Nothing will be written to disk or 下载ed by an 安装er as part of the 技能 package.

✓ 凭证需求

No 环境 variables, 凭证s, or config paths are 请求ed. The 技能列出s proprietary databases (e.g., 网页 of Science, JCR) as data sources but does not 请求凭证s; this is proportionate. Note: to 访问 paywalled content the user would need to supply their own 访问 (not 请求ed by the 技能).

✓ 持久化与权限

Defaults (always:false, 代理 invocation allowed) are 应用ropriate. The 技能 does not 请求 persistent 系统-wide privileges or modify other 技能s' configs.

安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

安装命令

点击复制

官方npx clawhub@latest install paper-finder

镜像加速npx clawhub@latest install paper-finder --registry https://cn.longxiaskill.com镜像同步中

需要定制？告诉我你的需求 →

技能文档

文献检索助手 (Paper Finder) ⚠️ 重要原则找不到就是找不到，绝不编造！ ✅ 只返回真实存在的文献 ✅ 明确标注“未找到”当检索无果 ✅ 提供可验证的链接和信息来源 ❌ 绝不生成虚假的文献信息 ❌ 绝不编造不存在的下载链接

功能根据你提供的主题、篇名、关键词、作者等信息，在主流学术数据库中检索文献，返回：

文献基本信息（标题、作者、期刊）
文献简介（摘要或核心内容）
期刊影响因子（如有）
官方下载/访问链接

使用方法基础检索

找关于[主题]的文献
搜索[关键词]相关的论文
查找[作者]发表的论文
找篇名包含[标题关键词]的文章

高级检索（组合条件）

找深度学习在医学影像中的应用，近5年，影响因子>5
搜索Transformer架构的综述文章，发表在Nature或Science
查找张三关于癌症免疫治疗的文献
找篇名包含“attention mechanism”的论文，2020年后发表

指定数据库

在PubMed上找关于COVID-19疫苗的文献
在arXiv上搜索大语言模型相关论文
在知网查找人工智能教育应用的中文文献

检索流程

解析需求 – 提取主题、关键词、限制条件（时间、期刊、影响因子等）
选择数据库 – 根据学科领域选择合适的数据源
执行检索 – 使用浏览器访问数据库官网进行真实检索
验证结果 – 确认文献真实存在，信息准确
格式化输出 – 按标准格式返回结果

输出格式找到文献时 📄 检索结果 [1/5] 标题：Attention Is All You Need 作者：Ashish Vaswani, Noam Shazeer, Niki Parmar, et al. 期刊：Advances in Neural Information Processing Systems (NeurIPS 2017) 影响因子：会议论文无IF，但NeurIPS为CCF-A类顶会被引次数：80,000+（Google Scholar，截至2024） 📋 简介：提出了Transformer架构，完全基于注意力机制，摒弃了RNN和CNN。这是大语言模型（如GPT、BERT）的基础论文。 🔗 链接：

arXiv: https://arxiv.org/abs/1706.03762
PDF下载: https://arxiv.org/pdf/1706.03762.pdf
Semantic Scholar: https://www.semanticscholar.org/paper/...

未找到时 ❌ 未找到符合条件的文献检索条件：主题=“量子计算在药物发现中的应用”，时间=2020-2024，影响因子>10 检索数据库：PubMed, Web of Science 可能原因：

检索条件过于严格（建议放宽影响因子限制）
该交叉领域文献较少
关键词需要调整

建议：

尝试更宽泛的关键词如“quantum computing” + “drug discovery”
移除影响因子限制，或降低至>5
扩大时间范围

示例对话示例1：主题检索用户：找关于深度学习在医学影像诊断中的文献，近3年，影响因子>5 我：正在为您检索... 📄 检索结果 [1/5] 标题：Deep Learning for Medical Image Analysis: A Comprehensive Review 作者：Jane Smith, John Doe, et al. 期刊：Nature Reviews Bioengineering (2023) 影响因子：42.8 📋 简介：全面综述了深度学习在医学影像分析中的应用，涵盖X光、CT、MRI等多种模态，讨论了当前挑战和未来方向。 🔗 链接：官方页面: https://www.nature.com/articles/... PubMed: https://pubmed.ncbi.nlm.nih.gov/...

示例2：精确查找用户：找篇名是“Attention Is All You Need”的论文我：✅ 找到精确匹配的文献 📄 Attention Is All You Need 作者：Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin 发表：Advances in Neural Information Processing Systems 30 (NeurIPS 2017) 页码：5998-6008 📋 简介：提出了Transformer模型，完全基于自注意力机制，实现了机器翻译任务的新SOTA，训练速度大幅提升。这是现代大语言模型（GPT、BERT、T5等）的奠基性工作。 📊 影响力： Google Scholar被引：80,000+ 发表会议：NeurIPS 2017（CCF-A类） 🔗 获取链接： arXiv: https://arxiv.org/abs/1706.03762 PDF: https://arxiv.org/pdf/1706.03762.pdf 官方代码: https://github.com/tensorflow/tensor2tensor

示例3：找不到的情况用户：找作者“李明”在Nature上发表的关于区块链的论文我： ❌ 未找到符合条件的文献检索条件：作者：李明期刊：Nature 主题：区块链 (blockchain) 检索数据库：PubMed, Web of Science, Google Scholar 结果：在Nature数据库中未找到作者“李明”发表的区块链相关论文。可能原因：

该作者可能未在Nature发表过区块链论文
作者姓名可能有多种拼写方式（Li Ming, M. Li等）
论文可能发表在Nature子刊（如Nature Communications）而非主刊

建议：

提供作者的全名拼音或英文拼写
扩大期刊范围至Nature子刊
尝试用关键词“blockchain” + “Li”进行更宽泛的检索

检索技巧提高检索成功率

使用英文关键词：“deep learning” 比 “深度学习” 结果更多
尝试同义词：“cancer” + “tumor” + “neoplasm”
使用作者ID：ORCID、ResearchGate链接
提供DOI：直接定位唯一文献
放宽限制：先大范围检索，再筛选

影响因子查询数据来源：

Journal Citation Reports (JCR)
Scopus CiteScore
中科院期刊分区

注意：

预印本（arXiv、bioRxiv）无影响因子
会议论文无影响因子，但可参考CCF分区

局限性说明

访问权限：我只能提供公开可访问的链接；付费论文可能只能提供摘要和购买链接
检索深度：复杂的多条件检索可能需要分步进行；某些专业数据库可能需要特殊访问权限
实时性：最新发表的论文（<1个月）可能尚未被索引；影响因子数据每年更新一次（通常6月发布）

相关工具检索完成后，你可以：

使用 paper-buddy skill 让我陪你读文献
使用 summarize skill 生成文献摘要
使用 sag skill 将文献内容转为语音

真实、准确、可验证 —— 你的可靠文献检索助手 🔍

数据来源：ClawHub ↗ · 中文优化：龙虾技能库