文献自动搜索与整理 Skill#

功能目的#

针对用户给定的研究主题，自动搜索 PubMed（NCBI E-utilities，无需 API Key）与 Semantic Scholar（免费 REST API，无需 Key）两大数据库，提取每篇文献的核心信息，并整理为结构化表格，包含：文献标题、关键词、链接、摘要、研究变量的概念定义、操作性定义（测量工具）等。

---

触发条件（Trigger Conditions）#

当用户出现以下任一意图时，立即启用此 Skill：

中文触发词：

• 帮我搜索 / 查找 / 找 XX 主题的文献
• 做一个文献综述 / 文献检索
• 整理 XX 相关的研究论文
• 文献搜索，主题是 XX
• 帮我找关于 XX 的学术文章
• XX 的研究变量是什么 / 操作性定义是什么
• 搜索 PubMed / Semantic Scholar 文献
• 搜索心理学 / 医学 / 生命科学文献

English trigger phrases:

• "search literature on [topic]"
• "find papers / articles about [topic]"
• "literature review on [topic]"
• "search PubMed / Semantic Scholar for [topic]"
• "organize papers into a table"
• "what are the research variables / operational definitions in studies on [topic]"

---

执行工作流（Workflow）#

Step 1 — 确认搜索参数#

If the query is unclear, ask the user:

• 研究主题（必填）：具体关键词或研究问题
• 时间范围（默认近 10 年）
• 文献数量（默认每个数据库 10–15 篇）
• API 密钥（可选）：WoS / Springer 密钥；无密钥则使用 Semantic Scholar 免费备用通道

建议澄清提示（中文）：

"请告诉我：① 具体研究主题或关键词；② 时间范围（默认近10年）；③ 需要多少篇？如有 Web of Science 或 Springer API 密钥请提供，没有也可以用免费通道搜索。"

---

Step 2 — 搜索文献#

PubMed 和 Semantic Scholar 均 无需 API Key，直接运行附带脚本即可。

并行搜索：PubMed + Semantic Scholar（推荐）

使用托管 Python 运行时并行运行两个脚本：

PubMed（NCBI E-utilities，无需 Key）：

bash

"C:\Users\refresh\.workbuddy\binaries\python\versions\3.13.12\python.exe" \
  "C:/Users/refresh/.workbuddy/skills/psych-literature-search/scripts/search_pubmed.py" \
  --query "[TOPIC]" --max 30

Semantic Scholar（免费 REST API，无需 Key）：

bash

"C:\Users\refresh\.workbuddy\binaries\python\versions\3.13.12\python.exe" \
  "C:/Users/refresh/.workbuddy/skills/psych-literature-search/scripts/search_semantic.py" \
  --query "[TOPIC]" --max 30

两个脚本并行运行；解析 JSON 输出，每个返回 hits 数组，包含 title, authors, year, journal, doi, abstract, keywords, url, database 字段。

PubMed 参数说明：

• --mindate 2015 / --maxdate 2024：时间范围过滤
• --email you@example.com：可选，填写你的邮箱以符合 NCBI 礼仪要求

Semantic Scholar 参数说明：

• --year 2015-2024：年份过滤
• --venue "Journal Name"：按期刊/会议过滤
• 速率限制：无需 Key 时 100 次/5 分钟，脚本已内置限速（每次请求间隔 6 秒）

方案 B：WebFetch 补充（可选）

若脚本执行失败，使用 WebFetch 工具直接调用 API：

PubMed E-utilities（WebFetch）：

text

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=[URL-ENCODED TOPIC]&retmax=20&sort=relevance&retmode=xml

然后对返回的每个 PMID 调用：

text

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=[PMIDs]&retmode=xml

Semantic Scholar（WebFetch）：

text

https://api.semanticscholar.org/graph/v1/paper/search?query=[URL-ENCODED TOPIC]&fields=title,authors,year,venue,doi,abstract,citationCount,fieldsOfStudy&limit=20

方案 C：WebSearch 兜底

如脚本和 WebFetch 均失败，使用 WebSearch：

• "[topic]" pubmed abstract
• "[topic]" site:semanticscholar.org
• "[topic]" (site:pubmed.ncbi.nlm.nih.gov OR site:semanticscholar.org)

---

Step 3 — 补充被引次数与文献类型#

PubMed 结果已包含 publication_types（如 "Journal Article", "Review", "Meta-Analysis"）。 Semantic Scholar 结果已包含 citations（被引次数）和 influential_citations（高影响力被引次数）。

无需额外脚本调用，直接使用 Step 2 返回的数据即可。

可选：如需补充期刊水平信息（JCR 分区、影响因子），可运行（需要相应 API 访问权限）：

bash

"C:\Users\refresh\.workbuddy\binaries\python\versions\3.13.12\python.exe" \
  "C:/Users/refresh/.workbuddy/skills/psych-literature-search/scripts/journal_level.py" \
  --journal "[JOURNAL NAME]"

未查询到分区信息时，注明"详见 JCR/Scimago"并附链接：

• https://jcr.clarivate.com/jcr/browse-journals
• https://www.scimagojr.com/

---

Step 4 — 去重与排序#

1. 按 DOI 合并 PubMed 与 Semantic Scholar 重复记录（标注 [双库收录]）
2. 排序：① 被引次数降序 ② 发表年份降序
3. 保留用户要求数量（默认 15 篇）

---

Step 5 — 生成结构化表格#

按照 references/output_templates.md 中的格式，输出以下内容：

主输出：一体化文献整理表（核心需求）

输出一张包含所有字段的综合表格，列包括：

编号标题（含链接）关键词摘要（原文）摘要（中文）研究变量概念定义操作性定义期刊水平被引次数

若一篇文献有多个研究变量，将同一编号的行合并或拆分多行分别描述每个变量。

辅助四表结构（用于系统化综述报告）：

• 表一 — 文献概览：标题、作者、年份、期刊、期刊水平、被引、DOI/链接
• 表二 — 关键词与摘要：关键词（双语）、摘要原文、摘要中文翻译
• 表三 — 研究变量定义表：研究变量、概念定义、操作性定义（测量工具/量表）
• 表四 — 研究设计摘要：研究类型、样本量、方法、主要工具、统计方法

综合分析部分（可选，系统综述时使用）：

• 核心发现（3-5 条，注明文献编号）
• 研究方法趋势
• 研究空白与未来方向

APA 7 参考文献列表

详见 references/output_templates.md 中的完整模板。

---

Step 6 — 交付报告#

• 在对话中以 Markdown 形式展示表格
• 如用户需要文件，写入 [主题]_文献整理_[日期].md 到工作区
• 可按需提供 Word 兼容格式

---

关键参考文件#

• references/api_reference.md — PubMed E-utilities 与 Semantic Scholar API 端点、字段映射、速率限制
• references/output_templates.md — 报告模板与输出格式规则（含所有表格示例）
• scripts/search_pubmed.py — PubMed 搜索脚本（无需 API Key）
• scripts/search_semantic.py — Semantic Scholar 搜索脚本（无需 API Key）
• scripts/journal_level.py — 期刊影响因子/分区查询脚本（可选）

---

重要注意事项#

• 链接格式：对每篇文献，优先使用 https://doi.org/[DOI] 作为标准链接；无 DOI 时使用 PubMed 链接或 Semantic Scholar 链接。

• 关键词处理：若文献未显式列出关键词，从摘要和主题标签中推断 3–6 个关键词，用 (推断) 标注。双语格式：英文原词 + 中文翻译，如 cognitive empathy（认知共情）。

• 研究变量定义提取规则：

  • 实证研究：列出所有被测量的核心变量（自变量、因变量、中间变量），分别给出概念定义（理论定义）和操作性定义（具体测量工具、量表名称、题目数量、计分方式）。
  • 综述/元分析：列出所综述的主要构念及其测量方式的范围。
  • 若文献未显式给出概念定义，从摘要和背景中推断，标注 (推断)。
  • 尽量包含信度信息（如 Cronbach's α）。

• 摘要翻译：英文摘要提供完整中文翻译（非摘要摘要）；超过 300 词时先压缩至约 200 词再翻译。

• 研究领域范围：默认搜索覆盖所有学科，若用户明确心理学主题，在 PubMed 中可加 MeSH 限定词，在 Semantic Scholar 中加 fieldsOfStudy:Psychology 过滤。

• 摘要缺失处理：标注 [摘要不可获取，请查阅原文]。

• 中文主题：若主题为中文，先翻译为英文再检索，并在报告中注明翻译。

• 伦理约束：不尝试下载或访问全文 PDF；仅通过官方 API 获取元数据和摘要。

• API 密钥安全：不在最终报告中打印或记录 API 密钥。