dgu-stallion Paper Search
锚点深搜：先找高质量锚点论文并下载，从其参考文献中提取二次搜索线索，再向外扩展。
职责边界
| 所需 | 研究方向 + 核心关键词 |
|---|---|
| 产出 | paper_search.md（验证后的文献清单）+ 锚点 PDF |
| 完成 | 锚点 4-6 篇已下载，二次扩展已执行，每条引用有验证状态 |
| 不做 | 综述写作（→ literature-review）；非学术材料（→ data-collector） |
Step 1 — 收集信息
- 读
topics/research_proposal.md，提取：核心概念、研究问题、已提关键词 - 读对话中用户已提供的方向
- 缺失则追问（一次一个）："研究方向是什么？想搜哪些理论或关键词？"
完成：关键词（中英文）已确定。
Step 2 — 锚点深搜
2a 关键词搜索 → 选出 4-6 篇锚点论文
↓
2b 下载锚点 PDF（自动，不询问）
↓
2c 从 PDF 提取参考文献 → 二次搜索
↓
2d 补充搜索（填补缺口维度）
2a — 找锚点
用核心关键词搜索，按以下标准选取 4-6 篇锚点：
| 优先 | 说明 |
|---|---|
| 期刊层级 | A+/A 优先 |
| 被引量 | >500 或领域经典 |
| 直接相关 | 与研究问题核心关联 |
| 来源多样 | 不能全是同一作者/团队；中英文各 ≥1 篇 |
完成：锚点论文 4-6 篇已选定，每篇有选取理由。
2b — 下载锚点 PDF
锚点论文自动下载，不询问用户。
下载渠道优先级（每渠道超时 30 秒）：
| 优先级 | 渠道 | 工具 |
|---|---|---|
| 1 | Sci-Hub 镜像 | download_scihub(identifier=DOI, base_url=mirror) |
| 2 | Semantic Scholar OA | download_semantic(paper_id="DOI:...") |
| 3 | Tavily PDF 搜索 | tavily_search("{title} filetype:pdf") → curl |
| 4 | 源原生 | download_arxiv / download_biorxiv 等 |
Sci-Hub 镜像顺序：sci-hub.st → sci-hub.ru → sci-hub.se。
save_path = "./literature/pdfs"
下载后验证：
file <路径>— 必须含PDF document- 重命名为
{年份}_{简化标题}.pdf
失败处理：标记 [锚点下载失败-需手动]，继续流程但在报告中提醒。
完成：锚点 PDF 已下载到 literature/pdfs/，失败的已标记。
2c — 参考文献提取与二次搜索
对每篇已下载的锚点 PDF：
- 提取参考文献：用
markitdown提取 PDF 全文，定位 References/参考文献 部分 - 识别高相关论文：从参考文献中筛选与研究问题直接相关的论文
- 二次搜索：用
search_crossref或search_semantic查找这些论文 - 元数据验证：用
get_crossref_paper_by_doi(DOI)确认
提取命令：
markitdown "path/to/paper.pdf" | grep -A 500 -i "references\|参考文献"
或 Python：
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("path/to/paper.pdf")
# 在 result.text_content 中搜索 References 部分
提取重点：
- 锚点论文引用的理论奠基作（如 RBV 锚点引用的 Barney, Teece 等）
- 锚点论文引用的方法论先驱
- 与研究问题相关的实证研究
完成：每篇锚点的参考文献已提取，高相关论文已二次搜索并验证。
2d — 补充搜索
检查当前候选池的覆盖：
- 理论文献是否充足？
- 方法论文献是否有？
- 中英文是否均衡？
- 是否有明显缺口维度？
针对缺口执行补充搜索。
完成：候选池已覆盖理论、方法、实证三类，无明显缺口。
Step 3 — 筛选
| 维度 | 纳入 | 排除 |
|---|---|---|
| 相关性 | 与研究问题直接相关 | 仅标题相似 |
| 时效性 | 近 10 年（核心近 5 年） | 过时且无奠基价值 |
| 质量 | 同行评审期刊/会议 | 未审稿文章 |
期刊层级：A+（顶刊）、A（SSCI Q1-Q2）、B（Q2-Q3）、经典（被引>1000）。
完成：纳入列表已确定，每篇有相关度和层级标注。
Step 4 — 验证引用
禁止凭记忆生成引用。标题必须来自检索结果原文。
| 状态 | 标准 |
|---|---|
| ✓ 已验证 | ≥2 源一致 或 CrossRef DOI 确认 |
| △ 单源 | 仅 1 源但有完整 DOI |
| ✗ 存疑 | 信息不一致，需用户确认 |
完成：所有论文有验证状态，存疑已标记。
Step 5 — 写报告
paper_search.md 结构
# 文献搜索报告
## 一、搜索策略
关键词、工具、锚点深搜路径；
漏斗：检索 X 篇 → 锚点扩展 Y 篇 → 纳入 N 篇。
## 二、研究空白
现有研究的 2-3 个空白；有无竞争论文。
## 三、核心锚点论文（4-6 篇）
| # | 标题 | 作者 | 年份 | 期刊 | 层级 | 被引 | 选入理由 | PDF状态 |
## 四、二次扩展论文
从锚点参考文献中发现的重要论文。
## 五、完整文献列表
| # | 标题 | 作者 | 年份 | 期刊 | 层级 | 相关度 | 被引 | 状态 | DOI |
完成：五节均已填写，锚点有 PDF 状态标注。
Step 6 — 询问下载（非锚点）
锚点已在 Step 2b 自动下载。此步询问其他论文：
✅ 文献搜索完成
📄 literature/paper_search.md
漏斗: 检索 X 篇 → 锚点扩展 Y 篇 → 纳入 N 篇
锚点: [已下载 M 篇 / 失败 K 篇]
📊 研究空白: [简述]
其他 [N-M] 篇论文需要下载吗？
A. 下载全部
B. 指定下载
C. 暂不下载（推荐，需要时再下）
工具分工
| 目标 | 首选 | 备选 |
|---|---|---|
| 精确查找 | CrossRef | OpenAlex |
| 主题探索 | Semantic Scholar | Google Scholar |
| 元数据验证 | CrossRef get_crossref_paper_by_doi |
— |
| 中文论文 | Tavily site:cnki.net |
— |
| PDF 下载 | Sci-Hub → Semantic → Tavily | — |
禁止：download_with_fallback（会匹配无关文献）
质量 Checklist
- 锚点 4-6 篇，有选取理由
- 锚点 PDF 已下载（失败的已标记）
- 从锚点参考文献做了二次搜索
- 所有引用来自实际检索，标题完整
- 每篇有验证状态和 DOI
- 存疑引用已告知用户