How do I install the Paper Search skill?

Run npx skillmds@latest add woodfishhhh/paper-search in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Paper Search safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Paper Search?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Paper Search free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Paper Search?

woodfishhhh (@woodfishhhh) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Paper Search by woodfishhhh — Agent Skill

Name: Paper Search
Author: woodfishhhh

Paper Search

论文检索子 skill。通过 OpenAlex API（默认）、arXiv、Semantic Scholar、CrossRef 四个免费源聚合搜索学术文献，返回结构化论文元信息（含 DOI / 摘要 / 引用数）。默认零配置；可选 EZMM_OPENALEX_EMAIL / EZMM_S2_API_KEY 提升配额。

woodfishhhh Updated Sep 17, 2026

File contents

paper-search — 多源学术论文检索

何时使用

writer 在 pipeline 04 写理论性章节（"为什么用 AHP" 等）
modeler 在 pipeline 02 选择非教科书算法时找文献
任何需要"标题 → DOI → 摘要"的场景

入口脚本

scripts/openalex_scholar.py — OpenAlex 单源（首选，零配置） scripts/aggregated_search.py — 多源聚合（OpenAlex + arXiv + S2 + CrossRef）

命令行用法

# 单源（推荐先试）
python scripts/openalex_scholar.py "AHP TOPSIS comprehensive evaluation" --top-k 5

# 多源聚合（更全但慢）
python scripts/aggregated_search.py "grey prediction GM(1,1)" --top-k 8

# 输出到文件（用于 writer 后续读取）
python scripts/aggregated_search.py "Sobol sensitivity analysis" --top-k 5 \
  --out workdir/{task_id}/refs/sensitivity.json

输出格式（JSON 数组）

[
  {
    "title": "...",
    "authors": ["...", "..."],
    "year": 2022,
    "doi": "10.1109/...",
    "venue": "Journal / Conf",
    "abstract": "...（≤ 500 字符）",
    "cited_by_count": 132,
    "url": "https://doi.org/...",
    "source": "openalex | arxiv | s2 | crossref"
  }
]

writer 取后插入 footnote 候选；每条文献全文唯一引用一次。

配置

Env Var	必需	用途
`EZMM_OPENALEX_EMAIL`	否	提供邮箱可提升 OpenAlex 配额
`EZMM_S2_API_KEY`	否	Semantic Scholar 配额翻倍

不填仍可使用所有源的免费配额。

限速与重试

单源失败重试 1 次（指数退避 1s, 4s）
第 2 次失败 → 标记该源不可用，跳过
至少 1 个源成功就返回结果，不强求全部

失败诊断

情况	处理
全部源不可达（断网）	stdout 输出 `[]`，stderr 给出诊断
单源限流	跳过；其他源继续
关键词太长	自动截至 200 字符

---name: paper-searchdescription: 论文检索子 skill。通过 OpenAlex API（默认）、arXiv、Semantic Scholar、CrossRef 四个免费源聚合搜索学术文献，返回结构化论文元信息（含 DOI / 摘要 / 引用数）。默认零配置；可选 EZMM_OPENALEX_EMAIL / EZMM_S2_API_KEY 提升配额。---# paper-search — 多源学术论文检索## 何时使用- writer 在 pipeline 04 写理论性章节（"为什么用 AHP" 等）- modeler 在 pipeline 02 选择非教科书算法时找文献- 任何需要"标题 → DOI → 摘要"的场景## 入口脚本`scripts/openalex_scholar.py` — OpenAlex 单源（首选，零配置）`scripts/aggregated_search.py` — 多源聚合（OpenAlex + arXiv + S2 + CrossRef）## 命令行用法```powershell# 单源（推荐先试）python scripts/openalex_scholar.py "AHP TOPSIS comprehensive evaluation" --top-k 5# 多源聚合（更全但慢）python scripts/aggregated_search.py "grey prediction GM(1,1)" --top-k 8# 输出到文件（用于 writer 后续读取）python scripts/aggregated_search.py "Sobol sensitivity analysis" --top-k 5 \ --out workdir/{task_id}/refs/sensitivity.json```## 输出格式（JSON 数组）```json[ { "title": "...", "authors": ["...", "..."], "year": 2022, "doi": "10.1109/...", "venue": "Journal / Conf", "abstract": "...（≤ 500 字符）", "cited_by_count": 132, "url": "https://doi.org/...", "source": "openalex | arxiv | s2 | crossref" }]```writer 取后插入 footnote 候选；每条文献全文唯一引用一次。## 配置| Env Var | 必需 | 用途 ||---|---|---|| `EZMM_OPENALEX_EMAIL` | 否 | 提供邮箱可提升 OpenAlex 配额 || `EZMM_S2_API_KEY` | 否 | Semantic Scholar 配额翻倍 |不填仍可使用所有源的免费配额。## 限速与重试- 单源失败重试 1 次（指数退避 1s, 4s）- 第 2 次失败 → 标记该源不可用，跳过- 至少 1 个源成功就返回结果，不强求全部## 失败诊断| 情况 | 处理 ||---|---|| 全部源不可达（断网） | stdout 输出 `[]`，stderr 给出诊断 || 单源限流 | 跳过；其他源继续 || 关键词太长 | 自动截至 200 字符 |

Frequently asked questions