VisionXLab/CitationClaw

解决的问题

研究人员、基金申请者和评估者经常需要展示论文被引用的情况及引用者，但手动浏览 Google Scholar、元数据库和 PDF 既慢又容易出错。CitationClaw 自动化了整个流程：你提供论文标题或 Google Scholar 个人资料，它会爬取引用论文，收集作者和机构详细信息，识别知名学者，提取你的作品被引用的实际句子，并将所有内容打包成独立的 HTML 报告。该报告可重复用于研究总结、基金申请和学术演示。

工作原理

CitationClaw v2 运行一个五阶段流水线：

1. 引文入口发现 – 找到论文或个人资料的起点。
2. 引用论文检索 – 通过 ScraperAPI 使用 Google Scholar 获取引用论文列表。
3. 作者和元数据收集 – 从 OpenAlex、Semantic Scholar、arXiv、Web of Science Starter API 和基于 PDF 的回退方案中提取结构化数据。
4. 学者影响力评估 – 使用支持搜索的 LLM 预过滤、缓存和验证知名学者。
5. 引文上下文提取 – 下载、解析和审查引用 PDF，以恢复提及你作品的实际句子。
6. 报告生成 – 创建 Excel 表格、JSON 和自包含的 HTML 仪表板，包含图表、知识图谱、引文描述和成本摘要。

架构使用 Skills Runtime 注册可替换的阶段技能，TaskExecutor 协调流程。模型角色分离：支持搜索的 LLM 处理学者验证，而更便宜的轻量模型可以处理报告生成和引文上下文提取。有三个服务层级（Basic、Advanced、Full）来平衡深度、运行时间和成本。对于引用超过 1000 次的论文，年份遍历选项按年拆分 Google Scholar 查询，以绕过搜索引擎的显示限制。

v2 版本是 v1 的架构升级：它首先依赖结构化 API 而不是纯 LLM 提取，添加了 PDF 下载/解析流水线（v1 没有），并大量缓存以降低成本。README 报告 v2 将 LLM 令牌消耗减少到 v1 的约 1/5，同时将整体基准分数从 42.33 提高到 68.98。

适用人群

• 希望了解论文被引用情况及引用者的研究人员。
• 需要研究影响力具体证据的基金申请者和评估者。
• 准备年度评审、演示或终身教职材料的学者。
• 任何需要可分享、自包含的引文影响力报告而无需手动爬取的人。

亮点

• 基于 PDF 的引文上下文 – 提取引用你工作的实际句子，而非转述；这是相对于 v1 的最大改进（+32.45 基准分）。
• 结构化元数据优先 – 使用 OpenAlex、Semantic Scholar、arXiv、Web of Science 和 PDF 回退方案，而不是不可靠的仅 LLM 作者查找。
• 三个服务层级 – Basic、Advanced 和 Full 让你控制深度、运行时间和成本。
• 成本高效 – v2 将 LLM 令牌消耗减少到 v1 的约 1/5。
• 自包含 HTML 报告 – 单个浏览器可读文件，包含图表、知识图谱、成本摘要和 AI 助手入口；无需重新爬取即可从缓存重建。
• 大引文量的年份遍历 – 通过逐年查询 Google Scholar 处理引用超过 1000 次的论文。
• 可配置集成 – 可选的 ScraperAPI、Semantic Scholar API、Web of Science Starter API、用于复杂 PDF 的 MinerU，以及用于认证出版商下载的 CDP 调试端口。
• 预检模型检查 – UI 可以在完整运行前测试 LLM 连接。