wp-a/nature-academic-search

解决的问题

Academic Paper Search 提供了一种可复现的方式来搜索、验证和导出学术文献。它通过将搜索结果与真实世界的学术数据库进行交叉引用，并对元数据（标题、作者、年份）进行字段级验证，确保引用真实准确，从而解决了 AI 生成引用时的“幻觉”问题。

工作原理

该项目实现了一个 搜索 $\rightarrow$ 去重 $\rightarrow$ 验证 $\rightarrow$ 导出 的流水线。它集成了多个学术来源，包括 CrossRef、PubMed、arXiv、OpenAlex 和 Europe PMC，并可选支持 Semantic Scholar 和 ClinicalTrials.gov。

它作为一组工具提供，可以通过三种方式使用：

1. MCP 服务器：为 AI 客户端（如 Claude Code 或 Codex）提供工具，以执行搜索、解析标识符和生成引用。
2. 技能：指导 AI 模型如何将研究问题分解为关键词并验证来源。
3. 命令行界面：允许通过 YAML 工作流进行批量处理，实现自动化检索和验证大批量论文。

适用人群

研究人员、学者以及 AI 高级用户，他们需要进行系统性文献综述、验证 AI 生成引用的准确性，或自动化收集并导出到 Zotero 和 EndNote 等参考文献管理工具。

亮点

• 多源检索：同时查询多个数据库，减少文献发现中的空白。
• 字段级验证：将预期引用数据与实际数据库元数据进行比较，以标记不匹配项。
• 引用图谱：可以追踪上游（参考文献）和下游（被引）关系，以探索研究网络。
• MeSH 集成：支持医学主题词表（MeSH）查询，用于精准生物医学搜索。
• 自动化工作流：支持 YAML 定义的流水线，用于可复现的搜索和筛选流程。