指南

研究工作流

从第一个问题到一份存好、带笔记的阅读清单，智能体如何用好 Scholar。

工具由智能体自己选择，结果是否扎实取决于几个习惯：搜得宽，筛得快，读得细，把站得住的留下。

直接用问题搜索

search_papers 专为整句提问设计。像问同事那样把问题交给它即可，也可以给一句记得的原话或一个标题。语义数据源收到原句，关键词数据源收到从原句提炼的关键词，所以自己先改写成关键词，往往反而丢了信息。

缩小范围靠参数，而非改措辞。

year="2024-2026" 或 year="2023" 限定年份，venue="NeurIPS" 限定会议或期刊。
min_citations、paper_types 和 open_access_only 让候选更严格。
intent="survey"、"foundational"、"recent"、"method" 或 "dataset" 让排序偏向某类需求，相关性照常计入。
sort="citations" 或 sort="date" 会直接替换排序结果，仅在确需硬排序时使用。

用目标文献的语言提问。计算机和 AI 方向通常用英文。

先筛，再读

每条结果有标题、作者、会议或期刊、引用数、简短摘要，以及供后续调用使用的 id。Scholar 给出的任何标识符、论文链接或准确标题，在所有工具中均可使用。先根据这些信息筛一遍，再用 read_paper 打开要紧的论文。

默认读 pages="1-10"，一篇 AI 会议论文通常能读到结论。
参考文献和附录用 pages="11-20"，一次最多 20 页。范围很长时，读满 100,000 字会在页边界停下，next_pages 给出下一段的页码。
每次读取都会列出图和表的名字。用其中一个名字再读一次，例如 visual="Figure 3"，智能体就能看到这张图和它周围的文字。

read_paper 可以复用已保留的 PDF，新临时副本在读完后清理。需要保留文件时，用 download_paper。

沿引用查找

paper_info 一次可取回详情、被引和参考文献，即 include="detail,citations,references"。被引是后来引用它的论文，参考文献是它引用的论文，两个列表均按引用数排序。

recommend_papers 横向扩展。relation="similar" 找内容相近的论文，"peers" 找常与它一同被引用的论文，"kin" 找与它引用同一批文献的论文，后者常能发现跨领域的联系。

留下有用的

download_paper 把校验过的 PDF 存入论文目录，并记入文献库的一个集合（默认名为 downloads，也可指定）。启用研究工具集后，paper_library 可以保存论文、写笔记、打标签、搜索已存内容，也可把集合导出到 Obsidian。存下的内容跨会话保留，下次对话可从文献库接着做。详见文献库。

梳理一个领域

build_paper_graph 从一篇或几篇种子论文出发，沿引用向外扩展，返回节点、边、PageRank、桥接论文和一张 Mermaid 图。先从一跳、30 篇左右开始。形状合适后，再调高 max_hops（最多 3）或 max_papers（最多 100），并给出 topic_filter，防止大图偏题。

结果偏少时

若有数据源未响应并影响了结果，回复中会附一句提醒。加 debug=true 可查看每个数据源的状态、条数、耗时和实际使用的排序模型，也可读取 scholar://status。搜索慢、数据源缺失等情况，见常见问题。