据 AlphaMoat 统计,截至 2026-09,Google Scholar Search 累计下载 2,227 次、获 3 个星标,在全部 5,078 个 AI 技能中排名第 4,271 位,在「知识管理」分类(442 个)中排名第 370 位。

累计安装

127

累计下载

2,227

星标

全站排名

#4,271

全站前 85% · 「知识管理」前 84%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	52	1,945	2	-
SkillHub ↗	127	2,227	3	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

该技能使用 Semantic Scholar API 搜索论文，可获取引用信息、摘要和作者资料，并查找可下载的 PDF。文档说明无需 API 密钥。搜索词和论文 ID 会发送给 Semantic Scholar；除非可以接受向第三方共享，否则不要提交机密项目名称、敏感研究主题或私人标识符。

资料发布于 2026-10-29

可以用来做什么

按主题查找学术论文
查看论文引用、摘要和作者信息
查找可下载的论文 PDF

什么时候用

需要检索学术文献时
需要获取论文摘要或引用信息时
可以接受把检索词发送给 Semantic Scholar 时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

搜索有关我给定主题的学术论文，并返回摘要、作者、引用信息及可用的 PDF 链接；不要使用机密项目名称作为检索词。

月度数据趋势

累计下载2,227

星标3

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	2,227	—	3
2026-08	1,831	+9.9%	3
2026-07	1,666	+20.6%	3
2026-06	1,381	+16.7%	3
2026-05	1,183	—	3
2026-03	515	—	2

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

2.2 KB · ClawHub v1.0.0

---
name: google-scholar-search
description: Academic paper search using Semantic Scholar API. Free API - no key required. Search research papers, get citations, abstracts, authors, and download PDFs. Use when searching academic literature, finding research papers on specific topics, finding citation counts and paper metadata, getting paper abstracts and author information, or looking for papers from specific years or with minimum citations.
---

# Google Scholar Search

Search academic papers using the free Semantic Scholar API. No API key required.

## Quick Start

展开全部(共 73 行)


Basic search:
```bash
python3 {baseDir}/scripts/search_papers.py "machine learning transformers"
```

Search with filters:
```bash
python3 {baseDir}/scripts/search_papers.py "deep learning" --limit 5 --year 2020-2023 --min-citations 10
```

## Search Options

- `--limit N`: Number of results (default: 10, max: 100)
- `--year YYYY-YYYY`: Filter by year range (e.g., "2020-2023" or "2023")
- `--min-citations N`: Minimum citation count
- `--json`: Output in JSON format for machine processing

## Get Paper Details

Retrieve detailed information about a specific paper:
```bash
python3 {baseDir}/scripts/search_papers.py --details <paper-id>
```

## Returned Data

Each paper includes:
- **title**: Paper title
- **authors**: List of authors with names
- **year**: Publication year
- **venue**: Journal or conference name
- **citationCount**: Number of citations
- **abstract**: Paper abstract
- **url**: Link to Semantic Scholar page
- **openAccessPdf**: Direct PDF link if available
- **paperId**: Unique Semantic Scholar ID (for details lookup)

## Examples

Search for recent AI papers:
```bash
python3 {baseDir}/scripts/search_papers.py "large language models" --year 2022-2024 --limit 10
```

Find highly cited papers on a topic:
```bash
python3 {baseDir}/scripts/search_papers.py "quantum computing" --min-citations 50 --limit 10
```

Get JSON output for integration:
```bash
python3 {baseDir}/scripts/search_papers.py "neural networks" --json --limit 20
```

## Tips

- Use specific keywords for better results
- Filter by year to get recent research
- Use `--min-citations` to find influential papers
- The API is free and requires no authentication
- For complex queries, try multiple related terms