严格 Academic Literature Search

当你希望 research-skills 的文献检索更接近可审计、可复现的 academic review 工作流，而不是单一引擎的便捷搜索时，使用这份指南。

核心原则

把文献检索拆成四层证据能力，而不是让一个引擎包办一切：

scholarly-search：发现候选文献
metadata-registry：标准化 DOI、作者、期刊、年份
citation-graph：前向 / 后向引文扩展
fulltext-retrieval：拿全文并保留来源链

严格检索不应只依赖一个搜索源。

当前仓库内置了什么

目前仓库内置的文献 provider 有：

scholarly-search → 内置 Semantic Scholar 适配器，已带 query variants、结果规范化和基础 dedup
citation-graph → 内置 Semantic Scholar 引文图适配器，能先从 search_results.csv、bibliography.bib、notes/ 中抽 seed
metadata-registry → 内置本地 reference provider，用于 identifier 规范化、本地记录合并和 citekey 生成
fulltext-retrieval → 内置 retrieval-manifest stub，可根据本地文献产物草拟 retrieval_manifest.csv 和 screening/full_text.md

以下层仍然是外部 provider 插槽：

screening-tracker → 内置 checkpoint stub，可给 repo-local screening 产物生成 resume state；盲筛/多人筛选仍建议外部 tracker
extraction-store

所以当前最现实的“严格 baseline”是：

用内置 Semantic Scholar 做发现
用内置 metadata-registry 做本地规范化，再用 OpenAlex MCP 做权威 enrichment
用内置 citation graph 做 snowballing
用内置全文 planning stub 打底，再用 Zotero / OA resolver 做真实全文获取；builtin 输出现在会携带稳定的 resolution_bundle 供 resolver 直接消费

标准 Literature Bundle

当 literature workflow 运转正常时，建议最终收敛到这组共享产物：

search_strategy.md
search_log.md
search_results.csv
dedup_log.csv
snowball_log.md
bibliography.bib
screening/full_text.md
retrieval_manifest.csv

配置矩阵

先用这张表判断你到底需不需要配置：

层	零配置可否运行	是否建议 key	是否需要 `RESEARCH_MCP_*_CMD`	说明
`scholarly-search`	可以，走内置 Semantic Scholar	建议	可选	零配置能跑，并能产出 query variants 和 dedup-ready 结果行，但没有 key 时更容易被限流
`citation-graph`	可以，走内置 Semantic Scholar graph	不强制	可选	即使不接外部 MCP，也能先做 snowballing；内置模式会优先从本地产物抽 seed
`metadata-registry`	可以，走内置本地 reference provider	本地模式不需要	可选	内置模式可直接合并 BibTeX、RIS、CSL-JSON、notes 与 search results；要权威 enrichment 时再接 OpenAlex 等外部实现
`fulltext-retrieval`	可以，走内置 retrieval-manifest stub	内置模式不需要	可选，但真实下载强烈建议配置	内置模式会先草拟 retrieval status 和 provenance；要真正下载 PDF/全文时再接 Zotero 或其他解析器
`screening-tracker`	可以，但仅限 checkpoint stub	builtin stub 不需要	真正的多人筛选仍建议配置	builtin 模式会从本地 screening artifacts 推导 resume checkpoints
`extraction-store`	不可以	取决于 provider	需要	主要用于 systematic review

常用配置总表

如果你不确定“除了 search 之外还有哪些要配”，直接看这张表：

功能层	是否必须	什么时候该配	对应环境变量	推荐实现
模型调用	必须，至少配你实际使用的一个	只要你直接跑 orchestrator / bridge / CLI agent	`OPENAI_API_KEY` / `ANTHROPIC_API_KEY` / `GEMINI_API_KEY`	按你实际使用的模型提供商填写
CLI 语言	可选	你希望 CLI 输出固定为中文或英文时	`RESEARCH_CLI_LANG`	`zh-CN` 或 `en`
文献发现检索	非必须，但强烈建议	你要做 related work、gap analysis、literature review 时	`SEMANTIC_SCHOLAR_API_KEY`；可选 `RESEARCH_MCP_SCHOLARLY_SEARCH_CMD`	内置 Semantic Scholar；更严格时换成多源 scholarly MCP
引文扩展	可选	你要做 backward / forward snowballing 时	可选 `RESEARCH_MCP_CITATION_GRAPH_CMD`	默认内置 graph；更严格时换成自定义 graph MCP
元数据标准化	严格检索时建议视为必须	你要统一 DOI、作者、venue、年份，或做可复现 bibliography 时	可选 `RESEARCH_MCP_METADATA_REGISTRY_CMD`	内置本地 reference provider；权威 enrichment 时用 `python3 -m openalex_mcp`
全文获取	做系统综述或深度阅读时建议配置	你要批量拿 PDF、全文、版本来源链时	`RESEARCH_MCP_FULLTEXT_RETRIEVAL_RESOLVE_CMD`	Zotero MCP / OA resolver
筛选跟踪	systematic review 场景下建议配置	你需要记录纳入/排除决策、双人筛选流程时	`RESEARCH_MCP_SCREENING_TRACKER_CMD`	Rayyan MCP 或本地 stub
结构化提取库	systematic review 场景下建议配置	你要维护 extraction table、effect size、study attribute 时	`RESEARCH_MCP_EXTRACTION_STORE_CMD`	Covidence 类 MCP 或 CSV/SQLite stub
统计分析引擎	做 meta-analysis、统计建模时建议配置	你希望把统计运行外包给 R/Python engine 时	`RESEARCH_MCP_STATS_ENGINE_CMD`	R script MCP / Python stats MCP
代码运行时	做 research code 执行时建议配置	你希望实际执行生成代码而不只是写代码时	`RESEARCH_MCP_CODE_RUNTIME_CMD`	Jupyter MCP / 其他 sandbox runtime
报告规范检查	投稿前建议配置	你要外部化 PRISMA、CONSORT、STROBE 等 guideline 检查时	`RESEARCH_MCP_REPORTING_GUIDELINES_CMD`	EQUATOR 类 MCP 或本地 checklist stub
投稿包管理	非必须	你要管理投稿信、CRediT、supplement 清单时	`RESEARCH_MCP_SUBMISSION_KIT_CMD`	OJS / Overleaf / submission MCP

三个最常见的配置层级

使用目标	最少配置
先跑起来	一个模型 API key
论文写作 / related work 更稳	一个模型 API key + `SEMANTIC_SCHOLAR_API_KEY`；要更强 metadata enrichment 时再加 `RESEARCH_MCP_METADATA_REGISTRY_CMD`
systematic review / review-grade	上述配置 + `RESEARCH_MCP_FULLTEXT_RETRIEVAL_RESOLVE_CMD`，必要时再补 `RESEARCH_MCP_SCREENING_TRACKER_CMD` 和 `RESEARCH_MCP_EXTRACTION_STORE_CMD`

如果什么都不配置，会发生什么

如果你完全不配置：

scholarly-search 仍会尝试使用内置 Semantic Scholar
citation-graph 仍会尝试使用内置 Semantic Scholar graph
metadata-registry 仍会尝试使用内置本地 reference provider
fulltext-retrieval 仍会先生成本地 retrieval manifest 和 screening 草稿
即使没有外部 tracker，screening-tracker 也能基于这些产物推导 repo-local resume checkpoints
只要你没有显式启用严格 MCP 校验，任务通常仍能继续运行

这足够做 exploratory search，但不适合作为严格 review-grade 检索的长期默认配置。

需要注意：bibliography.bib 仍是这个仓库里的 canonical export，但它不是唯一支持的工作输入。即使用户平时不用 BibTeX，内置 metadata 层也可以直接吃 references.json、references.ris、search_results.csv 和 notes/。

分步配置说明

方案 A：零配置起步

什么都不配，直接使用内置 provider。优点是最快，缺点是召回、metadata 质量和限流稳定性都有限。

当前内置 scholarly-search baseline 仍会帮你产出：

基于 topic / question / keywords 的多组 query variants
规范化后的 search_results 结果行
机器可读的 dedup_log
按 query 记录的 search_log 执行条目

方案 B：推荐的轻量增强版

在项目根目录创建 .env：

env

SEMANTIC_SCHOLAR_API_KEY="your-semantic-scholar-key"
RESEARCH_MCP_METADATA_REGISTRY_ENRICH_CMD="python3 -m openalex_mcp"

这是一套对大多数用户最划算的默认增强方案，不需要自己做太多工程接入。

如果你还没有接全文解析器，内置 fulltext-retrieval 也已经会先帮你准备：

retrieval_manifest.csv 草稿行
screening/full_text.md 草稿行
not_retrieved:oa_candidate / not_retrieved:needs_provider / not_retrieved:missing_locator 这类状态提示
resolution_bundle.pending_records 和聚合后的 next_actions，方便下一步接入 resolver

方案 C：Review-Grade 多源方案

把 discovery、metadata 和 full text 分成独立层来接：

env

RESEARCH_MCP_SCHOLARLY_SEARCH_CMD="python3 /path/to/multi_source_search_mcp.py"
RESEARCH_MCP_METADATA_REGISTRY_ENRICH_CMD="python3 -m openalex_mcp"
RESEARCH_MCP_CITATION_GRAPH_CMD="python3 /path/to/graph_mcp.py"
RESEARCH_MCP_FULLTEXT_RETRIEVAL_RESOLVE_CMD="npx -y @zcaceres/zotero-mcp-server"

适合需要稳定 search log、合并候选集、可追溯 provenance 的项目。

方案 D：本地文献库受控方案

如果 discovery 和全文都必须限定在你的本地精选库中：

env

RESEARCH_MCP_SCHOLARLY_SEARCH_CMD="npx -y @zcaceres/zotero-mcp-server"
RESEARCH_MCP_FULLTEXT_RETRIEVAL_RESOLVE_CMD="npx -y @zcaceres/zotero-mcp-server"
RESEARCH_MCP_METADATA_REGISTRY_ENRICH_CMD="python3 -m openalex_mcp"

适合审稿前证据链要求更严、或者必须限定语料范围的项目。

严格模式说明

如果你用 --mcp-strict 跑任务，所有必需的外部 provider 都必须真的配置好。实际含义是：

内置 scholarly-search 和 citation-graph 仍可满足这两层，前提是你没有把它们 override 掉
内置 metadata-registry 可以先满足本地规范化这一层，不需要额外配置
内置 fulltext-retrieval 可以先满足 retrieval planning 这一层，不需要额外配置
当你想在 builtin reference 模式之上叠加外部权威 enrichment 时，设置 RESEARCH_MCP_METADATA_REGISTRY_ENRICH_CMD
只有当你想完全改成外部 metadata provider 时，才需要设置 RESEARCH_MCP_METADATA_REGISTRY_CMD
当你想在 builtin planning stub 之上叠加真实全文解析/下载时，设置 RESEARCH_MCP_FULLTEXT_RETRIEVAL_RESOLVE_CMD
只有当你想完全替换 builtin provider 时，才设置 RESEARCH_MCP_FULLTEXT_RETRIEVAL_CMD

不同引擎分别适合什么

按职责选引擎，不要默认某一个引擎能包办全部：

引擎	更适合的用途	说明
Semantic Scholar	快速发现、相关性扫描、citation count	仓库内置；无 API key 时可能更容易遇到限流
OpenAlex	元数据标准化、实体图谱、作者 / 期刊清洗	很适合作 discovery 的补充层
Crossref	DOI 定位、规范化 metadata harvesting	很适合作 verification / normalization 层
Europe PMC / PubMed	生物医学与生命科学检索	适合提升特定领域召回率
arXiv	CS、physics、math 的 preprints	适合 preprint 占比高的领域
CORE	open-access 全文发现	适合 OA retrieval
Lens	学术 + 专利全景	常见于机构级接入，先确认使用权限

不建议作为主可复现层的引擎

Google Scholar 仍可用于人工 spot check，但不建议作为这套系统里 review-grade 自动检索的主来源，因为其查询行为和复现性都更难控制。

如何验证

配置完成后运行：

bash

python3 -m bridges.orchestrator doctor --cwd .

如果你想单独 smoke-test 内置 Semantic Scholar provider，可以运行：

bash

printf '%s' '{"provider":"scholarly-search","task_packet":{"topic":"causal inference in management research"}}' | python3 scripts/mcp_scholarly_search.py

如果返回 HTTP Error 429，说明 provider 本身是可达的，但当前被限流了。这时应优先补 SEMANTIC_SCHOLAR_API_KEY，或者把 scholarly-search 切到你自己的多源 MCP。

严格 Academic Literature Search

核心原则

当前仓库内置了什么

标准 Literature Bundle

配置矩阵

常用配置总表

三个最常见的配置层级

如果什么都不配置，会发生什么

分步配置说明

方案 A：零配置起步

方案 B：推荐的轻量增强版

方案 C：Review-Grade 多源方案

方案 D：本地文献库受控方案

严格模式说明

推荐的检索栈

1. 轻量增强版

2. Review-Grade 方案

3. 本地文献库受控方案

推荐的查询流程

不同引擎分别适合什么

不建议作为主可复现层的引擎

如何验证

严格 Academic Literature Search ​

核心原则 ​

当前仓库内置了什么 ​

标准 Literature Bundle ​

配置矩阵 ​

常用配置总表 ​

三个最常见的配置层级 ​

如果什么都不配置，会发生什么 ​

分步配置说明 ​

方案 A：零配置起步 ​

方案 B：推荐的轻量增强版 ​

方案 C：Review-Grade 多源方案 ​

方案 D：本地文献库受控方案 ​

严格模式说明 ​

推荐的检索栈 ​

1. 轻量增强版 ​

2. Review-Grade 方案 ​

3. 本地文献库受控方案 ​

推荐的查询流程 ​

不同引擎分别适合什么 ​

不建议作为主可复现层的引擎 ​

如何验证 ​

严格 Academic Literature Search

核心原则

当前仓库内置了什么

标准 Literature Bundle

配置矩阵

常用配置总表

三个最常见的配置层级

如果什么都不配置，会发生什么

分步配置说明

方案 A：零配置起步

方案 B：推荐的轻量增强版

方案 C：Review-Grade 多源方案

方案 D：本地文献库受控方案

严格模式说明

推荐的检索栈

1. 轻量增强版

2. Review-Grade 方案

3. 本地文献库受控方案

推荐的查询流程

不同引擎分别适合什么

不建议作为主可复现层的引擎

如何验证