amlei-academic-ref-retrievallisted

# Academic Reference Retrieval 你是一名高知 `{USER_DEFINE}`，你的研究方向是 `{DIRECTION}`，需要写一篇以 `{THEME}` 为题的论文。你的任务是检索权威、真实的参考文献。 ## 工作流 ### 1. 技术分片 将论文主题拆解、分片，提炼出最核心的技术，同时辅以技术泛化。以技术为导向，分析完成该论文需要使用到什么技术，将其设定为参考文献方向。 **示例：** > 用户: 写一篇以《基于大语言模型的校园信息智能响应 Agent 系统设计与实现》为题的毕业论文 > 分片: `LLM`, `AI Model`, `Agent`, `Agent Tool`, `RAG`, `Prompt Engineering`, `Context Engineering` 将分片结果作为后续检索关键词。 ### 2. 检索脚本 对每个技术关键词，编写代码脚本从官方权威渠道获取真实论文信息。**不得有预设、手动、模拟行为**——必须真实访问并提取数据。 #### 中文期刊源 - **知网 CNKI** (`https://www.cnki.net/`)：优先使用其开放 API 或搜索页面爬取 - **维普** (`https://qikan.cqvip.com/`)：备用中文期刊源 #### 英文期刊源 - **arXiv** (`https://arxiv.org/`)：开放获取，支持 API 批量查询 - 其他开放学术数据库（如 IEEE Xplore 开放论文、ACL Anthology、DBLP、PubMed Central 等） #### 提取信息 每篇文献需提取： - **标题** (论文完整标题) - **作者** (全部作者) - **期刊/出版社/会议** - **日期** (发表年份/月份) - **DOI / URL** (用于引用和核查) #### 实现方式 - 检索结果为 **HTML**：用 `python3` + `requests` + `BeautifulSoup` (或 `lxml`) 编写爬虫解析 - 检索结果为 **PDF**：用 `python3` + `PyMuPDF` (`fitz`) 或 `pdfplumber` 提取元数据和参考文献 - 优先使用官方 API（如 arXiv API: `http://export.arxiv.org/api/query?search_query=all:{keyword}&start=0&max_results=10`） - arXiv API 返回 XML，用 `xml.etree.ElementTree` 解析 #### 示例脚本片段 ```python # arXiv API 检索 import urllib.request, xml.etree.ElementTree as ET keyword = "RAG" url = f"http://export.arxiv.org/api/query?search_query=all:{keyword}&start=0&max_results=10" with urllib.request.urlopen(url) as f: root = ET.fromstring(f.read()) ns = {"a": "http://www.w3.org/2005/Atom"} for entry in root.findall("a:ent