serper-scholar

Google Scholar Search Tool

基于 Google Scholar API 的学术文献搜索工具，提供学术论文、研究报告、技术文献的专业搜索能力。

When to Activate

当用户提到以下内容时自动激活：

学术搜索关键词

• "论文"、"学术"、"文献"、"研究"
• "搜索论文"、"查找文献"、"学术研究"
• "谷歌学术"、"Scholar"

特定场景

• 需要查找学术论文或研究报告
• 需要了解某领域的学术进展
• 需要查找特定作者的作品
• 需要获取引用信息和发表刊物
• 需要研究技术领域的理论依据

示例问题

• "帮我搜索关于机器学习的论文"
• "查找一下深度学习在 NLP 中的应用"
• "研究一下 Transformer 架构的学术论文"
• "找一些关于大模型训练方法的文献"
• "搜索一下 Attention mechanism 的相关论文"

Tools

serper_scholar

用途： 执行学术文献搜索，返回论文详细信息

参数：

• query (必选，string)：搜索关键词
• num (可选，number)：返回结果数量，默认 10，最大 20
• gl (可选，string)：国家代码，默认 cn
• 推荐值： cn（中国）、us（美国）、uk（英国）
• hl (可选，string)：语言代码，默认 zh-CN
• 推荐值： zh-CN（简体中文）、en（英文）

返回字段：

• title：论文标题
• url：论文链接
• snippet：摘要
• type：文献类型（PDF、HTML 等）
• year：发表年份
• authors：作者列表
• publication：发表刊物/会议
• citationCount：引用次数

Best Practices

1. 搜索技巧

使用专业术语和技术关键词：

示例：

• ✅ "Attention mechanism neural machine translation"
• ✅ "Transformer large language models"
• ✅ "Reinforcement learning robotics"
• ❌ "机器学习"（太宽泛，结果太多）

2. 添加领域限定

明确研究领域和方法：

示例：

• ✅ "BERT semantic analysis NLP"
• ✅ "CNN image classification computer vision"
• ✅ "GPT text generation natural language"
• ✅ "Q-learning reinforcement learning agent"

3. 时间范围搜索

关注最新研究进展：

示例：

• ✅ "Large language models 2024 2025"
• ✅ "Transformer architecture recent advances"
• ✅ "Diffusion models 2023 2024"

4. 作者和机构搜索

查找特定研究者或机构的工作：

示例：

• ✅ "Geoffrey Hinton deep learning"
• ✅ "Yann LeCun CNN papers"
• ✅ "Andrew Ng machine learning"
• ✅ "OpenAI research papers"

5. 论文类型筛选

关注特定类型的文献：

示例：

• ✅ "Survey deep learning"
• ✅ "Review transformer models"
• ✅ "Tutorial reinforcement learning"
• ✅ "Benchmark NLP models"

6. 结果数量选择

根据需求调整：

• 快速浏览： num=5（核心文献）
• 全面了解： num=10（主流研究）
• 深度调研： num=20（全面覆盖）

7. 引用信息分析

关注高引用论文和经典文献：

关注点：

• 引用次数：citationCount 高的论文通常是领域经典
• 发表年份：较新的论文代表最新进展
• 发表刊物：顶级会议（NeurIPS、ICML、ACL）质量高

Example Scenarios

场景 1：技术调研