arXiv 学术论文搜索

通过 arXiv 的免费 REST API 搜索并获取学术论文。无需 API 密钥，无额外依赖——只需 curl。

快速参考

操作	命令
搜索论文	`curl "https://export.arxiv.org/api/query?search_query=all:QUERY&max_results=5"`
获取特定论文	`curl "https://export.arxiv.org/api/query?id_list=2402.03300"`
阅读摘要（网页）	`web_extract(urls=["https://arxiv.org/abs/2402.03300"])`
阅读全文（PDF）	`web_extract(urls=["https://arxiv.org/pdf/2402.03300"])`

搜索论文

API 返回 Atom XML 格式内容。可使用 grep/sed 解析，或通过 python 管道输出整洁结果。

基本搜索

curl -s "https://export.arxiv.org/api/query?search_query=all:GRPO+reinforcement+learning&max_results=5"

整洁输出（将 XML 解析为可读格式）

curl -s "https://export.arxiv.org/api/query?search_query=all:GRPO+reinforcement+learning&max_results=5&sortBy=submittedDate&sortOrder=descending" | python -c "
import sys, xml.etree.ElementTree as ET
ns = {'a': 'http://www.w3.org/2005/Atom'}
root = ET.parse(sys.stdin).getroot()
for i, entry in enumerate(root.findall('a:entry', ns)):
    title = entry.find('a:title', ns).text.strip().replace('\n', ' ')
    arxiv_id = entry.find('a:id', ns).text.strip().split('/abs/')[-1]
    published = entry.find('a:published', ns).text[:10]
    authors = ', '.join(a.find('a:name', ns).text for a in entry.findall('a:author', ns))
    summary = entry.find('a:summary', ns).text.strip()[:200]
    cats = ', '.join(c.get('term') for c in entry.findall('a:category', ns))
    print(f'{i+1}. [{arxiv_id}] {title}')
    print(f'   作者: {authors}')
    print(f'   发布日期: {published} | 分类: {cats}')
    print(f'   摘要: {summary}...')
    print(f'   PDF: https://arxiv.org/pdf/{arxiv_id}')
    print()
"

搜索查询语法

前缀	搜索范围	示例
`all:`	所有字段	`all:transformer+attention`
`ti:`	标题	`ti:large+language+models`
`au:`	作者	`au:vaswani`
`abs:`	摘要	`abs:reinforcement+learning`
`cat:`	分类	`cat:cs.AI`
`co:`	评论	`co:accepted+NeurIPS`

布尔运算符

# AND（默认使用 + 连接）
search_query=all:transformer+attention

# OR
search_query=all:GPT+OR+all:BERT

# AND NOT
search_query=all:language+model+ANDNOT+all:vision

# 精确短语
search_query=ti:"chain+of+thought"

# 组合
search_query=au:hinton+AND+cat:cs.LG

排序与分页

参数	选项
`sortBy`	`relevance`, `lastUpdatedDate`, `submittedDate`
`sortOrder`	`ascending`, `descending`
`start`	结果偏移量（从 0 开始）
`max_results`	结果数量（默认 10，最大 30000）

# 获取 cs.AI 分类的最新 10 篇论文
curl -s "https://export.arxiv.org/api/query?search_query=cat:cs.AI&sortBy=submittedDate&sortOrder=descending&max_results=10"

获取特定论文

# 按 arXiv ID 获取
curl -s "https://export.arxiv.org/api/query?id_list=2402.03300"

# 获取多篇论文
curl -s "https://export.arxiv.org/api/query?id_list=2402.03300,2401.12345,2403.00001"

BibTeX 生成

获取论文元数据后，生成 BibTeX 条目：

{% raw %}

curl -s "https://export.arxiv.org/api/query?id_list=1706.03762" | python -c "
import sys, xml.etree.ElementTree as ET
ns = {'a': 'http://www.w3.org/2005/Atom', 'arxiv': 'http://arxiv.org/schemas/atom'}
root = ET.parse(sys.stdin).getroot()
entry = root.find('a:entry', ns)
if entry is None: sys.exit('论文未找到')
title = entry.find('a:title', ns).text.strip().replace('\n', ' ')
authors = ' and '.join(a.find('a:name', ns).text for a in entry.findall('a:author', ns))
year = entry.find('a:published', ns).text[:4]
raw_id = entry.find('a:id', ns).text.strip().split('/abs/')[-1]
cat = entry.find('arxiv:primary_category', ns)
primary = cat.get('term') if cat is not None else 'cs.LG'
last_name = entry.find('a:author', ns).find('a:name', ns).text.split()[-1]
print(f'@article{{{last_name}{year}_{raw_id.replace(\".\", \"\")},')
print(f'  title     = {{{title}}},')
print(f'  author    = {{{authors}}},')
print(f'  year      = {{{year}}},')
print(f'  eprint    = {{{raw_id}}},')
print(f'  archivePrefix = {{arXiv}},')
print(f'  primaryClass  = {{{primary}}},')
print(f'  url       = {{https://arxiv.org/abs/{raw_id}}}')
print('}')
"

{% endraw %}

阅读论文内容

找到论文后，阅读它：

# 摘要页（快速，包含元数据和摘要）
web_extract(urls=["https://arxiv.org/abs/2402.03300"])

# 全文（PDF → Firecrawl 转换为 Markdown）
web_extract(urls=["https://arxiv.org/pdf/2402.03300"])

如需本地 PDF 处理，请参考 ocr-and-documents 技能。

常见分类

分类	领域
`cs.AI`	人工智能
`cs.CL`	计算与语言（自然语言处理）
`cs.CV`	计算机视觉
`cs.LG`	机器学习
`cs.CR`	密码学与安全
`stat.ML`	机器学习（统计）
`math.OC`	优化与控制
`physics.comp-ph`	计算物理学

完整列表：https://arxiv.org/category_taxonomy

辅助脚本

scripts/search_arxiv.py 脚本处理 XML 解析并提供整洁输出：

python scripts/search_arxiv.py "GRPO reinforcement learning"
python scripts/search_arxiv.py "transformer attention" --max 10 --sort date
python scripts/search_arxiv.py --author "Yann LeCun" --max 5
python scripts/search_arxiv.py --category cs.AI --sort date
python scripts/search_arxiv.py --id 2402.03300
python scripts/search_arxiv.py --id 2402.03300,2401.12345

无需依赖——仅使用 Python 标准库。

Semantic Scholar（引用、相关论文、作者简介）

arXiv 不提供引文数据或推荐。使用 Semantic Scholar API 获取这些信息——免费，基本使用无需密钥（1 请求/秒），返回 JSON 格式。

获取论文详情及引用数

# 按 arXiv ID
curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300?fields=title,authors,citationCount,referenceCount,influentialCitationCount,year,abstract" | python -m json.tool

# 按 Semantic Scholar 论文 ID 或 DOI
curl -s "https://api.semanticscholar.org/graph/v1/paper/DOI:10.1234/example?fields=title,citationCount"

获取某篇论文的被引用列表（谁引用了它）

curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300/citations?fields=title,authors,year,citationCount&limit=10" | python -m json.tool

获取某篇论文的参考文献（它引用了谁）

curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300/references?fields=title,authors,year,citationCount&limit=10" | python -m json.tool

搜索论文（arXiv 搜索的替代方案，返回 JSON）

curl -s "https://api.semanticscholar.org/graph/v1/paper/search?query=GRPO+reinforcement+learning&limit=5&fields=title,authors,year,citationCount,externalIds" | python -m json.tool

获取论文推荐

curl -s -X POST "https://api.semanticscholar.org/recommendations/v1/papers/" \
  -H "Content-Type: application/json" \
  -d '{"positivePaperIds": ["arXiv:2402.03300"], "negativePaperIds": []}' | python -m json.tool

作者简介

curl -s "https://api.semanticscholar.org/graph/v1/author/search?query=Yann+LeCun&fields=name,hIndex,citationCount,paperCount" | python -m json.tool

常用的 Semantic Scholar 字段

title, authors, year, abstract, citationCount, referenceCount, influentialCitationCount, isOpenAccess, openAccessPdf, fieldsOfStudy, publicationVenue, externalIds（包含 arXiv ID、DOI 等）

完整的研究工作流

发现：python scripts/search_arxiv.py "你的主题" --sort date --max 10
评估影响力：curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID?fields=citationCount,influentialCitationCount"
阅读摘要：web_extract(urls=["https://arxiv.org/abs/ID"])
阅读全文：web_extract(urls=["https://arxiv.org/pdf/ID"])
寻找相关工作：curl -s "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID/references?fields=title,citationCount&limit=20"
获取推荐：向 Semantic Scholar 推荐端点发送 POST 请求
追踪作者：curl -s "https://api.semanticscholar.org/graph/v1/author/search?query=NAME"

速率限制

API	速率	认证
arXiv	约 1 请求 / 3 秒	无需
Semantic Scholar	1 请求 / 秒	无需（使用 API 密钥可达 100 请求/秒）

注意事项

arXiv 返回 Atom XML——使用辅助脚本或解析代码片段获取整洁输出
Semantic Scholar 返回 JSON——通过 python -m json.tool 管道输出以便于阅读
arXiv ID：旧格式（hep-th/0601001） vs 新格式（2402.03300）
PDF：https://arxiv.org/pdf/{id} —— 摘要：https://arxiv.org/abs/{id}
HTML（如果可用）：https://arxiv.org/html/{id}
如需本地 PDF 处理，请参考 ocr-and-documents 技能

ID 版本控制

arxiv.org/abs/1706.03762 始终指向最新版本
arxiv.org/abs/1706.03762v1 指向特定的不可变版本
生成引用时，请保留您实际阅读的版本后缀，以防止引用漂移（后续版本可能大幅更改内容）
API 的 <id> 字段返回带版本号的 URL（例如 http://arxiv.org/abs/1706.03762v7）

撤稿论文

论文可能在上传后被撤稿。发生这种情况时：

<summary> 字段包含撤稿通知（查找 "withdrawn" 或 "retracted"）
元数据字段可能不完整
在将结果视为有效论文之前，务必检查摘要

0x-Shashi/grok-skill-converter

grok-skill-converter 是什么？

在你喜欢的 AI 中提问

文档