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

用户提问： “研究一下 Transformer 架构的论文”

AI 行为：

// 搜索核心论文
serper_scholar({
  query: "Transformer architecture attention is all you need",
  num: 5
})

// 搜索后续研究
serper_scholar({
  query: "BERT transformer NLP 2018 2019",
  num: 8
})

回复示例：

核心论文：

1. **Attention Is All You Need** (2017)
   - 作者：Vaswani et al.
   - 引用：100,000+
   - 📄 [PDF]
   
后续研究：

2. **BERT: Pre-training of Deep Bidirectional Transformers** (2019)
   - 作者：Devlin et al.
   - 引用：80,000+
   - 发表：NAACL 2019
   
3. **Improving Language Understanding with Generative Pre-Training** (2018)
   - 作者：Radford et al. (OpenAI)
   - 引用：50,000+

场景 2：领域综述

用户提问： “找一些关于强化学习的综述论文”

AI 行为：

serper_scholar({
  query: "Survey review reinforcement learning",
  num: 8
})

回复示例：

强化学习综述论文：

1. **Reinforcement Learning: A Survey** (2021)
   - 引用：5,000+
   - 类型：综述
   
2. **Deep Reinforcement Learning: An Overview** (2020)
   - 引用：8,000+
   - 类型：综述
   
3. **Recent Advances in Deep Reinforcement Learning** (2022)
   - 引用：2,000+
   - 类型：综述

场景 3：作者研究

用户提问： “查找 Geoffrey Hinton 的深度学习论文”

AI 行为：

serper_scholar({
  query: "Geoffrey Hinton deep learning backpropagation",
  num: 10
})

回复示例：

Geoffrey Hinton 的经典论文：

1. **Deep Learning** (2015)
   - 合作：LeCun, Bengio
   - 发表：Nature
   - 引用：50,000+
   
2. **Backpropagation Applied to Handwritten Zip Code Recognition** (1989)
   - 引用：10,000+
   
3. **Reducing the Dimensionality of Data with Neural Networks** (2006)
   - 引用：30,000+

场景 4：最新进展

用户提问： “2024-2025 年大模型有什么新进展”

AI 行为：

serper_scholar({
  query: "Large language models 2024 2025 advances",
  num: 10
})

回复示例：

2024-2025 大模型研究进展：

1. **Scaling Laws for Neural Language Models** (2024)
   - 持续探索模型规模与性能关系
   
2. **Instruction Tuning for Large Language Models** (2024)
   - 指令微调方法改进
   
3. **Chain-of-Thought Prompting** (2024)
   - 推理链提示技术

场景 5：跨学科搜索

用户提问： “搜索机器学习在医疗诊断中的应用论文”

AI 行为：

serper_scholar({
  query: "Machine learning medical diagnosis healthcare",
  num: 8
})

回复示例：

医疗诊断中的机器学习：

1. **Deep Learning for Medical Image Analysis** (2021)
   - 引用：8,000+
   - 应用：影像诊断
   
2. **Machine Learning in Clinical Diagnosis** (2022)
   - 引用：3,000+
   - 应用：辅助诊断
   
3. **AI in Healthcare: A Survey** (2023)
   - 引用：2,000+
   - 类型：综述

Limitations

• 搜索结果来源： Google Scholar，可能受地区影响
• 访问限制： 某些论文需要订阅或付费访问
• 结果数量： 最多 20 条
• 更新延迟： 最新论文可能需要一段时间才会被收录
• 语言偏好： 英文论文数量远多于中文

Configuration

环境变量配置

编辑 ~/.openclaw/gateway.env：

SERPER_API_KEY=your-api-key-here

获取 API Key

访问 https://serper.dev/ 注册并获取 API Key。

免费额度：每月 2,500 次调用（Web 和 Scholar 共享）。

Related Tools

• serper_search： 普通网页搜索
• web_fetch： 获取单个网页的详细内容

Tips

• 混合使用： 先用 serper_search 了解概念，再用 serper_scholar 深入研究
• 引用优先： 优先阅读高引用论文（通常是领域经典）
• 关注年份： 平衡经典文献和最新研究
• 追踪作者： 找到重要作者后，搜索其全部作品
• PDF 访问： 尝试访问论文页面，寻找免费版本

Version History

• v1.0 (2026-02-06)：初始版本，基础学术搜索功能
  • 支持 Google Scholar API
  • 提供论文详细信息（作者、年份、引用等）
  • 集成 OpenClaw Skill 系统

💡 提示： 学术搜索时，尽量使用英文关键词，英文论文数量和质量通常更高。