---
name: serper-scholar
description: 使用 Google Scholar API 进行学术搜索，查找论文、研究报告、学术文献，获取引用信息、作者、发表刊物等详细信息。
---

# 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：**
```javascript
// 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：**
```javascript
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：**
```javascript
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：**
```javascript
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：**
```javascript
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`：

```bash
SERPER_API_KEY=your-api-key-here
```

### 获取 API Key

访问 [https://serper.dev/](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。