Literature Search Skill
從零開發
文獻搜尋 Skill
給教授與研究生的實作指南。讓 AI 按照你的規矩，用真實的學術資料庫查文獻。
Vista（鄭緯筌）｜研究者基地
Vista（鄭緯筌）
研究者基地主理人
長期投入 AI 如何真正落地在寫作與研究工作中，而不只是停留在展示技巧的階段。服務對象是研究生、博士後與教研人員。
41所
合作校院與研究機構
學術場域
83場
可查證授課場次
學術場域
21本
出版著作
全領域
1.4萬
練功團成員
全領域
你一定經歷過這種下午
為了確認一個論點有沒有人做過：換了六種關鍵字、開了二十個分頁、三小時後一堆 PDF，還是不確定有沒有漏掉關鍵文獻。
6種
換過的關鍵字
20個
開著的瀏覽器分頁
3小時
一次檢索的代價
這三個數字每一次檢索都要再付一遍。真正的成本不是那三小時，是你始終不確定有沒有漏掉。
更麻煩的是第二個問題
你問
幫我找相關文獻
它回
Chen, M., & Lin, T. (2023). Generative AI and the Transformation of Literature Reviews in Higher Education. Journal of Applied Educational Technology, 18(4), 221-239.
https://doi.org/10.1080/1234.5678
✗ 這篇論文不存在
直接問聊天機器人「幫我找相關文獻」，它常常編出看起來很像真的、實際上不存在的書目。看起來越完整越危險，因為你不會想去查。
擋住它只需要多一道手續
整份簡報最後會收束到這一條規則。先把它放在這裡，後面你會知道它寫在說明書的哪一段。
AI 給出書目
10.1080/1234.5678
先送 Crossref 驗證
api.crossref.org/works/<DOI>
✓ 查得到才能列入
✗ 查無此 DOI 一律標註「未驗證」
這一條就足以杜絕 AI 編造書目。它不需要模型變聰明，只需要多打一次 API。
今天要教你的事
親手開發一套文獻搜尋 Skill：讓 AI 按照你的規矩、用真實的學術資料庫 API 查文獻，每一筆書目都可驗證。
你不需要是工程師：會複製貼上命令、願意花一個週末就夠。
六個步驟
前五步是線性的，第五步會回頭改第三步寫的說明書。所以這其實是一個會越跑越強的迴圈。
把踩到的雷寫回說明書
Skill 是什麼：兩樣東西的組合
一份說明書（SKILL.md）
- 告訴 AI 什麼時候用
- 告訴 AI 怎麼用
- 告訴 AI 什麼時候不要用
- 告訴 AI 怎麼回報
一組可執行工具
- 幾支小腳本
- 或幾條 API 命令
- 本堂課只需要一條 curl
- 真正難的不在這一欄
右邊那欄是現成的，左邊那欄沒有人能替你寫。這場簡報九成的時間會花在左邊。
開發 Skill 比較像寫 SOP
你在學術上怎麼訓練碩一新生查文獻，就怎麼寫這份說明書。
這是教授與研究生的優勢：你比工程師更清楚一次合格的文獻檢索該長什麼樣子。
先確認沒有現成的
動手前先查 GitHub，這一步能省下你整個週末。
GitHub 搜尋關鍵字
paper search MCP OpenAlex MCP server claude skill literature review awesome claude skills
四組關鍵字各查一次。花十分鐘，可能省下一整個週末。
評估現成專案的三個指標
星數
社群驗證度。沒有人用過的東西，你會是第一個踩雷的人。
最後 commit 日期
超過一年沒更新視同棄置。學術 API 的欄位會變，沒人維護就會壞。
README 誠實度
有沒有誠實標註每個資料來源的限制。不寫限制的專案通常沒認真測過。
一場真實調查的結論
現成專案能覆蓋大部分資料存取需求，但有一層判斷邏輯沒有任何現成專案幫你寫好。
判斷邏輯層：自己寫
你的領域該查哪個資料庫、什麼文獻該淘汰、查到什麼程度停手。
▼ 疊在 ▼
資料存取層：用現成的
呼叫 API、解析 JSON、處理限流與重試。
合理結局：資料存取層用現成的，判斷邏輯自己寫。這場簡報教的是上面那一層。
選資料來源
這個決定占成敗的一半。選錯地基，後面全部白做。
五大學術資料庫 API
| 資料庫 | 規模 | 費用 | 適用對象 |
|---|---|---|---|
| OpenAlex | 4.7 億筆全學門 | 免費不用申請 | 首選，社科與教育覆蓋尤佳 |
| Crossref | DOI 書目權威 | 免費 | 所有人，驗證書目真偽 |
| Semantic Scholar | 2 億筆偏理工 | 免費但建議申請 key，否則限流嚴重 | 需要引文網路分析的人 |
| arXiv | 理工預印本 | 免費 | 資工物理數學 |
| PubMed | 生醫文獻 | 免費 | 醫學公衛心理 |
五家都免費，差別在覆蓋範圍與門檻。只有 OpenAlex 一家同時做到全學門、免申請、不限流。
為什麼其他路都走不通
兩個判準就能把選項分完：有沒有公開 API，要不要付費。四格裡只有一格是可行的。
Google Scholar
從來沒有官方 API，號稱能查它的工具都是爬蟲，隨時失效
OpenAlex聚合了 Crossref 與 PubMed 等多源，教育學與傳播學期刊都查得到
JSTOR｜PsycINFO｜ERIC
沒有公開 API
Scopus｜Web of Science
要機構付費訂閱
首選起點：OpenAlex
全學門文獻覆蓋
免申請、免金鑰、不限流；提供 email 還能進入更快的禮貌通道。
唯一零門檻的全學門選項。
親手打一次 API
目的是除魅：所謂串接學術資料庫，就是一條命令的事。
打開終端機貼上這條命令
curl -s "https://api.openalex.org/works?search=teacher%20professional%20development&filter=from_publication_date:2022-01-01&sort=cited_by_count:desc&per-page=3&[email protected]"
把 email 換成你自己的。整場簡報的技術門檻到這裡就結束了。
你會拿到什麼
- 一份 JSON欄位含論文標題、作者、期刊、引用數、DOI
- 花十分鐘讀懂它說明書裡要教 AI 讀的就是這份資料。你看得懂哪些欄位有用，AI 才知道要挑什麼
這一步不能跳過。沒有親眼看過回傳長什麼樣，第三步的說明書會寫得很虛。
真實測試：教育領域主題
Generative AI Academic Writing Higher Education
前三名都是引用數 3,700 到 5,800 的教育期刊高引論文，附期刊名與 DOI，全程免 key。
寫 SKILL.md
你的核心工作在這裡。說明書品質決定 AI 表現。
開頭的欄位宣告
name: my-lit-search description: 用 OpenAlex API 搜尋學術文獻。觸發詞：找文獻、查論文、文獻搜尋、related work
description 決定 AI 什麼時候會想到用這個 Skill，觸發詞要寫進去。
好說明書的五個段落
每段都對應研究者的專業判斷。接下來五頁逐段展開。
SKILL.md
1 使用邊界
2 命令範例
3 篩選淘汰標準
4 防幻覺鐵則
5 回報格式
一、什麼時候用、什麼時候不要用
- 查文獻用這個 Skill
- 已知 DOI 抓全文直接開瀏覽器，不要繞這一圈
- 要 BibTeX改查 Crossref
邊界寫清楚，AI 才不會拿錘子敲螺絲。
二、命令範例
- 貼那條 curl再附三到五個變化型：按年份過濾、按引用數排序、查特定作者
- AI 會模仿你範例品質直接決定表現。給爛範例就會得到爛結果
三、篩選與淘汰標準：你最值錢的一段
數萬筆。這時候還沒有任何判斷
優先收錄近五年的論文
跟同齡比，不是跟所有論文比
這一條沒有現成清單可以套，靠你的領域知識
連續兩輪沒有新命中就停手
這些標準工程師寫不出來，只有你寫得出來。
四、防幻覺鐵則：投資報酬率最高的一行
每筆書目必附 DOI，且先用 api.crossref.org/works/<DOI> 驗證存在才能列入； 查無此 DOI 一律標註「未驗證」。
這一條就足以杜絕 AI 編造書目。全份說明書如果只能留一句，留這句。
五、回報格式
- 規定輸出長相作者（年份）、標題、期刊、引用數、DOI、一句話摘要、與研究問題的相關性
- 為什麼要固定格式固定，才能直接貼進文獻回顧草稿
安裝與實測驗收
資料夾放進 ~/.claude/skills/，重開對話，用你最熟的題目考它。
驗收三道考題
第三題最重要：會誠實說查不到的工具，才有資格進入研究流程。
把雷寫回說明書
這一步讓前面五步的投資開始複利。
每踩一次雷，它就強一點
第一次踩到
忘記過濾研討會論文就補一條規則進去第二次踩到
API 回 429就寫上等三秒重試、兩次失敗換備援三個月後
實驗室獨有的檢索智慧這份說明書已經不是任何現成專案能取代的了有餘力再做
包成小腳本
把常用查詢包起來，不用每次重打。
接第二個資料庫
交叉比對，補上單一來源的覆蓋盲區。
研究群共用
同一份 Skill 讓學弟妹繼承你的檢索標準。
回顧六步驟
真正的技術門檻只有一條 curl 命令，其餘全是你已經具備的學術判斷力。
與其在二十個瀏覽器分頁之間手動搬運，不如花一個週末把檢索標準教給 AI，把省下的時間拿去做只有人能做的事：判斷文獻對你的研究問題到底意味著什麼。
Vista（鄭緯筌）