AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载本篇技术指南以 ARIS 项目中的/openalex技能为核心系统讲解如何利用 OpenAlex 这一开放学术图谱完成超越 arXiv 与 Semantic Scholar 的综合学术检索——涵盖开源引文数据、机构归属、资助来源NSF/NIH 等与全学科元数据。读者将掌握/openalex的完整调用语法、全部参数覆盖规则、底层抓取脚本openalex_fetch.py的实现原理与容错机制以及它在/research-lit多源聚合文献综述中的接入方式最终能够在自己的研究流程中直接复用这套可复制的检索方案。一、技能定位ARIS 文献检索矩阵中的开源学术图谱在 ARIS 的文献检索体系中/openalex是专门面向OpenAlex API的学术检索技能其设计目标是提供一个开源的学术图谱数据源。根据 skills/openalex/SKILL.md 中的定位表ARIS 将不同来源按各自优势做了明确分工技能数据源最佳适用场景/arxivarXiv API最新预印本、前沿未经评审的工作/semantic-scholarSemantic Scholar API已发表的期刊/会议论文IEEE、ACM、Springer含引文数/openalexOpenAlex API开源引文图谱、机构归属、资助数据、综合元数据/deepxivDeepXiv CLI分层阅读搜索、简报、章节地图、章节细读/exa-searchExa API广泛网络搜索博客、文档、新闻、公司、研究论文/gemini-searchGemini MCP / CLIAI 驱动的广泛文献发现/openalex的独特价值在四个维度开源引文数据无需 API Key 即可使用完整开放引文图谱、机构归属作者所在机构与合作关系、资助信息NSF、NIH 等资助来源、综合元数据主题、关键词、摘要、开放获取状态以及跨数据库覆盖索引了来自多个来源的 2.5 亿 学术作品。从源码结构看这套技能的核心由两部分组成作为说明书的 SKILL.md以及作为执行引擎的 tools/openalex_fetch.py 抓取脚本。二、环境准备依赖、API Key 与联调验证1. 安装依赖/openalex需要 Python 3.7 环境并安装requests库这也是其底层抓取脚本 tools/openalex_fetch.py 的唯一第三方依赖pip install requests需要注意的是requests在脚本中被显式视为可选依赖当导入失败时脚本不会直接崩溃而是向 stderr 打印安装提示并以退出码 2 结束——这个退出码专门用于向调用方技能发出跳过此来源的信号区别于运行时错误使用的退出码 1见 tools/openalex_fetch.py。对应的测试 tests/test_openalex_fetch.py 也因此在 CI 环境中通过pytest.importorskip(requests)跳过本模块避免因缺包导致测试失败。2. 配置 API Key可选但推荐OpenAlex 基础使用不需要 API Key但配置后可显著提升速率限制。在项目根目录创建.claude/.env# 从模板复制 cp .claude/.env.example .claude/.env # 编辑并添加你的密钥 # .claude/.env OPENALEX_API_KEYyour-key-here OPENALEX_EMAILyour-emailexample.comClaude Code 会自动将.claude/.env加载为环境变量。两个配置项在底层脚本中的作用tools/openalex_fetch.pyOPENALEX_API_KEY作为api_key查询参数附加到每次请求换取更高速率限制免费档每日 10,000 次列表调用、1,000 次搜索调用OPENALEX_EMAIL设置User-Agent: mailto:email请求头以加入Polite Pool礼貌池获得更快的响应速度无需注册。3. 验证安装安装完成后可以先用最小查询验证环境是否就绪python3 $OPENALEX_FETCHER search machine learning --max 3其中$OPENALEX_FETCHER需要通过下文第三步的规范解析链canonical chain解析为openalex_fetch.py的实际路径。三、调用语法参数解析与覆盖规则1. 参数体系/openalex的调用格式为/openalex 搜索主题支持通过追加参数覆盖默认行为见 skills/openalex/SKILL.mdquery必填研究主题max覆盖默认MAX_RESULTS 10year发表年份过滤如2023-、2020-2023type作品类型过滤article、preprint、book、book-chapter、dataset、dissertationopen-access仅返回开放获取论文min-citations最低引用数阈值sort排序方式relevance、citations、date2. 覆盖规则速查/openalex topic — max: 20— 最多返回 20 条结果/openalex topic — year: 2023-— 2023 年至今的论文/openalex topic — year: 2020-2023— 2020 至 2023 年的论文/openalex topic — type: article— 仅期刊文章/openalex topic — type: preprint— 仅预印本/openalex topic — open-access— 仅开放获取论文/openalex topic — min-citations: 50— 最低 50 次引用/openalex topic — sort: citations— 按引用数降序排序/openalex topic — sort: date— 按发表日期排序最新优先3. 参数到 API 过滤器的映射这些参数在底层被精确映射为 OpenAlex/works端点的过滤器见 tools/openalex_fetch.py 的search_works方法技能参数API 过滤器说明--year 2023-publication_year:2023-年份区间直接透传--type articletype:article作品类型--open-accessis_oa:true开放获取状态--min-citations 50cited_by_count:50引用数下限--sort citationssortcited_by_count:desc排序字段映射--sort datesortpublication_date:desc按日期排序--sort relevance默认sortrelevance_score:desc相关性排序排序选项通过 CLI 层的sort_map映射为 API 格式tools/openalex_fetch.py。per_page会被限制为min(max_results, 200)因为 OpenAlex API 单页上限为 200 条——这一行为有测试专门锁定tests/test_openalex_fetch.py 验证了当请求max_results250时实际发送的per_page200。过滤器以逗号拼接为单个filter参数多个条件之间是 AND 关系。四、辅助脚本解析strict-safe 规范解析链与失败策略/openalex与/semantic-scholar、/arxiv、/deepxiv、/exa-search一样遵循 ARIS 的集成契约skills/shared-references/integration-contract.md §2中规定的四层解析链来定位辅助脚本。这一步的设计动机在契约文档中有明确记载历史上曾因技能硬编码tools/research_wiki.py路径导致用户项目在缺少该目录时静默失败整个research-wiki/空了一周。规范解析链正是为此而生。/openalex的解析块skills/openalex/SKILL.md Step 2按以下顺序尝试定位openalex_fetch.py.aris/tools/openalex_fetch.py——由install_aris.sh创建的符号链接安装器会在~/.aris/repo写入一行绝对仓库路径的全局指针文件tools/openalex_fetch.py——手动复制或在 ARIS 仓库内直接运行$ARIS_REPO/tools/openalex_fetch.py——通过环境变量ARIS_REPO或从.aris/installed-skills.txt清单读取repo_root$HOME/.aris/repo指向的仓库路径——覆盖无项目清单的全局复制安装场景。cd $(git rev-parse --show-toplevel 2/dev/null || pwd) || exit 1 if [ -z ${ARIS_REPO:-} ] [ -f .aris/installed-skills.txt ]; then ARIS_REPO$(awk -F\t $1repo_root{print $2; exit} .aris/installed-skills.txt 2/dev/null) || true fi if [ -z ${ARIS_REPO:-} ] [ -f $HOME/.aris/repo ]; then ARIS_REPO$(cat $HOME/.aris/repo 2/dev/null) || true fi OPENALEX_FETCHER.aris/tools/openalex_fetch.py [ -f $OPENALEX_FETCHER ] || OPENALEX_FETCHERtools/openalex_fetch.py [ -f $OPENALEX_FETCHER ] || { [ -n ${ARIS_REPO:-} ] OPENALEX_FETCHER$ARIS_REPO/tools/openalex_fetch.py; } [ -f $OPENALEX_FETCHER ] || { echo ERROR: openalex_fetch.py not resolved at .aris/tools/, tools/, \$ARIS_REPO/tools/, or via ~/.aris/repo. 2 echo Fix: rerun bash tools/install_aris.sh or smart_update.sh (refreshes ~/.aris/repo), export ARIS_REPO, or copy the helper to tools/. 2 echo Also ensure requests is installed: pip install requests 2 exit 1 }关键点在于/openalex对该辅助脚本采用的是契约中的 Policy D1 变体严格模式因为 OpenAlex 的检索必须依赖requestsSDK 与可选 API Key抓取脚本封装了分页、节流与按来源的参数处理所以没有文档化的内联回退方案与/semantic-scholar保留的 inline Python 回退不同。一旦解析失败技能会以明确错误终止并给出修复指引而不是静默跳过——这正是承接失败必须显式可见这一集成契约原则的体现。五、核心用法搜索、过滤与按 ID 取单篇1. 基础搜索python3 $OPENALEX_FETCHER search QUERY --max 102. 组合过滤器搜索python3 $OPENALEX_FETCHER search QUERY --max 10 \ --year 2023- \ --type article \ --open-access \ --min-citations 20 \ --sort citations3. 按 DOI 取单篇作品python3 $OPENALEX_FETCHER work 10.1109/TWC.2024.12345674. 按 OpenAlex ID 取单篇作品python3 $OPENALEX_FETCHER work W2741809807底层实现中get_work方法tools/openalex_fetch.py对不同的 ID 格式做了路由以10.开头的按 DOI 处理请求/works/doi:id以W开头的按 OpenAlex 作品 ID 处理请求/works/id。两种模式都支持--json标志输出结构化 JSON便于下游流水线消费。5. JSON 输出模式CLI 支持--json标志search与work子命令通用会以json.dumps(..., indent2)输出完整的结构化结果这是/research-lit等聚合技能集成时的推荐形态。六、结果解析返回字段全解与摘要重建原理openalex_fetch.py会将 OpenAlex 原始作品对象解析为扁平化结构_parse_work方法tools/openalex_fetch.py字段如下title论文标题authors作者名列表publication_year发表年份venue期刊/会议名称venue_type来源类型journal、repository、conference 等cited_by_count引用数is_oa开放获取布尔值oa_status开放获取类型gold、green、bronze、hybrid、closedoa_url直接 PDF 链接若可用doiDOI 标识符openalex_idOpenAlex 作品 IDabstract完整摘要文本topics前 3 个研究主题keywords前 5 个关键词type作品类型article、preprint 等值得深入讲解的是摘要重建这一实现细节OpenAlex API 返回的摘要采用倒排索引格式abstract_inverted_index即{单词: [位置列表]}的映射。_reconstruct_abstract方法tools/openalex_fetch.py先展开所有(位置, 单词)元组按位置排序后再拼接成完整摘要文本。测试 tests/test_openalex_fetch.py 用一个包含重复单词的构造样例验证了排序逻辑{models: [1], are: [2], useful: [0, 3]}正确重建为useful models are useful。同样值得注意的健壮性处理包括对primary_location/source使用or {}防御显式 nullOpenAlex 对部分作品会返回显式 null 而非缺键对缺失 author 的条目填充Unknowndoi去除https://doi.org/前缀归一化CLI 展示层将摘要截断为前 200 字符、作者列表超过 3 人时以et al.省略。这些行为均有对应测试锁定如 tests/test_openalex_fetch.py 验证了缺失位置信息时的字段归一化。七、结果呈现与后续动作1. 结构化表格技能要求将结果以结构化表格呈现skills/openalex/SKILL.md Step 5| # | Title | Venue | Year | Citations | OA | Summary | |---|-------|-------|------|-----------|----|---------| | 1 | ... | IEEE TWC | 2024 | 156 | ✓ | ... | | 2 | ... | NeurIPS | 2023 | 89 | ✓ | ... |对每篇论文还需展示DOI规范标识符OpenAlex ID用于交叉引用开放获取状态gold/green/bronze/hybrid/closed与 PDF 链接主题主要研究主题摘要前 200 字符或全文2. 推荐后续动作呈现结果后技能建议向用户提供后续操作选项/semantic-scholar DOI:... — 获取 S2 引用上下文与相关论文 /arxiv arXiv:XXXX.XXXXX — 若可用则获取 arXiv 预印本 /research-lit topic — sources: openalex, semantic-scholar — 组合多源综述 /novelty-check idea — 对照文献验证新颖性八、与 Semantic Scholar / arXiv 的对比选型特性OpenAlexSemantic ScholararXiv覆盖范围2.5 亿 作品2 亿 论文240 万 预印本引文数据完全开放部分开放无机构信息✓ 完整归属✓ 有限✗资助信息✓ NSF、NIH 等✗✗开放获取✓ 完整 OA 状态✓ PDF 链接✓ 全部论文API Key可选免费可选免费不需要速率限制免费 Key 每日 1,000 次搜索未知1 次请求/3 秒摘要✓ 全文✓ TLDR✓ 全文最适合综合元数据、机构、资助引用数、期刊信息最新预印本何时优先选 OpenAlex 而非 S2需要机构归属数据、需要资助信息、想要完全开放的引文图谱、需要综合的主题/关键词元数据、或者研究领域不限于计算机科学OpenAlex 覆盖全学科。何时优先选 S2 而非 OpenAlex需要实时引用数S2 更新更快、需要高影响力引用指标、需要论文推荐、或者以 CS/AI 为核心研究领域S2 的 CS 覆盖更优。九、规则要点与故障处理OpenAlex 完全开放基础使用无需 API Key但推荐配置以获得更高速率限制无 Key 时速率非常受限约每天 $0.01 量级免费 Key 可获得每日 10,000 次列表调用、1,000 次搜索调用Polite Pool设置OPENALEX_EMAIL环境变量可获得更快响应跨源交叉引用OpenAlex 索引了 arXiv、PubMed、Crossref 等来源的论文可用 DOI/arXiv ID 做交叉引用与去重。关于速率限制错误底层脚本对 HTTP 429 有专门的处理路径tools/openalex_fetch.py向 stderr 输出 Rate limit exceeded. Consider using an API key or reducing request frequency. 后抛出 HTTPError测试 tests/test_openalex_fetch.py 验证了这一行为。在/openalex技能层面若 OpenAlex API 不可达或被限流建议回退到/semantic-scholar、/arxiv或/research-lit topic — sources: web。十、在/research-lit多源聚合中的集成方式/openalex并非孤立使用——它还是/research-lit文献综述技能的九大可选数据源之一。根据 skills/research-lit/SKILL.md 的 Source TableOpenAlex 源优先级 9的激活条件是$OPENALEX_FETCHER解析成功且Pythonrequests模块可导入它属于显式 opt-in来源不会包含在默认的all中必须通过— sources: openalex或— sources: all, openalex显式启用。接入代码段skills/research-lit/SKILL.md OpenAlex search 部分展示了与/openalex技能一致的解析链并额外增加了requests预检# 预检辅助脚本未解析或 requests 缺失时静默跳过 OpenAlex 源 if [ -z $OPENALEX_FETCHER ] || ! python3 -c import requests /dev/null 21; then echo OpenAlex source not available (openalex_fetch.py unresolved or requests module missing); skipping. 2 else if python3 $OPENALEX_FETCHER search QUERY --max 10 \ --year 2022- \ --type article \ --sort relevance; then echo D2 contribution: openalex (helper invocation exit 0) 2 else echo WARN: openalex_fetch.py invocation failed; D2 aggregate continues with remaining sources. 2 fi fi这一集成遵循集成契约 §2 的Policy D2多源聚合每个来源的成功与否被记录为D2 contribution:日志行即使单个来源失败聚合流程也会继续使用其余已解析来源的结果只有当所有请求来源都失败时才在 D2 聚合收尾阶段报出空聚合错误。在去重策略上/research-lit规定当 OpenAlex 与 S2 命中同一篇论文时优先用 S2 的引用数与期刊元数据对 CS/AI 论文更准确同时保留 OpenAlex 独有的机构归属与资助数据合并为更丰富的记录DOI 是跨源去重的第一优先级键。十一、从源码到测试质量保障闭环/openalex的可靠性由三层保证技能层skills/openalex/SKILL.md明确定位、参数覆盖语法、工作流步骤与规则任何 LLM 可直接按文执行实现层tools/openalex_fetch.py封装了端点调用、过滤器构造、摘要重建、ID 路由、429 处理与可选 Key 附加等全部业务逻辑测试层tests/test_openalex_fetch.py通过FakeResponse桩对象与monkeypatch离线验证关键行为——摘要倒排索引重建、缺失位置信息时的字段归一化、过滤器拼接与 per_page 上限、429 错误浮出、开放获取标志在解析与 CLI 两种输出形态下的保持含参数化测试覆盖open_access为缺键/空对象/None 的多种形态。这三层叠加使/openalex既能被人类与 Agent 快速理解调用又能被确定性测试持续校验符合 ARIS技能散文可以描述集成但无法保证集成可验证的工件与脚本才能保证的整体设计哲学。结语/openalex是 ARIS 文献检索矩阵中填补开源学术图谱空白的关键一环它以零成本开放引文数据为底座叠加机构归属、资助来源与跨学科元数据配合规范解析链与显式失败策略保证了在任意安装形态下的可用性。无论你是需要验证一个想法的文献新颖性、追踪某篇论文的机构合作网络还是为基金申请梳理资助背景都可以将本文的参数表、命令模板与源码分析直接复制到自己的研究流程中——这也是 ARIS 一贯的设计取向技能是方法论取走即用无框架绑定。赞分享AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载相关推荐ARIS /openalex 实战指南借助 OpenAlex 开放学术图检索论文、开放引文与机构基金数据ARIS /openalex 实战指南借助 OpenAlex 开放学术图检索论文、开放引文与机构基金数据 ARISAuto Research In SleeAI 技能/插件AI 评测科研人工智能MCP 服务dsh-pluginllama-index OpenAlexReader 实战从 OpenAlex 学术库搜索论文并构建可溯源 RAG 索引llama index OpenAlexReader 实战从 OpenAlex 学术库搜索论文并构建可溯源 RAG 索引 导读 本文围绕 llama inde人工智能RAG大模型OCLP-Mod技术解析突破性老旧Mac系统升级解决方案OCLP Mod技术解析突破性老旧Mac系统升级解决方案 OCLP Mod是基于OpenCore Legacy Patcher的增强版本专为突破苹果官方硬件桌面应用CLI系统编程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考