前言¶
做文献监测的常见做法是每周手动刷一遍 PubMed，再开几个标签页看 bioRxiv 和 arXiv，看到相关论文存进 EndNote，回头想引用时发现链接、预印本版本和作者单位对不上。另一种做法是写脚本定时抓 API，脚本能跑，但关键词写死、去重靠标题字符串匹配、摘要由模型生成后无从核对。
下面介绍的 Academic-Radar 是社区作者 user_9e10d3ea 发布的一个通用 Skill，把「抓哪些源、怎么筛、怎么判相关、推给谁」这四件事组织成一次可复现的配置，并明确区分了书目信息与模型产出。
这是什么¶
Academic-Radar 是一个面向临床医生、医学科研人员和研究生的多源学术监测 Skill，坐标 @user_9e10d3ea/academic-radar，当前版本 1.0.0，来源为 community，归类在 knowledge-management。
它解决的问题是：给定一个研究方向，定时从多个学术数据源获取新增内容，经过关键词筛选、跨周期去重和模型相关性评分后，输出一份能追溯到原始出处的报告。它不负责替你判断某篇论文是否值得读，而是保证你看到的每条记录都能回到源 API 的原始书目数据。
数据源与处理流程¶
数据源覆盖三类：
1、文献数据库：PubMed、Semantic Scholar、OpenAlex
2、预印本服务器：bioRxiv、medRxiv、arXiv
3、补充渠道：X（原 Twitter）和 RSS 订阅
同一批内容进入 Skill 后依次经过三道处理：关键词筛选、跨周期去重、LLM 相关性评分。前两道是确定性的规则处理，第三道由模型完成，产出是评分和摘要总结。
这里有一个明确的边界：书目信息来自原始 API，模型只负责评分与摘要。也就是说，标题、作者、期刊、DOI、链接这些字段不会被模型改写，模型生成的内容仅限于相关性判断和文字摘要。
核心功能¶
已核实的能力包括：
- 六层关键词配置，支持把检索条件拆成不同层级分别维护
- 作者追踪，按特定研究者持续监测新产出
- 检索频率调整，按源或按任务设置抓取间隔
- 多渠道推送，报告可以发到不同接收端
- 跨周期去重，避免同一条目在相邻两次抓取中重复出现
- 书目信息可追溯，每条记录保留源 API 的原始字段
安装与启用¶
官方地址：
https://api.skillhub.cn/user_9e10d3ea/academic-radar
SkillHub 页面：
https://www.skillhub.cn/skills/user_9e10d3ea/academic-radar
需要说明的是，已抓取的资料中只给出了 SkillHub 的访问地址和坐标，没有提供具体的安装命令或目录结构。同时该 Skill 带有 requires_api_key=true 标签，说明启用前需要准备好各数据源的访问凭据（例如 Semantic Scholar 和 OpenAlex 的 API key）。安装步骤请以官方页面当时的说明为准，不要照抄第三方写法。
首次配置与实跑¶
按照官方简介，Skill 会引导使用者按顺序完成五个环节：
1、研究方向拆解。先把宽泛的课题拆成可检索的主题词和限定条件，而不是直接把课题名称当检索式。
2、关键词校准。把拆解结果落到六层关键词配置里，逐层检查命中率，避免召回过多或漏掉关键子方向。
3、模型与推送渠道配置。确定相关性评分用哪个模型，以及报告推送到哪个渠道。
4、首次实跑。跑一次完整流程，检查抓取量、去重效果和评分结果是否符合预期。
5、定时任务。确认首次实跑无误后，开启周期抓取。
前三步是配置，第四步是验证，第五步才是长期运行。跳过第四步直接上定时，出问题时不容易定位是关键词、去重还是评分环节的原因。
典型用法¶
一个可用的最小场景是作者追踪：输入某位研究者的名字，配置作者追踪和对应的关键词层，设定抓取频率，报告推送到常用渠道。运行后每次抓取返回的新增内容都包含该作者的原始书目字段，加上模型给出的相关性评分和摘要。
另一个场景是方向监测：针对一个研究主题配置多层关键词，覆盖 PubMed 和至少一个预印本源，开启跨周期去重。这样同一篇论文在相邻两次抓取中不会重复出现，预印本和正式发表版本可以通过原始字段区分。
适用场景与注意¶
适合的使用方是：需要长期跟踪某个研究方向、但不希望手动维护检索式的临床医生、医学科研人员和研究生；以及需要同时覆盖正式发表和预印本两个时间层的使用者。
几个限制值得提前知道：
- 该 Skill 依赖外部 API，PubMed、Semantic Scholar、OpenAlex 等源的可用性和限流策略由各平台决定，抓取失败时需要排查凭据和频率设置。
requires_api_key=true意味着至少部分数据源需要自行申请 key，官方页面未说明哪些源需要、哪些不需要。- 相关性评分来自模型，摘要也是模型生成的。这两个产出应当作为筛选参考，不能当作原文引用。真正引用时回到原始 API 的书目字段核对。
- 安装数为 0、下载量为 939（截至抓取时），社区来源，遇到问题需要自行排查或联系发布者。
结尾¶
Academic-Radar 的价值不在于它接了多少个数据源，而在于它把文献监测这件事拆成了可配置、可复现、可追溯的步骤，并且明确划开了「原始书目数据」和「模型产出」这条线。如果你需要的是长期、自动化的方向跟踪，同时不希望报告里的标题和作者信息被模型改写，这个 Skill 的定位是对口的。
官方地址：https://www.skillhub.cn/skills/user_9e10d3ea/academic-radar
