academic-literature-mining-skill
Rust CLI学术文献挖掘与引用管理工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：academic-literature-mining-skill。 它的用途是：Rust CLI学术文献挖掘与引用管理工具 完整的 Skill 内容见：https://321skill.com/skills/academic-literature-mining-skill/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'帮我构建一个关于“大语言模型评估方法”的学术语料库，要求包含2020年后的期刊论文，并自动提取引用信息生成CSL格式。' 它会自动运行litmine CLI，搜索学术数据库，筛选符合条件论文，下载PDF，提取元数据，生成嵌入并存入Qdrant，最后输出CSL JSON/BibTeX格式的参考文献列表。
介绍
这个Skill解决了学术文献管理中的核心痛点：文献零散、引用不完整、数据交叉污染。在实际研究中，学者往往需要手动收集论文、核对元数据、整理引用，过程繁琐且容易出错。本工具通过自动化流程，从搜索、筛选到索引、存储，确保每篇论文的引用记录权威完整，且不同论文的数据严格隔离。
使用方式很简单，你只需要通过自然语言描述研究主题，例如“构建关于大语言模型评估的语料库”。工具会自动调用Rust CLI litmine，搜索学术数据库，解析DOI/arXiv/OpenAlex标识符，下载PDF并提取完整引用元数据。随后利用NVIDIA Nemotron Embed/Rerank模型生成嵌入，存入Qdrant向量数据库，支持按语义或关键词检索。整个过程无需手动整理文件或数据库。
它非常适合需要构建可复现学术语料库的研究人员、撰写文献综述的学者、以及管理大量论文的实验室团队。尤其是那些已经熟悉命令行工具、需要高效处理大量文献的用户，能显著提升文献挖掘和管理的效率。它也适合需要对比不同模型效果的技术调研场景。
建议在启动新项目时使用独立的Compose项目隔离不同论文数据，避免向量数据库污染。需要预先配置NVIDIA Nemotron API（或本地GPU模型）和Qdrant容器。注意该工具依赖Rust环境、Docker Compose，推荐在Linux或macOS上运行。另外，它要求每篇论文必须有可解析的持久标识符，不适合无DOI/arXiv的非正式文献。
常见问题
如何安装这个Skill？
执行 `git clone https://github.com/Ruisi-Lu/academic-literature-mining-skill.git` 并确保已安装Rust、Docker Compose，然后按照README配置NVIDIA Nemotron API和Qdrant容器。
支持中文文献吗？
支持，但依赖的学术数据库（如OpenAlex、CrossRef）需有中文文献的元数据记录。嵌入模型Nemotron对中文也有一定支持，但建议先用英文测试。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/academic-literature-mining-skill/raw/index.md 读取 academic-literature-mining-skill 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/academic-literature-mining-skill/raw/index.md（查看排版版本）