为解决科研中查找相关论文的痛点，一种基于embedding和AI Agent的自动化工作流被提出。它不仅能为人提供直观的可视化搜索界面，还能赋能Agent进行更智能、更精准的文献检索，显著提升科研效率。
智能速览
项目包含面向人类和Agent的两种工作流。
人类用户工作流提供一键爬取与可视化交互。
Agent工作流通过命令行和SKILL.md实现高效调用。
Agent可优化模糊查询，提升论文检索命中率。
支持通过提示词屏蔽不相关研究方向，实现精准筛选。
精华内容
该工作流的核心价值在于，它将复杂的论文检索过程封装起来，为不同使用者提供了灵活且高效的解决方案。
人机交互工作流
针对个人研究者，该方案提供了一站式网页应用。用户只需输入想法，系统即可自动爬取会议论文，通过计算embedding进行相关性匹配。整个过程由Streamlit驱动，界面简洁直观。
此外，项目还集成了embedding-atlas技术，能够将论文的分布情况可视化呈现，帮助用户快速把握研究领域内的热点与空白，极大降低了文献调研的技术门槛。
Agent调用工作流
为适配大模型Agent，项目设计了专门的命令行指令和配套的SKILL.md文档。这种设计使得Agent在执行文献检索任务时，输出结果清晰明了，且相比直接调用Python API，能更高效地完成任务并节省token消耗。
它将复杂的检索逻辑标准化，让Agent能够像使用一项技能一样，无缝集成到更庞大的科研自动化流程中。
Agent的智能优势
利用此工作流，Agent展现出超越简单工具的智能性。首先，它能自动优化用户的模糊查询。例如，仅提供一个研究方向，Agent便能利用其知识库丰富查询词，提高检索的精准度。
其次，它支持负向筛选，用户可在提示词中明确排除不关心的领域，Agent会自动过滤掉相关结果，省去了大量人工筛选的时间，实现了真正意义上的个性化、智能化文献发现。
该项目将AI Agent与科研工作流深度融合，展示了未来学术研究的新范式。它不仅是提升效率的工具，更是一位聪明的“科研搭子”。随着Agent能力的持续进化，这种自动化、智能化的研究方式将释放更多创造力，或许能彻底改变我们探索知识的方式。
关键评论
项目代码已开源，方便研究者二次开发和使用。
有用户希望该工具未来能支持爬取IEEE和Elsevier等主流数据库。
论文的来源和自动爬取范围是用户关心的问题。
