Semantic Scholar Search
Recherche Semantic Scholar structurée en 4 phases avec un helper Python qui gère les limites de débit et les requêtes booléennes.
Testé · Fonctionne
Ce que fait
Recherche des articles académiques, des citations et des auteurs via l'API Semantic Scholar à travers un workflow en 4 phases (plan-exécuter-présenter-suivre), par défaut une recherche booléenne en masse selon les propres directives de Semantic Scholar. Livré avec un helper Python (s2.py) avec limitation de débit automatique et backoff exponentiel pour une utilisation avec clé et anonyme, plus des formateurs pour les tableaux, l'intention de citation et l'export BibTeX. À utiliser pour la recherche bibliographique, l'analyse de citations, la recherche d'auteurs ou les demandes de recommandation d'articles.
Rapport de test
Testé en direct contre l'API réelle : un appel direct naïf (sans compétence) a immédiatement renvoyé un 429, tandis que le script s2.py de la compétence (backoff intégré, traduction de filtre snake_case-to-camelCase) a renvoyé 10 articles RAG-for-code réels, correctement filtrés avec des nombres de citations dès le premier essai.
Testé le: 2026-07-14 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/Agents365-ai/semanticscholar-skill cd semanticscholar-skill mkdir -p ~/.claude/skills cp -r skills/semanticscholar-skill ~/.claude/skills/semanticscholar-skill
Commandes et exemples de prompts
/semanticscholar-skillRecherche Semantic Scholar structurée en 4 phases avec un helper Python qui gère les limites de débit et les requêtes booléennes.
Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :
Search Semantic Scholar for papers on transformer attentionFind citation counts and authors for this paper on arXivDo a literature review on graph neural networks for me