Безплатен помощник, който търси едновременно в OpenAlex, PubMed, arXiv, Semantic Scholar и още 9 отворени академични API, валидира DOI-та и засича оттегляния. Работи на български и експортира готов BibTeX.
Честа практика на хората, които правят literature review с ИИ ритуалът им изглежда така: отварт 5 таб-а с различни бази, въвеждат същата заявка пет пъти на леко различни формулировки, копират резултатите в Excel, опитват се да познаят кои са дубликати, и накрая откриват, че ChatGPT им е дал три статии, които не съществуват, плюс един DOI, който води към статия с друго заглавие.
Затова написах search-science-literature – безплатен open-source skill за Claude AI/ Cdex (ChatGPT), който прави цялата тази работа за минути вместо за часове, без измислени статии и без скрейпване на Google Scholar. Тук ще покажа какво прави, как работи, и кои безплатни API ключове си заслужава да си вземете, за да го пуснете на пълни обороти.
Какъв проблем решава
Има няколко неща, които правят академичното търсене разочароващо:
Първо, базите са разпокъсани. Биомедицинските статии са в PubMed, физиката и компютърните науки са в arXiv, отворени публикации общо в OpenAlex и Crossref. Преглед на дадена тема обикновено иска обиколка през пет до седем източника.
Второ, AI инструментите халюцинират. ChatGPT може съвсем уверено да ви даде DOI, който не води никъде, или да цитира статия с грешен автор и грешна година. За научен преглед това е по-лошо от никакъв резултат, защото подвежда.
Трето, дубликатите и оттеглените статии минават под радара. Една и съща статия в OpenAlex и PubMed има различни ID-та. Една статия, която е била оттеглена преди две години, продължава да цитираш ако никой не ви е казал.
Skill-ът решава тези три неща наведнъж.
Какво прави
Подавате заявка на български или английски, например „статии за PEM електролиза, последна година“. Скриптът прави следното:
- Превежда заявката на научни търсещи термини (нормализира „зелен водород“ в green hydrogen renewable hydrogen LCOH).
- Изпраща я паралелно до 13 отворени академични API: OpenAlex, Crossref, PubMed, Europe PMC, Semantic Scholar, arXiv, DOAJ, bioRxiv, medRxiv, CORE, OpenAIRE, DataCite, DBLP, плюс Unpaywall за намиране на open-access копия.
- Слива дубликатите по DOI, после по PMID, после по fuzzy match на заглавието (минимум 92% сходство) плюс ISSN.
- Валидира всеки DOI срещу Crossref. Ако DOI-то не съществува, отива в отделна „не може да се потвърди“ секция.
- Засича оттегляния чрез двойна проверка в Crossref relation.is-retracted-by и OpenAlex is_retracted. Оттеглените статии получават наказание в score-а и видим маркер ⚠ RETRACTED.
- Ранкира резултатите по релевантност, новост, влияние или systematic-review критерий, с допълнителен boost за статии в reputable журнали (Nature, Science, Cell и подобни).
- Изнася финалния списък в BibTeX, RIS или CSV, готов за Zotero, EndNote или Excel.
Тестов пуск със заявка „PEM electrolysis efficiency“ и шест паралелни източника дава около 30-40 статии за под минута, със заявка на 6 различни API, нула халюцинации и dedup на повторените записи между PubMed и DOAJ.
За кого е полезен
Имах конкретно няколко аудитории наум:
Докторанти и изследователи, които прекарват средно 4-8 часа за разумен literature review. Skill-ът намалява това до 15-30 минути за същата дълбочина.
Редактори и научни журналисти, които трябва да проверят дали една статия е оттеглена или дали даден учен наистина има цитираните публикации.
Систематични прегледи (особено в медицина), където пропускане на оттеглена статия може да опорочи мета-анализа.
Учители и преподаватели, които искат да дадат на студентите списък с reliable източници, без сами да минават през всеки.
И не на последно място, редактори на популярни научни сайтове като нашия (BG Nauka), които трябва да обясняват научни новини, базирани на peer-reviewed източници, а не на пресрелийзи.
Защо open-source и безплатно
Има платени алтернативи: Web of Science, Scopus, Dimensions. Те покриват малко по-широко в някои области, но струват от стотици до хиляди евро на година за един потребител. За индивидуален изследовател или малка лаборатория просто не си струва.
Skill-ът използва само отворени API (повечето напълно безплатни, някои с безплатен tier), което означава, че всеки може да го стартира на своя компютър без абонамент. Кодът е на GitHub под името search-science-literature, с пълни инструкции.
Как да изкарате повече от него: безплатните API ключове
Това е важната част, която често се пропуска. Skill-ът работи и без никакъв ключ, но скоростта и качеството значително се вдигат, ако се регистрирате в няколко безплатни услуги. Подробният план е в IMPROVEMENTS.md във репото, но ето накратко:
Тier 1: само имейл, 5 минути
OpenAlex, Crossref и Unpaywall имат така наречения „polite pool“. Вие просто пращате своя имейл в заявката, и попадате в опашка с приоритет и по-висок лимит. Без регистрация, без форма. Слагате три реда в .env файл и сте готови.
Tier 2: бърза регистрация, ключ идва веднага
NCBI / PubMed API key е най-важният от Tier 2. Регистрирате се на ncbi.nlm.nih.gov, генерирате ключ за половин минута, и PubMed започва да отговаря с 10 заявки в секунда вместо с 3.
CORE API key отключва допълнителна база за open-access копия. Без него skill-ът просто прескача CORE с предупреждение.
OpenAIRE token вдига лимита от 60 заявки на час (анонимен) до 7200 на час.
Tier 3: изисква одобрение, но дава най-голяма разлика
Semantic Scholar API key е най-ценният, защото без него shared pool-ът дава HTTP 429 в около половината случаи. Подавате форма с описание на use case-а (личен research, без търговска цел), и AllenAI одобряват в рамките на 1-3 седмици.
Tier 4: бъдещи добавки
В IMPROVEMENTS.md описвам шест допълнителни API, които си заслужава да се включат в по-късна версия: ORCID за разпознаване на автори с еднакви имена, OpenCitations за обхождане на цитатния граф, Scite за разпознаване дали един цитат подкрепя или опровергава друг, Lens.org за връзка с патенти, и още няколко. Всеки от тях е безплатен за non-commercial use.
Как да работи за вас
- Инсталирайте го като сложите този промт “Инсталирай това умение (Skill) при мен – https://github.com/petar-nauka/search-science-literature
- Кажете на ИИ инструмента, който ползвате че искате да го подобрите или да търси в конкретни бази данни, които познавате или са свързани с вашата научна работа. Искате от ИИ да ви подобри това умение спрямо вашите предпочитания.
- Периодично го подобрявайте когато видите нужда от нови подобрения или нещо ви пречи – махнете го. Това става като кажете на ИИ да направи съответните промени свързани с /search-science-literature
Заключение
Skill-ът не замества научното мислене на изследователя – той замества само рутинната, повтаряща се работа: обиколката през пет бази, копирането в Excel, ръчния dedup, проверката за оттегляния. Резултатът е, че можете да отделите тези 4 часа за нещо, което всъщност изисква човешка преценка: четенето на статиите и решението какво от тях е приложимо за вашия въпрос.
Ако сте докторант, изследовател, редактор или просто често правите literature review, вижте репото, пробвайте го, и ми пишете какво ви липсва.
Източници и допълнителна информация:
