我用 Claude Code 做了一个学术论文搜索工具

非计算机背景也能用，支持中文自然语言描述、AI 筛选、论文独立对话、批量下载 PDF。

---

起因

做科研的时候，找论文这件事一直让我觉得麻烦。Google Scholar 需要想好关键词，结果还要一篇篇手动判断相不相关，PDF 找不到还得去各个平台碰运气。

于是就想做一个工具，让这件事变简单一点——直接用中文说"我要找什么"，剩下的交给程序。

最近花了一些时间，用 Claude Code（Sonnet 4.6） vibe coding 出来了，取名 ScholarScout，部署在自己的云服务器上，现在开放试用。

试用地址：http://118.25.192.117

---

核心功能

1. 自然语言搜索

不需要想英文关键词。直接输入中文描述，比如：

“找 2023 年后关于大模型幻觉问题的论文”
“diffusion model 在医学图像生成的综述”

后端调用 DeepSeek 自动提取英文学术关键词，展示给你确认，点确认之后再开始搜索。

2. 10 个数据库并发搜索

同时搜索以下数据源，结果自动去重合并：

数据源	特点
arXiv	预印本，CS/物理/数学
Semantic Scholar	AI 领域最强，有引用图谱
PubMed	生物医学权威库
OpenAlex	覆盖面最广的开放数据库
CrossRef	DOI 元数据最全
CORE	开放获取论文聚合
Europe PMC	欧洲生命科学
INSPIRE-HEP	高能物理专属
NASA ADS	天文航空专属
Google Scholar	覆盖最广，兜底

3. AI 相关性筛选

搜到的论文先经过 DeepSeek 过滤一遍，低相关的打上标记单独展示，高相关的排在前面。支持 Tab 切换查看"AI 筛选后"和"全部结果"。

4. 每篇论文独立 AI 对话

这个是我个人最喜欢的功能。每篇论文右侧有一个按钮，点开会滑出一个对话抽屉，可以直接问：

• “这篇论文的核心方法是什么？”
• “和 XXX 方法相比有什么优势？”
• “这个方法有什么局限性？”

每篇论文的对话历史独立保存，互不干扰。

5. 批量下载 PDF + 备用查找

选中感兴趣的论文，一键打包下载 PDF。

对于找不到 PDF 的论文，系统会：

1. 调用 Kimi 联网搜索尝试找开放获取版本
2. 找不到则自动生成 8 个平台的跳转链接（Google Scholar、Sci-Hub、Unpaywall、Semantic Scholar 等），点击直达

---

技术实现

整体架构

前端  React + Vite + TypeScript + Tailwind CSS
后端  Python 3.11 + FastAPI
通信  SSE（Server-Sent Events）流式推送
LLM   DeepSeek API（用户自备 Key）
      Kimi API（服务端，PDF 深度查找）
部署  Nginx + systemd，个人 4C4G 云服务器
统计  Umami 自托管

为什么用 SSE 流式推送

搜索过程涉及 10 个数据源并发 + LLM 调用，总耗时可能 10-20 秒。如果等全部结果再返回，用户体验很差。

SSE 可以让后端实时推送每个阶段的进度：

search_start  → 告知前端将搜索哪些源
source_done   → 每个数据源完成时推送（源名称 + 篇数）
progress      → 文字进度提示
done          → 全部结果
pdf_update    → PDF 深度查找结果（异步补充，不阻塞结果展示）

前端会实时展示每个数据源的完成状态（Perplexity 风格的进度网格）。

搜索去重合并

10 个数据源搜出来的论文会有大量重复。去重策略：

1. DOI 精确匹配（最可靠）
2. 标题规范化后模糊匹配（去除标点、统一小写、计算编辑距离）
3. 合并时保留各来源最优字段（优先选有摘要、有 PDF 的版本）

Key 的安全设计

用户的 DeepSeek API Key 只存在浏览器的 localStorage，不会发送到我的服务器（除了每次搜索请求里作为参数直接转发给 DeepSeek，不落库不记录）。

后端做了基础安全加固：

• Nginx 限速（搜索接口 5次/分钟，防滥用）
• 下载接口域名白名单（SSRF 防护）
• 请求体大小限制（Pydantic 字段约束）
• 错误信息脱敏（内部异常不暴露给前端）

前端状态管理

没有用 Redux 这类重型方案，全程 React hooks 自定义：

• useSearch — 两阶段搜索（parse → search）+ SSE 事件处理
• useModel — 模型选择，localStorage 持久化
• usePaperChat — 每篇论文独立对话历史 + 流式输出
• useSettings — 搜索参数（数据源多选、条数限制等）
• useSearchHistory — 搜索历史，localStorage 持久化

部署

跑在腾讯云轻量服务器（4C4G，Ubuntu）上，用 systemd 管理后端进程，Nginx 做反向代理和静态文件服务，Umami 统计用 Docker Compose 部署。

---

用 Claude Code 开发的体验

整个项目基本上是用 Claude Code（claude-sonnet-4-6）vibe coding 出来的，自己主要负责提需求、看效果、给反馈，具体的代码实现大部分交给 Claude。

这种开发方式对我来说很顺——不需要记住所有 API 文档，想加什么功能直接描述，Claude 会把涉及的文件都改好，有时候还会主动指出潜在的问题。

当然也踩了不少坑，比如 DeepSeek 的 models.list() 返回格式和 openai SDK 预期不一致、Umami v2 Docker 镜像不支持 BASE_PATH 环境变量、nginx subpath 代理的 trailing slash 问题……这些都是真实踩过的坑。

---

局限性（诚实说一下）

• 服务器是个人小机器，并发能力有限，访问人多了可能会慢
• 中文论文支持很差（基本不支持），10 个数据源基本都是英文为主
• 部分数据源（Google Scholar）有反爬限制，偶尔会搜不到
• PDF 找不到的情况仍然存在，尤其是较新的付费期刊

---

试用

地址：http://118.25.192.117

需要一个 DeepSeek API Key（免费注册：https://platform.deepseek.com），Key 仅存本地。

有问题、建议、或者想聊聊的，联系邮箱在网站底部。

只是自己做着玩的工具，能帮到人就很开心 😃

---

Built with Claude Code · 开源：https://github.com/Dshuishui/ScholarScout