让每一次引用都成为可解释的影响力
Turning Every Citation into Explainable Impact
输入论文题目或者从谷歌学术主页选择论文，一键获得完整的被引分析报告。
自动爬取所有施引文献、识别引用学者背景，最终生成一份精美的可视化 HTML 画像报告，用于了解自己/他人的被引情况。
| 日期 | 版本 | 更新内容 |
|---|---|---|
| 2026-03-12 | v1.0.3 | 📦 PyPI 最新版本：pip install citationclaw 一行安装，自动打开浏览器，支持跨平台（macOS / Linux / Windows） |
| 2026-03-12 | v1.0 | 🎉 首次公开发布：支持论文题目输入与 Google Scholar 批量导入、五种分析层级、著名学者自动识别、可视化 HTML 画像报告、断点续爬与缓存复用 |
| 文档 | 说明 |
|---|---|
| 📊 画像报告示例① | 真实输出样例，点击即可在线预览最终报告效果 |
| 📊 画像报告示例② | 另一篇真实论文的被引画像报告 |
| 📖 深度使用报告 | 一位用户用 CitationClaw 分析自己论文被引情况的完整体验记录 |
| 🔧 技术架构报告 | 系统架构、核心模块与实现细节，适合开发者或希望深入了解原理的读者 |
需要 Python 3.10 及以上版本（推荐Python 3.12）。
pip install citationclaw
citationclaw启动后浏览器自动打开 http://127.0.0.1:8000。
git clone https://github.com/VisionXLab/CitationClaw.git
cd CitationClaw
pip install -r requirements.txt
python start.py启动后访问 http://127.0.0.1:8000。
展开页面上的「API 配置」，填写：
| 字段 | 说明 |
|---|---|
| 两个API Key 必填⬇️ | |
| ScraperAPI Key 前往获取 | 用于抓取 Google Scholar。（ScraperAPI对于免费账户有1000积分试用，可供爬取50次） |
| LLM API Key 推荐V-API | 支持任意 OpenAI 兼容格式的 API Key |
| 其他配置 选填⬇️ | |
| Base URL | API 服务地址（默认使用V-API） https://api.gpt.ge/v1/ |
| Search Model | 必须具备实时 web search 能力（推荐V-API） gemini-3-flash-preview-search |
| Dashboard Model | 生成报告专用，无需 search 能力（推荐V-API） gemini-3-flash-preview-nothinking |
支持两种方式输入论文：
方式 A：直接输入题目
在文本框中每行填写一篇论文的完整英文题目，支持同时分析多篇。可为某篇论文添加曾用名（如预印本），系统自动合并：
Attention Is All You Need
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
方式 B：从 Google Scholar 学者主页导入
粘贴任意学者的 Google Scholar 主页 URL，系统自动获取该学者的全部论文列表，勾选感兴趣的论文后一键导入，无需手动复制题目：
https://scholar.google.com/citations?user=xxxxxx
| 层级 | 适用场景 |
|---|---|
| 全面版（默认，推荐） | 完整分析，对所有施引文献查找引用原句 |
| 进阶版 | 施引文献多时推荐，仅对院士/Fellow 查找引用原句 |
| 标准版 | 只需学者画像和统计图表，不需要引用原文 |
| 指定学者版 | 快速查询某几位学者是否引用了目标论文 |
| 学者查证版 | 核实特定学者引用情况，明确给出匹配/未匹配报告 |
分析完成后，直接下载 paper_dashboard.html，用浏览器打开即可——无需服务器，单文件，直接分享。
生成的 HTML 报告是本工具的核心产出，一份报告涵盖：
- 关键词云：从施引文献标题中提取高频词，附中文翻译，直观呈现研究热点
- 引用趋势预测：历年引用量柱状图，含 LLM 分析预测和线性回归双路径预测
- 国家/地区分布：施引文献第一作者的国家分布，一眼看出国际影响力
- 著名研究机构分布：是否有国内外著名研究机构引用（Google, DeepMind, OpenAI, 阿里, 腾讯, 字节等）
- 著名学者画像：院士、Fellow、杰青等重量级学者的详细列表，可展开查看其引用原句及所在章节（引言/相关工作/方法/实验），支持 Markdown 渲染
- 引用位置与情感分析：引用出现在哪个章节的分布，以及正面/中性引用比例
- 综合 Insight：LLM 自动生成的四维结构化总结——引用规模与分布、主要用途、代表性原文摘录、综合说明
著名学者自动识别与高亮 自动识别中国科学院/工程院院士、其他国家院士、IEEE/ACM/ACL 等学会 Fellow、国家杰青/长江学者等，在报告和 Excel 中颜色标注，重要引用一目了然。
自引检测与排除 自动比对施引论文与目标论文的作者列表，精准识别自引（考虑姓名缩写、别名等情况），并在著名学者分析和画像报告中自动排除，让数据更客观可信。
突破千篇限制 Google Scholar 每个引用列表最多只显示 1000 篇。开启「年份遍历模式」后，系统按年份分段爬取并合并去重，高被引论文（如 Transformer、BERT）同样可获取完整数据。
断点续爬
任务中断后，设置 resume_page_count 为中断页码，重新启动即可从断点继续，已消耗的 ScraperAPI 额度不会浪费。
作者信息持久缓存 已搜索过的学者信息自动缓存复用，多次分析包含相同施引文献的论文无需重复调用 LLM，大幅降低费用。
除 HTML 报告外，每次分析还会在 data/result-{时间戳}/ 中生成：
paper_results.xlsx：全部施引论文 + 作者信息，著名学者行颜色标注paper_results_all_renowned_scholar.xlsx：著名学者引用汇总paper_results_with_citing_desc.xlsx：含引用原句的增强版表格paper_results.json：结构化 JSON，便于程序处理
如需基于已有数据重新生成 HTML 报告，无需重新爬取：
python core/dashboard_test.py data/result-{时间戳}/paper_results.xlsx作者信息出现错误或 LLM 编造内容
搜索模型必须具备实时 web search 能力，否则 LLM 会基于训练数据编造学者信息。推荐使用 gemini-3-flash-preview-search 或同类带 search 的模型。
ScraperAPI 请求频繁失败 检查 Key 是否有效、额度是否充足。建议配置 3 个以上 Key 轮换；引用数多的论文爬取耗时较长，属正常现象。
引用数超过 1000 篇，数据不完整
在配置页开启「年份遍历模式」（enable_year_traverse）。
任务中断后如何继续
在配置页将 resume_page_count 设为中断时的页码，重新启动即可。
HTML 报告未生成
确认已启用「著名学者筛选」（enable_renowned_scholar_filter），Dashboard 依赖此数据。
CitationClaw 的更完善版本即将在 减论 上线，提供更强大的功能与更流畅的使用体验，敬请期待！
欢迎扫码加入用户群，获取最新动态、交流使用心得、人工代查：
本项目仅供学术研究和个人学习使用。请遵守 Google Scholar 服务条款及当地法律法规，避免高频大规模抓取。ScraperAPI 的使用须遵守其服务条款。作者不对使用本工具产生的任何后果负责。
开发者：Qihao Yang, Ziqian Fan, Ziyang Gong, Xue Yang (Project Leader)
单位：上海交通大学
版本：1.0
更新日期：2026-03-12
