Skip to content
Conduit

skill

scholar-tracing

Trace a researcher from a Google Scholar link: bilingual (中文/English) journal-style report of co-author network, institutions, research evolution and paper-topic network. A Claude Code skill.

wq2581/scholar-tracingcommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/wq2581/scholar-tracing itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 17, 2026

Scholar Tracing · 学术画像

中文 | English

给一个 Google Scholar（谷歌学术）个人主页链接，生成一份期刊插图风格、中英双语的交互式学术画像报告：合作者网络、合作机构与地域分布、研究方向的阶段演化，以及全部论文的主题网络，并标出研究中心在哪里、每两篇论文为什么相连。

这是一个 Claude Code skill。把链接交给 Claude，它会抓取数据、生成报告、阅读分析结果，再用中英文写出解读。

报告内容

图回答的问题
标题区论文数、总被引、h-index、合作者、机构、国家/地区、年份跨度、主题数，以及一段摘要
Fig. 1 发表与影响力每年发表多少、每年被引多少、贯穿全部论文的核心关键词
Fig. 2 合作网络以本人为中心的合作者网络（可按机构 / 国家 / 首次合作阶段着色）；合作最多的人；每年新增和延续的合作者；点击节点查看共同论文
Fig. 3 单位分布合作机构 Top 15、国家/地区、机构类型、机构 × 年份热力图、本人署名机构变迁
Fig. 4 研究演化自动聚类研究主题，并把时间轴切分成研究阶段；每个阶段的主题构成、关键词、新出现 / 淡出的方向、代表论文、合作者和单位
Fig. 5 论文主题网络每篇论文怎样相连（内容相似 / 相互引用 / 共同作者），PageRank 找研究中心和核心论文，中介中心性找跨主题的桥梁论文
Methods数据覆盖、算法和局限

报告是单个 HTML 文件，双击即可打开（需要联网加载图表库）。右上角可以切换 中文 / EN，也支持深色模式。

效果展示

在线体验： wq2581.github.io/scholar-tracing.html（作者个人主页上的交互版，可拖动、缩放、切换中英文）

下面是用作者本人主页生成的示例报告截图（中文版）。交互版文件见 examples/AJXeD2wAAAAJ/：report.html（中文）和 report_en.html（English）。GitHub 不会直接渲染 HTML，请下载后双击打开；insights.json 是 Claude 撰写的中英文解读，可作为格式参考。

英文版截图见 README_EN.md。

安装

把仓库克隆到 Claude Code 的 skills 目录：

git clone https://github.com/wq2581/scholar-tracing ~/.claude/skills/scholar-tracing

Windows PowerShell：

git clone https://github.com/wq2581/scholar-tracing "$env:USERPROFILE\.claude\skills\scholar-tracing"

然后在 Claude Code 里直接说：

帮我分析这个谷歌学术主页：https://scholar.google.com/citations?user=XXXXXXXXXXXX

工作流程

Google Scholar 主页 ──► scholar.json    论文列表（以此为准）、引用、h-index、侧栏合作者
OpenAlex API ─────────► openalex.json   完整作者名单、署名机构/国家、摘要、关键词、参考文献
report_template.html ─► report.html + report_en.html
                        所有分析在浏览器里用 JS 完成：TF-IDF + 学科标签 → 社区发现主题 →
                        动态规划切分研究阶段 → 论文网络（相似度 kNN + 引用）→ PageRank / 中介中心性
window.SCHOLAR_ANALYSIS ─► Claude 写 insights.json（中英文主题名、阶段标题、要点）─► 重新生成
脚本作用
scripts/fetch_scholar.ps1抓取 Scholar 主页（论文、引用、h-index、侧栏合作者），翻页间隔有礼貌延时
scripts/scholar_extract.js被 Google 拦截时的浏览器兜底方案（验证码由用户自己完成）
scripts/fetch_openalex.ps1discover 按论文标题找到 OpenAlex 作者 ID，并用重合度和纯度排除同名的其他人；works 下载论文，缺失的按标题补齐
scripts/build_report.ps1把数据注入模板，生成中文和英文两份报告
scripts/serve.ps1极简本地静态服务器，方便在浏览器里预览大文件
assets/report_template.html报告模板，包含全部分析与绘图代码（ECharts）

各步骤的详细说明见 SKILL.md（为了通用，SKILL.md 用英文写成，描述里同时包含中英文触发词）。

环境要求

  • Windows PowerShell 5.1+（Windows 自带）；PowerShell 7（pwsh）理论上也可以，但还没有在 macOS / Linux 上测试过
  • 需要访问 Google Scholar、OpenAlex API，查看报告时需要访问 cdnjs
  • 不需要 Python 或 Node
  • 可选：设置环境变量 OPENALEX_API_KEY / OPENALEX_MAILTO

方法要点

  • 数据：以 Google Scholar 论文列表为准，再按标题匹配 OpenAlex 记录，补充完整作者、机构、摘要和参考文献。
  • 主题：标题（×2）、摘要、关键词的 TF-IDF 加上 OpenAlex 学科分类标签表示每篇论文；在论文相似度网络上做多次社区发现（Louvain）并取共识，得到稳定的主题划分（最多 8 个），页面上可切换不同粒度。自动质检会列出疑似放错主题的论文，由 Claude 复核。
  • 阶段：用动态规划把年份切成连续的几段，使段内论文内容的差异最小。
  • 论文网络：每篇论文连接内容最相似的几篇，再加上相互引用；用加权 PageRank 衡量中心性，用中介中心性 × 跨主题度找桥梁论文。
  • 图形：参考 nature-figure 的期刊插图规范：
    • 白底，只保留左侧和底部坐标轴，不画网格线
    • 细描边，分面字母用小号粗体小写
    • 低饱和配色，并通过色觉缺陷模拟校验

局限

  • Google Scholar 没有官方 API，频繁抓取可能会被要求验证码，请合理使用。
  • 常见姓名在合作者去重（没有 OpenAlex ID 时按"姓 + 名首字母"合并）和 OpenAlex 作者归属上可能出错。
  • OpenAlex 的机构解析偶尔有误，报告会如实展示，解读中应当指出。
  • 关键词和主题只反映文本统计，需要结合论文内容判断。

致谢

License

MIT

↑↓ navigate openesc close