Token导航 LogoToken导航

Agent Skill · 研究检索

parallel-search(并行搜索)

parallel-search 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

parallel-search 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为调用外部服务;许可证为 MIT,暂无第三方扫描结果,按安装量在研究检索类的 73,675 个 Skill 里排第 60,316。

总安装 371周安装 15GitHub Stars 公开资料未说明下载 116核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:parallel-search(并行搜索)
来源仓库:https://github.com/u9401066/med-paper-assistant
仓库路径:skills/parallel-search
安装命令:
npx skills add u9401066/med-paper-assistant --skill "parallel-search"
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

AgentSkills.tonpx skills
npx skills add u9401066/med-paper-assistant --skill "parallel-search"

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

parallel-search 用于并行查找和筛选研究相关资源。适合在学术调研、文献检索等场景中快速定位候选结果。支持基于关键词、任务类型或来源线索进行高效匹配。可通过 npx 命令从指定 GitHub 仓库安装并配置。需检查技能是否具备联网能力以及文件读写权限。

parallel-search 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/parallel-search

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add u9401066/med-paper-assistant --skill "parallel-search";命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

parallel-search 怎么安装?

在终端执行 npx skills add u9401066/med-paper-assistant --skill "parallel-search"。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

parallel-search 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

parallel-search 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

parallel-search 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

parallel-search 用的人多吗?

公开数据是累计安装 371 次,近一周安装 15 次,下载 116 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

parallel-search 安全吗?

没有查到第三方扫描结果,安全性无法从公开资料判断,安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 没有第三方扫描结果,安全性只能靠自己读源码判断。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 要求有安全扫描结论才肯安装的团队。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
parallel-search

并行搜索 · 本页

371—调用外部服务MIT未收录

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
parallel-search
description
使用多組關鍵字並行搜尋,提高文獻覆蓋率。觸發:並行搜尋、parallel search、批量搜尋、擴展搜尋、多組搜尋、同時搜、找更多、廣泛搜尋、comprehensive search。

並行文獻搜尋技能

概述

利用 Agent 的並行呼叫能力來加速文獻搜尋,提高覆蓋率。

核心概念:

  1. 預設搜尋策略(日期、排除詞、文章類型)
  2. 策略工具返回多組搜尋語法(自動整合策略設定)
  3. Agent 並行呼叫搜尋工具
  4. 合併工具整合結果

可用工具

🔍 pubmed-search MCP 搜尋工具

工具用途關鍵參數
generate_search_queries從主題生成 MeSH + 同義詞材料topic, strategy, check_spelling
search_literature執行 PubMed 搜尋(可並行多次)query, limit, min_year, article_type
merge_search_results合併多組搜尋結果並去重results_json
expand_search_queries結果不足時擴展搜尋topic, expansion_type
parse_pico解析 PICO 臨床問題description 或 p, i, c, o

📊 結果處理工具

工具用途關鍵參數
fetch_article_details取得完整文章資訊pmids (逗號分隔)
get_citation_metrics取得 iCite 引用指標 (RCR)pmids, sort_by, min_rcr
find_related_articles找相似文章pmid
find_citing_articles找引用此文章的研究pmid

💾 Session 管理工具

工具用途說明
get_session_pmids取得 session 中的 PMIDsearch_index=-1 取最近搜尋
get_session_summary查看 session 狀態確認快取和搜尋歷史
list_search_history列出搜尋歷史回溯過往搜尋

📚 儲存文獻工具(⚠️ 注意優先級)

工具資料來源使用時機
save_reference_mcppubmed-search HTTP API永遠優先使用 ✅
save_referenceAgent 傳遞僅當 API 不可用時 fallback ⚠️

工作流程

Step 0: (可選)設定搜尋策略

呼叫:configure_search_strategy(criteria_json={
    "date_range": "2019-2024",
    "exclusions": ["animal", "review"],
    "article_types": ["Clinical Trial", "Randomized Controlled Trial"]
})

Step 1: 生成搜尋策略

呼叫:generate_search_queries(
    topic="remimazolam ICU sedation",
    strategy="comprehensive",
    use_saved_strategy=True
)

返回 5 組 queries,策略已自動整合。

Step 2: Agent 並行執行搜尋

Agent 看到 instruction 後,會並行呼叫:

<parallel_tool_calls>
  <tool_call id="1">
    <name>search_literature</name>
    <args>{"query": "...", "limit": 20}</args>
  </tool_call>
  <tool_call id="2">
    <name>search_literature</name>
    <args>{"query": "...", "limit": 20}</args>
  </tool_call>
  <!-- ... 更多並行呼叫 ... -->
</parallel_tool_calls>

Step 3: 合併結果

呼叫:merge_search_results(results_json='[
  {"query_id": "q1_title", "pmids": ["123", "456"]},
  {"query_id": "q2_tiab", "pmids": ["456", "012"]}
]')

返回去重後的結果,標記高相關性文獻(出現在多個搜尋中)。

迭代式搜尋擴展

當初始搜尋結果不夠時:

Phase 1: 初始搜尋
  → generate_search_queries(topic="...")
  → 並行執行 5 組查詢
  → merge_search_results → 只找到 15 篇,不夠!

Phase 2: 擴展搜尋
  → expand_search_queries(
      topic="...",
      existing_query_ids="q1,q2,q3,q4,q5",
      expansion_type="synonyms"
    )
  → 並行執行新查詢
  → merge_search_results → 共 32 篇

Phase 3: 如果還不夠
  → expand_search_queries(..., expansion_type="related")
  → 繼續...

擴展類型選擇指南

情況expansion_type預期效果
擔心遺漏不同術語synonymssedation → conscious sedation
想找類似比較研究relatedremimazolam → propofol
結果太少broader使用 OR、移除限制
結果太多narrower限定 RCT、最近 2 年

流程圖

generate_search_queries(topic)
        │ 5 組查詢
        ▼
並行執行 search_literature
        │
        ▼
merge_search_results
        │
        ▼
┌───────┴───────┐
│ 結果足夠嗎?  │
└───────┬───────┘
        │ No
        ▼
expand_search_queries(type=...)
        │ 新查詢
        ▼
並行執行新查詢
        │
        ▼
merge(含所有結果)
        │
        └──→ 重複直到足夠

優點

  1. 更快:多個搜尋同時執行
  2. 更全面:不同角度的關鍵字組合
  3. 可追蹤:知道每篇文獻來自哪個搜尋
  4. 可重現:策略被記錄下來
  5. 策略整合:日期/排除詞自動套用

搜尋後儲存文獻

完成搜尋和篩選後,儲存選中的文獻:

# ✅ PRIMARY:使用 MCP-to-MCP 驗證(永遠優先)
呼叫:save_reference_mcp(
    pmid="12345678",
    agent_notes="Key paper on parallel search methodology"
)

# ⚠️ FALLBACK:僅當 pubmed-search API 不可用時
呼叫:save_reference(article={完整 metadata dict})

為什麼 save_reference_mcp 優先?

  • save_reference_mcp:mdpaper 直接從 pubmed-search API 取得驗證資料,Agent 無法篡改
  • save_reference:Agent 傳遞 metadata,可能被修改或幻覺

Session 工具使用技巧

搜尋結果自動暫存在 session 中,不需要記住所有 PMID:

# 取得最近搜尋的 PMID
呼叫:get_session_pmids(search_index=-1)

# 取得前一次搜尋的 PMID
呼叫:get_session_pmids(search_index=-2)

# 在其他工具中使用 "last" 快捷方式
呼叫:get_citation_metrics(pmids="last", sort_by="relative_citation_ratio")
呼叫:prepare_export(pmids="last", format="ris")

相關技能

  • literature-review - 完整的文獻回顧流程
  • concept-development - 搜尋後發展概念

平台分布

OpenCode

26.13%
按下载量换算30

Antigravity

22.73%
按下载量换算26

windsurf

19.06%
按下载量换算22

Claude Code

13.46%
按下载量换算16

Codex

7.05%
按下载量换算8

Gemini CLI

3.76%
按下载量换算4

安全审计

暂无安全审计结果可展示。

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills