通过 DOI 下载一篇论文 PDF（本地多源下载：Unpaywall → arXiv → Sci-Hub）。

Args: doi: 论文的 DOI，例如 "10.1109/tim.2021.3106677" output_dir: 保存 PDF 的目录路径，默认为当前目录

Returns: 下载结果的 JSON 字符串，包含 success, doi, path, size_mb, source 等字段

批量下载多篇论文 PDF。

Args: dois: DOI 列表，例如 ["10.1109/tim.2021.3106677", "10.1109/tie.2020.3032868"] output_dir: 保存 PDF 的目录路径，默认为当前目录

Returns: 批量下载结果的 JSON 字符串，包含每篇的状态和汇总统计

搜索论文 (Crossref + Semantic Scholar 双源合并去重)。

支持关键词搜索或直接输入 DOI 查询详情。

Args: query: 搜索关键词或 DOI，例如 "gradient magnetic field coil" 或 "10.1109/tim.2021.3106677" rows: 返回结果数量，默认 8

Returns: 搜索结果 JSON，包含 title, authors, journal, year, doi, cited_by, abstract 等

使用 AI 分析论文，返回核心贡献、研究方法、关键发现等。

支持任意 OpenAI 兼容 API（通过 AI_API_BASE / AI_API_KEY / AI_MODEL 环境变量配置）。 如果能下载到 PDF，会提取全文进行深度分析；否则退回到 abstract 分析。

Args: doi: 论文的 DOI，例如 "10.1109/tim.2021.3106677"

Returns: AI 分析结果 JSON

分析工作区代码，自动推荐相关学术论文。

扫描指定目录下的源文件（.py, .tex, .md 等），提取 import 库名、算法术语、 LaTeX 标题等特征，映射到学术领域关键词后搜索论文推荐。

Args: workspace_path: 工作区根目录路径，例如 "E:/半导体实验" top_n: 返回推荐论文数量，默认 8

Returns: 推荐结果 JSON，包含检测到的库/术语、搜索查询和推荐论文列表

生成论文引用图谱（Mermaid 可视化 + 结构化数据）。

通过 Semantic Scholar API 获取论文的引用(citations)和参考文献(references)， 输出 Mermaid 图谱代码（可直接在 Markdown 中渲染）和结构化 JSON。

Args: doi: 论文的 DOI，例如 "10.1109/tim.2021.3106677" depth: 递归深度 (1=直接引用/参考, 2=二层引用)，默认 1 max_per_level: 每层最多获取的论文数，默认 10

Returns: 引用图谱 JSON，包含 mermaid (图谱代码), nodes, edges, statistics 等

检查论文下载服务各数据源的可用性（Unpaywall、arXiv、Sci-Hub 镜像）。

Returns: 各数据源健康状态的 JSON 字符串