搜索学术论文，支持双搜索引擎.

单次请求最多返回 30 条结果，已内置请求间隔和限流重试。

Args: query: 搜索关键词，英文效果最佳，如 "graph neural network recommendation" num_results: 返回论文数量，1-30，默认 10 year_low: 发表年份下限，如 2020 year_high: 发表年份上限，如 2024 engine: 搜索引擎 — "bing"(默认, 免代理), "google"(需代理), "auto"(Bing优先, 失败自动切Google)

获取单篇论文的详细信息，自动从外部源获取完整摘要.

Args: title: 论文标题（精确匹配效果更好） url: 论文 URL（Google Scholar URL 仅限 engine=google 时使用，与 title 二选一） engine: 搜索引擎 — "bing"(默认, 免代理), "google"(需代理), "auto"(Bing优先, 失败切Google)

分析一组论文与研究主题的相关性，返回排序结果和分析摘要.

典型用法：先调用 search_papers 获取论文列表，再将返回的 JSON 传入此方法。

Args: topic: 研究主题描述（英文 1-3 句话），如 "using graph neural networks for collaborative filtering recommendation systems" papers_json: search_papers 返回的 JSON 字符串，需包含 papers 数组

生成多角度论文相关性分析图表，启动本地 HTTP 服务端返回链接.

生成 3 张图表：相关性柱状图、K-Means 聚类散点图、TF-IDF 关键词分析。 图表通过本地 HTTP 服务端 (http://localhost:8765) 提供，在浏览器中打开。 返回 message 字段含 markdown 链接和原始 URL，客户端可渲染或复制。

典型用法：先调用 analyze_relevance 获取排序结果，再将其 JSON 传入此方法。

Args: topic: 研究主题描述（图表标题） papers_json: analyze_relevance 返回的 JSON 字符串，需包含 ranked_papers 数组