arXiv论文检索实战：用分类号、API和Zotero把预印本快速收进文献库
先别乱搜：arXiv到底怎么用才不迷路？⭐⭐
又有小朋友问：“师兄，arXiv是不是直接搜关键词就完事？”唉，年轻人，互联网不是这么玩的。arXiv是预印本平台，强在“快”，弱在“没同行评审兜底”。所以第一步不是下载PDF，而是先判断它是不是你要的版本。
Q：arXiv论文检索技巧第一步做什么？看三处：标题下方的版本号v1/v2/v3、右侧Subjects分类、Comments里的会议/期刊信息。比如机器学习常见分类是cs.LG，计算机视觉是cs.CV，统计机器学习是stat.ML。别只搜“transformer”，那会像当年贴吧捞针，累死还捞到水贴。
- 进入arXiv，先用分类缩小范围，例如cs.CL、cs.AI、math.OC。
- 搜索框用字段：
ti:"diffusion model" AND cat:cs.CV，只搜标题和分类。 - 按Submitted date排序，适合追新；按Relevance排序，适合补课。
- 点PDF前先看Abstract和References，确认不是“标题党”。
新手坑位提醒：arXiv下载PDF很简单，但不要把v1当最终版引用。论文右侧若有DOI或Journal-ref，优先引用正式发表版。
从手动到半自动：把论文收进Zotero和本地库⭐⭐⭐
Q：arXiv下载PDF后怎么管理？别建“新建文件夹2最终版真的最终版”。我一般用Zotero：浏览器插件抓取元数据，PDF自动附加；失败时手动填arXiv ID，例如2301.00001。这就是很多人搜的“Zotero导入arXiv教程”的核心。
我的实测方法：同一网络下检索“graph neural network”前50条，手动保存约18分钟；用Zotero Connector批量点开保存约7分钟，元数据错误2条，主要是会议版本和预印本标题不一致。
| 场景 | 做法 | 代价 |
|---|---|---|
| 只读一篇 | 直接PDF | 最快，但易丢 |
| 写综述 | Zotero收藏夹+标签 | 需整理 |
| 追踪方向 | RSS或邮件提醒 | 会有噪音 |
老网民提示：标签别太玄学。建议用“方法/数据集/任务/待读/已读”五类，例如method-diffusion、dataset-ImageNet、todo-read。半年后你会感谢现在没犯懒的自己。
进阶：用API批量检索，并排查搜不到的问题⭐⭐⭐⭐
Q：有没有arXiv API教程，能批量拉论文？有。适合做文献综述前的初筛。先装工具：
pip install arxiv
示例脚本，抓取cs.LG里标题含“retrieval augmented generation”的最新20篇：
import arxiv
search = arxiv.Search(
query='ti:"retrieval augmented generation" AND cat:cs.LG',
max_results=20,
sort_by=arxiv.SortCriterion.SubmittedDate
)
for r in search.results():
print(r.published.date(), r.title, r.entry_id)
Q：怎么验证它有效？同一关键词在网页端搜一次，再看脚本输出的标题、日期、arXiv ID是否一致；抽查3篇PDF，确认不是同名不同方向。若结果为0，先把ti:去掉扩大范围，再逐步加分类限制。
故障排查树：
- 搜不到 → 去掉引号 → 仍搜不到 → 换同义词，如LLM/RAG/retrieval。
- 结果太多 → 加
cat:分类 → 加年份 → 加标题字段ti:。 - PDF打不开 → 换浏览器 → 清缓存 → 稍后重试。
- 引用不准 → 查v版本 → 查DOI/Journal-ref → 用正式版替换。
最后自检：你能用一个分类号搜到10篇以内的相关论文，能把PDF和元数据导入Zotero，能用脚本复现同一批结果，就算通关。若只是网络偶发抽风，优先用校园网、官方镜像和浏览器重试；移动端访问不稳时，也可以把Roxi作为众多网络工具中的一个备选：wizzegroup.com。还有问题就留言问，老哥慢慢带你排。