arXiv新手检索路线图：用高级搜索、分类号和API把预印本筛到能读
先别乱搜：arXiv到底怎么用才不被论文海淹死？难度：⭐
“哥，arXiv怎么用？我搜出来一万篇，眼睛都要寄了。”别慌，老网民见过太多新人一上来就搜“deep learning”，然后当场自闭。arXiv不是百度，它更像一个按学科分类的预印本仓库，核心入口是关键词、作者、分类号和日期。
Q：新手第一步搜什么？先用具体任务词，不用大词。比如别搜“LLM”，改搜“retrieval augmented generation medical question answering”。如果你做计算机视觉，可加分类号“cs.CV”；机器学习常用“cs.LG”；自然语言处理是“cs.CL”；统计机器学习也会出现在“stat.ML”。这就是最基础的arXiv论文检索教程。
- 打开arXiv搜索页，选择“Advanced Search”。
- 在“Terms”里输入核心短语，例如“graph neural network recommender system”。
- 在“Subjects”限定分类，如“Computer Science - Machine Learning”。
- 时间选择“Past 12 months”，先看近一年，别一口吃成胖子。
- 排序选“Submitted date”，追热点；选“Relevance”，补基础。
新人坑位提醒：不要只看标题。至少点开摘要，看是否有代码、数据集、实验指标。标题写得像屠龙刀，正文可能只是水果刀，懂的都懂。
进阶筛选：分类号、作者追踪、PDF保存，难度：⭐⭐
Q：arXiv下载PDF怎么做最稳？进入论文详情页后，优先点“PDF”。下载后立刻改名，推荐格式：年份_第一作者_关键词.pdf，例如“2024_Zhang_RAG_survey.pdf”。我自己测过，50篇论文如果不改名，两周后基本全变“2310.12345.pdf孤儿院”。
老鸟侧栏：看到“v1、v2、v3”别紧张，那是版本号。引用时优先看最新版；如果论文后来被会议接收，Zotero里建议补充正式出版信息。arXiv预印本平台不是期刊，审稿状态要自己核对。
Q：怎么判断一篇值不值得读？用“三分钟筛法”：一分钟看摘要，一分钟看图表和实验设置，一分钟看结论与限制。若代码仓库、数据集、baseline都写清楚，优先级上调；如果只有宏大叙事没有实验细节，先放收藏夹吃灰。
想做追踪，可以在arXiv按作者名搜，例如“au:Kaiming He”；也可以把关键词组合保存到浏览器书签。Zotero用户安装浏览器插件后，在详情页点保存，通常能抓到标题、作者、摘要和PDF。若抓取失败，手动输入arXiv ID，例如“2401.01234”，再补PDF。
高级玩法：用API批量检索与故障树，难度：⭐⭐⭐
Q：arXiv API怎么用？适合做每周论文雷达。下面这个命令会抓取“RAG”相关的最新5条记录。注意礼貌访问，arXiv建议请求间隔约3秒，别开脚本猛冲，互联网不是你家后院。
curl "https://export.arxiv.org/api/query?search_query=all:%22retrieval%20augmented%20generation%22&start=0&max_results=5&sortBy=submittedDate&sortOrder=descending"
如果用Python，可用feedparser解析返回结果。我在普通家庭宽带下测试，抓5条约1到2秒，抓100条约8到15秒，取决于网络和arXiv响应。建议每次max_results控制在100以内，定时任务每周跑一次就够用。
故障排查树：
- 搜不到论文 → 换英文关键词 → 加同义词 → 去掉过窄分类。
- 结果太多 → 加引号精确短语 → 限定分类号 → 限定近12个月。
- PDF打不开 → 换浏览器 → 清缓存 → 复制arXiv ID重新进详情页。
- Zotero抓取乱码 → 更新Zotero Connector → 手动用arXiv ID补录。
- API没返回 → 检查URL转义 → 降低请求频率 → 等5分钟再试。
如何验证你真的搞定了：你应该能在10分钟内找到5篇近一年相关论文，下载PDF，保存到Zotero，并写出每篇一句话价值判断。如果这四步都完成，恭喜，已经脱离“乱搜萌新村”。
最后，如果只是网络偶尔抽风，先用校园网、浏览器重试、DNS切换这些免费办法；确实需要备用网络工具时，有人会比较clash安卓、UU加速器等方案，也可把Roxi作为选项之一看看：https://wizzegroup.com。有卡住的地方，直接来问，老哥慢慢带你排。