必须对接google search api并注入学术意图，通过serpapi密钥启用scholar引擎、配置gl/us&hl/en参数、使用filetype:pdf/site:.edu/site:scholar.google.com等运算符构建query，再经代码节点过滤非学术源，方可实现dify中精准学术检索。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Dify中实现精准的学术信息检索，必须绕过普通网页搜索的噪声干扰，直接对接Google Search API并注入学术意图——不加限定的搜索会混入大量新闻、博客和营销页面，而学术搜寻需要聚焦于PDF文档、机构域名（如.edu、.ac.uk）、Google Scholar索引页或特定出版平台。
准备SerpAPI账户与学术友好型密钥
前往 SerpAPI官网 注册账号，完成邮箱验证后进入 Dashboard → API Keys 页面。免费版每月100次调用足够测试，但【务必点击“Regenerate”生成新密钥】，旧密钥可能未启用Google Scholar扩展权限，导致后续query中加入`site:scholar.google.com`仍返回空结果。
复制刚生成的密钥，暂存本地文本文件——不要直接粘贴进Dify配置页，避免因空格或换行符导致认证失败。
在Dify中添加并配置Google Search工具
登录Dify控制台 → 左侧导航栏点击「工具」→「插件」→ 右上角「+ 创建工具」→ 搜索框输入“google” → 选择官方插件「Google Search」→ 点击「添加」。
在弹出的配置面板中填写：
• 名称：academic_google_search（建议命名含academic前缀，便于工作流中识别用途）
• API Key：粘贴上一步复制的密钥
• 描述：专用于学术文献检索，支持PDF/edu域名/Google Scholar定向抓取
【关键设置】：勾选「启用高级参数」，在「自定义参数」区域手动添加两行：
gl: us
hl: en
不填gl会导致中国IP触发地域过滤，大量屏蔽国际期刊官网；不设hl则摘要语言混乱，影响后续LLM解析准确率。
构建学术导向的搜索Query语法
单纯输入“machine learning review”会返回技术博客和课程页面。必须用SerpAPI原生支持的Google搜索运算符重构query：
方法一：限定文件类型与权威域名
query = "large language models survey filetype:pdf site:.edu"
这能命中高校CS系发布的综述PDF，但注意：filetype:pdf对Google自身索引有依赖，部分新上传PDF若未被收录将不可见。
方法二：直连Google Scholar镜像（需SerpAPI已开通scholar引擎）
query = "retrieval augmented generation 2024 site:scholar.google.com"
→ 在Dify工作流中，将该query传入Google Search节点时，必须同步在参数中显式指定engine=scholar，否则默认走web引擎，无法访问学术索引库。
在 Linux 上使用 rclone + gog OAuth 配置 Google Drive 挂载。适用于将 Google Drive 挂载为本地文件系统、设置开机自动挂载或进行其他相关配置。
方法三：组合式权威源白名单
query = "foundation model safety assessment (site:arxiv.org OR site:proceedings.mlr.press OR site:aclweb.org)"
括号和OR必须用英文半角，且每个site:后不能带http前缀，否则SerpAPI解析报错并静默降级为普通搜索。
工作流中接入学术搜索节点并结构化输出
新建Workflow → 拖入「开始」节点 → 连接至「Google Search」节点（选择刚才创建的academic_google_search工具）→ 再连接至「代码执行」节点。
在「代码执行」节点中选择Python环境，输入以下脚本：
```python
import json
results = []
for item in $google_search.results:
# 过滤掉非学术来源（如youtube、medium、wikipedia）
link = item.get("link", "")
if any(domain in link for domain in ["youtube.com", "medium.com", "wikipedia.org"]):
continue
results.append({
"title": item.get("title", "").strip(),
"link": link,
"snippet": item.get("snippet", "").strip(),
"source_domain": link.split("/")[2] if "://" in link else "unknown"
})
return {"academic_results": results[:5]}
```
这一步只保留前5条高相关学术结果，并剔除明显非学术站点。若原始返回少于5条，不会补空值——避免LLM被伪造数据误导。
最后连接「结束」节点，在「结束」节点参数中勾选「返回结果」，确保parsed.academic_results字段可被下游模型节点读取。
验证学术搜索是否生效
点击右上角「调试」→ 输入测试问题：“请提供近三年关于多模态大模型安全评估的综述论文”。
观察执行日志中的Google Search节点输出：若results数组中每条item的link字段包含arxiv.org、aclweb.org或proceedings.mlr.press等域名，且snippet含“survey”“review”“systematic assessment”等学术关键词，则学术路径已通。
若返回结果仍以新闻稿或企业白皮书为主，立即检查两点：
① SerpAPI密钥是否在Dashboard中显示“Scholar Engine: Enabled”
② 工作流中Google Search节点的参数是否漏填engine=scholar（仅当使用方法二时必需）
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
