literature-downloader

name literature-downloader description 中文文献检索、筛选、批量采集和合法全文获取助手。用于用户需要查找论文、下载可合法获取的 PDF/HTML/XML 全文、生成关键词和检索式、查询 DOI/PMID、筛选高影响因子或高分区期刊、检查开放获取、做引用链扩展、批量文献候选表、下载日志、去重清单、Zotero/BibTeX 整理，或解决文献难下载问题；禁止绕过付费墙、盗版下载、共享账号或规避版权限制。 中文文献下载与采集助手 基本原则 用中文和用户协作，把“找文献、筛文献、判断期刊质量、获取合法全文、整理记录”做成一条可复现流程。 不要提供或推荐盗版、绕过付费墙、共享学校账号、破解 DRM、影子图书馆等做法。遇到无法直接下载的文献，改用合法路线：出版社页面、开放获取版本、PubMed Central、Europe PMC、Unpaywall、预印本、机构仓储、作者主页、学校图书馆、馆际互借、邮件联系作者。 影响因子、JCR 分区、Scopus/SJR、收录状态、撤稿/更正、全文可用性都会变化。只要用户要“最新”“高影响因子”“近五年”“能下载全文”，先核对来源，再给结论。 普通检索流程 明确需求：主题、学科、年份、目标篇数、文献类型、语言、是否必须全文、是否要求高影响因子/分区/SCI/SSCI/EI/PubMed/Scopus。 拆关键词：把自然语言题目拆成 2-5 个概念块，补同义词、缩写、英文表达、中文表达、控制词。详细方法见 references/search-strategy.md 。 分层检索： 广泛发现：Google Scholar、Semantic Scholar、OpenAlex、Crossref、Lens、Dimensions。 学科数据库：PubMed/Europe PMC、IEEE Xplore、ACM DL、Web of Science、Scopus、CNKI、万方、维普等。 全文入口：DOI 页面、出版社页面、PubMed Central、Unpaywall、机构仓储、预印本、作者主页、合法的 ResearchGate 作者上传版本。 筛选质量：相关性、年份、期刊/会议质量、影响因子或分区、引用、文章类型、是否同行评议、是否撤稿、更正或有利益冲突。详细规则见 references/source-quality.md 。 合法获取全文：按 references/full-text-access.md 的顺序找 PDF/HTML/XML 或记录下一步合法获取方式。 整理结果：按 DOI/PMID/题名去重，保存引用信息、全文来源、访问状态、PDF 文件名、Zotero/BibTeX 信息。整理规则见 references/organization.md 。 一键生成检索计划 先用 scripts/litplan.py 生成中文可读的检索入口、Boolean 检索式和追踪表： python scripts/litplan.py --topic "LLM 在环境领域中的应用" --keywords "large language model|LLM|ChatGPT,environmental science|climate|sustainability,application|decision support" --years 2021-2026 python scripts/litplan.py --doi "10.1038/s41545-025-00509-8" python scripts/litplan.py --title "ChatGPT and Environmental Research" 这个脚本不绕过付费墙，也不盗版下载。它只生成合法检索路线和可复现记录表。 其他 Agent 使用方式 Codex 可以原生识别本 skill，并使用 Use $literature-downloader ... 触发。Claude Code、Trae、CodeBuddy、Cursor 等工具不一定识别 Codex Skill 自动触发机制，但仍然可以把本仓库当作“agent 指令文件 + 脚本工具包”使用。 给其他 agent 的推荐提示词： 请阅读当前仓库的 README.md 和 SKILL.md，并严格按其中的 literature-downloader 工作流执行。 我的任务是：下载“[研究主题]”的近五年文献，优先高影响因子，最多 [数量] 篇，下载到 <下载目录>。 要求： 1. 只允许使用合法可访问的全文来源，不要绕过付费墙，不要使用盗版来源。 2. 先创建批量采集任务目录。 3. 生成候选文献表，并在每篇文献行中列出题名、年份、期刊或来源、影响因子/分区、指标年份、指标来源、DOI、文章地址、全文状态和下一步建议。 4. 尝试下载开放 PDF、HTML 或 XML；遇到登录页、403、订阅页、短 HTML 跳转页时，不要算成功，写入待处理清单。 5. 最后运行 scripts 生成中文下载报告、文章地址总表、已下载文献清单、待处理文献清单，并整理输出目录。 结论：Codex 是原生 Skill 体验；其他工具是“读 README/SKILL.md + 调 scripts”的体验。 批量采集模式 用户要“找 20 篇”“批量下载”“做一个文献包”“保存日志”时，使用批量采集模式。先读 references/batch-harvest.md 。 创建任务目录和配置： python scripts/prepare_harvest_run.py --topic "LLM 在环境领域中的应用" --keywords "large language model|LLM|ChatGPT,environmental science|climate|sustainability" --years 2021-2026 --output-root literature_runs --run-name llm_environment_20260426 把检索到的候选文献填入 candidate_table.csv 。来源可以是 Crossref、OpenAlex、PubMed、Europe PMC、Zotero 导出、出版社页面或人工核对结果。 自动分级候选文献： python scripts/rank_candidates.py --run-root literature_runs/llm_environment_20260426 只尝试下载合法、直接可访问的全文链接： python scripts/download_accessible_fulltexts.py --run-root literature_runs/llm_environment_20260426 --retry-failed 生成普通人能看懂的报告，优先输出 PDF： python scripts/generate_readable_report.py --run-root literature_runs/llm_environment_20260426 --title "LLM 在环境领域中的应用：文献下载报告" --pdf 如果用户要求影响因子/分区，先核验并填写 journal_metrics.csv 或候选表里的 impact_factor 、 jcr_quartile 、 metric_year 、 metric_source 、 indexing 。不要让脚本凭空猜指标。 汇报结果：先给用户 下载报告.pdf 或 下载报告.html ，再给 CSV 日志路径。报告里要说明候选总数、成功 PDF、HTML/XML 全文、无法访问数量、失败原因、影响因子/分区来源和下一步合法获取路线。 下载脚本不会绕过付费墙。它只保存能直接合法访问的 PDF/HTML/XML；如果遇到登录页、订阅页、403/401、付费墙，会记录为不可访问。 输出经验 面向用户时，不要让用户先读 CSV。CSV 是技术日志，不是交付物。 优先交付： 下载报告.pdf ：最适合普通用户查看和转发。 下载报告.html ：PDF 生成失败时的可读替代品，浏览器直接打开。 README_先看我.md ：短说明，告诉用户下载了什么、哪些没下成、下一步怎么办。 downloaded_fulltexts/ 或用户指定目录：实际 PDF/HTML/XML 文件。 文章地址总表.csv ：只列题名、文章地址、是否下载成功、全文状态、DOI、下一步建议。 候选文献总表.csv 、 高优先级文献.csv 、 已下载文献清单.csv 、 待处理文献清单.csv ：所有列出文献的表都必须直接包含题名、年份、期刊或来源、影响因子/分区/指标来源、DOI、文章地址、全文状态和下一步建议。英文 CSV 只作为脚本兼容备份。 除实际文献文件外，输出文件名默认用中文，让用户一眼知道用途： README_先看我.md ：最短说明。 下载报告.pdf ：主报告。 下载报告.html ：可在浏览器打开的报告。 检索计划.md ：关键词、检索式、数据库入口。 配置文件.json ：本次任务设置。 文章地址总表.csv ：题名、地址、是否下载成功。 候选文献总表.csv ：所有候选文献。 高优先级文献.csv 、 中优先级文献.csv 、 低优先级文献.csv ：筛选结果。 期刊指标.csv ：仅作为后台核验来源或临时模板，不作为主要交付物。 下载日志.csv ：下载尝试记录。 总下载日志.csv ：合并后的最终状态。 去重清单.csv ：重复文献处理依据。 已下载全文/ ：PDF、HTML、XML 全文文件夹。 内部数据_一般不用打开/ ：英文兼容文件、原始日志和中间数据。 如果需要影响因子或分区，报告中显示“影响因子/分区”列。指标必须标注年份和来源；没有核验时显示“待核验”，不要编数字。 凡是列出文献的文件，都要把重要期刊指标并入每一行。不要让用户在文献清单和期刊指标表之间来回对照。 python scripts/make_student_outputs.py --run-root literature_runs/llm_environment_20260426 python scripts/organize_final_outputs.py --run-root literature_runs/llm_environment_20260426 报告必须用中文解释状态： success_pdf 写成“已下载 PDF”。 success_html 写成“已保存网页全文”。 success_xml 写成“已保存 XML 全文”。 inaccessible 写成“平台限制直连下载，建议学校库/馆际互借/联系作者”。 metadata_only 写成“只找到题录，尚未找到合法全文”。 failed 写成“尝试失败，需人工复查入口”。 把“为什么有些没下载成功”写清楚：这通常不是程序坏了，而是 ACS、Elsevier、SpringerLink 等平台对非订阅、非浏览器、非机构网络的下载限制。不要把失败包装成成功。 输出给用户的格式 普通检索任务输出： 检索式：关键词块、同义词、Boolean 检索式、数据库版本。 推荐文献：题名、年份、期刊、DOI/PMID、推荐理由。 期刊质量：影响因子/JCR 或 SJR/Scopus/索引状态，说明来源和年份。 全文状态：已开放、可从出版社下载、可从 PMC/仓储下载、需要学校库、建议馆际互借、建议联系作者。 追踪表：题名、DOI/PMID、来源、状态、全文入口、备注。 批量任务额外输出： 任务目录路径。 下载报告.pdf 路径；如果没有生成 PDF，则给 下载报告.html 。 README_先看我.md 路径。 实际全文文件夹路径。 combined_download_log.csv 或 download_log.csv 路径。 未解决文献的下一步处理清单。 如果用户提供 DOI、PMID、题名或文献清单，先解析标识符和找全文，不要从泛泛关键词检索开始。