文献检索与下载全流程

概述

端到端学术文献检索与下载自动化。接收用户的研究主题 → 检索文献 → 推荐高价值目标 → 多渠道下载 → 科研通常控监控 → 应助后自动下载 → 通知用户。

环境变量与配置

本技能依赖以下环境变量（需在首次使用前配置）：

首次使用时，AI 应检查以上变量是否已配置。若缺失，主动询问用户并引导配置。 若用户未配置通知渠道，跳过通知步骤，仅在对话中告知结果。

流程概览

1. 文献检索  →  2. 结果展示  →  3. 用户确认  →  4a. 直接下载成功
                                                   ↓ (失败)
                                               4b. 科研通求助
                                                   ↓
                                               5. 建立Cron监控
                                                   ↓
                                               6. 应助 → 自动下载 → 通知用户
                                                   ↓
                                               7. 告知用户 + 更新进度

Step 1：文献检索

必须先读取 academic-literature-search 技能，路径通过以下方式定位：

1. 优先查找当前 workspace 下的 skills/academic-literature-search/SKILL.md
2. 其次查找 ~/.qclaw/skills/academic-literature-search/SKILL.md
3. 若均不存在，提示用户先安装 academic-literature-search skill

使用其 scripts/search.py 执行检索：

import subprocess, os

# 自动定位脚本路径
workspace = os.environ.get("OPENCLAW_WORKSPACE", os.path.expanduser("~/.qclaw/workspace"))
search_script = os.path.join(workspace, "skills/academic-literature-search/scripts/search.py")

result = subprocess.run([
    "python3", search_script,
    "--query", "用户的研究主题",
    "--databases", "semantic_scholar,crossref",
    "--max_results", "20",
    "--output_format", "json"
], capture_output=True, text=True)

优先选择 Crossref 数据库（DOI 数据最权威，可靠性高）。

检索完成后立即检查每篇文献的 is_open_access 字段：

• open_access = true → 标记为可尝试 Unpaywall 直接下载
• open_access = false → 直接规划科研通求助路线，避免在无效渠道浪费时间

Step 2：结果展示

呈现检索结果时使用以下格式（Markdown）：

## 📚 文献检索结果（共 N 篇）

| # | 标题 | 作者 | 年份 | 期刊/会议 | DOI | 引用 | 开放获取 |
|---|------|------|------|-----------|-----|------|----------|
| 1 | ... | ... | 2023 | ... | 10.xxxx/xxx | 45 | ✅ |

### 🎯 高价值推荐

1. **[论文标题1]**（推荐理由）
   - DOI：`10.xxxx/xxx`
   - 亮点：...
2. **[论文标题2]**（推荐理由）
   - DOI：`10.xxxx/xxx`

推荐标准：高引用数 / 最新年份 / 开源可获取 / 直接相关用户主题

Step 3：确认用户需求

展示结果后，询问用户：「请告诉我想下载哪些论文（序号或标题），或者让我推荐？」

等待用户回复后，对每篇目标论文记录：

• DOI、标题、发表年份
• 是否开放获取
• 目标下载优先级

Step 4a：多渠道直接下载

按以下优先级逐个尝试：

渠道 1：Unpaywall（最快）

GET https://api.unpaywall.org/v2/{DOI}?email={LIT_UNPAYWALL_EMAIL}

• 响应中取 best_oa_location.landing_page 或 best_oa_location.url_for_pdf
• 注意：Unpaywall 有频率限制，每小时 ≤ 5000 请求

渠道 2：DOI.org 重定向

GET https://doi.org/{DOI}
（跟随重定向，查找 Content-Type: application/pdf 的最终 URL）

• 若重定向至 Springer/IEEE/Elsevier → 返回 418 或需登录 → 放弃此渠道

渠道 3：Semantic Scholar PDF

GET https://api.semanticscholar.org/graph/v1/paper/{DOI}/PDF
（需设置 API Key：SEMANTIC_SCHOLAR_API_KEY）

渠道 4：Crossref PDF 链接

GET https://api.crossref.org/works/{DOI}
（从响应中取 `link` 字段）

成功标准：文件以 %PDF 开头（Magic Bytes），大小 > 50 KB 失败处理：记录失败原因（418 / 403 / 404 / 无 OA 版本），转向 Step 4b

Step 4b：科研通常控求助

前置条件

• 用户已登录浏览器，开启了远程调试端口（默认 LIT_CDP_PORT，通常为 9334）
• 参考命令（Mac）："/Applications/Microsoft Edge.app/Contents/MacOS/Microsoft Edge" --remote-debugging-port=9334 "--remote-allow-origins=*"
• 参考命令（Linux）：google-chrome --remote-debugging-port=9334 --remote-allow-origins=*

步骤 4b-1：发布求助帖

通过 CDP 连接浏览器，在 https://www.ablesci.com/assist/create 发布求助：

关键参数获取（每次操作前必须从页面重新获取）：

1. CSRF Token：从页面 \x3Cmeta name="csrf-token"> 提取
2. Cookie：通过 Network.getAllCookies 获取所有 ablesci.com 域名下的 cookie
3. 标签页：每次操作前重新 list_tabs() 并 attach，不要缓存 tab ID

发布 API：

POST https://www.ablesci.com/assist/create
Content-Type: application/x-www-form-urlencoded

_csrf={token}&title={标题}&content={内容}&tag_id={分类ID}

求助帖标题建议格式：【求助全文】【期刊名+年份】论文标题 求助帖内容建议：包含 DOI、论文标题、作者、发表信息

步骤 4b-2：记录求助状态

每篇论文发布后，更新下载进度追踪表（路径：LIT_PROGRESS_FILE）：

## 📥 文献下载进度

| 论文 | DOI | 状态 | 来源 | 备注 |
|------|-----|------|------|------|
| 论文标题1 | 10.xxxx/xxx | ✅ 已下载 | ablesci 应助 | 保存路径 |
| 论文标题2 | 10.xxxx/xxx | ⏳ 求助中 | 科研通 | ID: xxx |

Step 5：建立 Cron 监控任务

读取 qclaw-cron-skill 获取正确的 cron 配置语法

路径：~/Library/Application Support/QClaw/openclaw/config/skills/qclaw-cron-skill/SKILL.md

监控任务配置

每 30 分钟检查一次科研通常控状态：

Schedule：

{"kind": "every", "everyMs": 1800000}

Payload（isolated session）：

{
  "kind": "agentTurn",
  "message": "检查科研通常控求助帖状态...\
\
1. 读取进度文件（LIT_PROGRESS_FILE）获取当前进度\
2. 通过 CDP 连接浏览器（http://127.0.0.1:{LIT_CDP_PORT}）\
3. 逐个访问求助帖详情页（URL格式：https://www.ablesci.com/assist/detail?id={帖子ID}）\
4. 检查每篇论文的状态：\
   - 求助中 → 无操作\
   - 待确认（有人上传）→ 自动下载（见下方下载流程）\
   - 已完成 → 无操作\
5. 如有新应助（状态：待确认）：\
   a. 提取下载页面链接\
   b. 通过浏览器触发下载\
   c. 更新进度文件\
   d. 通知用户（若已配置通知渠道）\
6. 如全部论文已下载完成，通知用户并删除 cron 监控任务"
}

Delivery（仅在配置了通知渠道时设置）：

{
  "mode": "announce",
  "channel": "{LIT_NOTIFY_CHANNEL}",
  "to": "{LIT_NOTIFY_USER}"
}

注意：sessionTarget = "isolated"（必须），payload.kind = "agentTurn"

通知模板

📥 论文下载完成！

论文：{标题}
来源：{来源}
保存位置：{LIT_DOWNLOAD_DIR}/{文件名}
状态：{进度表更新}

Step 6 & 7：自动下载与进度更新

当 cron 任务检测到新应助时：

1. 提取下载 ID：从详情页 HTML 中解析下载链接
2. 触发下载：
   • 新建标签页打开下载链接
   • 执行 Page.setDownloadBehavior(behavior=allow, downloadPath={LIT_DOWNLOAD_DIR})
   • 等待文件从 .crdownload 变为 .pdf（通常 5-30 秒）
3. 重命名文件：去掉 (科研通-ablesci.com) 等后缀，保留年份信息
4. 验证 PDF：文件头为 %PDF，大小 > 50 KB
5. 更新进度表：LIT_PROGRESS_FILE
6. 通知用户（若已配置通知渠道）

关键坑点记录（来自实战经验）

CDP 操作时序问题

• accessibility tree ref 和 backendDOMNodeId 在跨调用后会失效
• 解决：每次操作前重新获取 ref，不跨步缓存
• 优先使用 DOM.querySelectorAll + DOM.resolveNode 获取 objectId，再发送 Input.dispatchMouseEvent

科研通常控下载特殊机制

• API file/request-download-token 返回 code=0 但 不返回 URL
• 实际下载通过浏览器 XHR 流式传输，触发后等待浏览器自动下载
• file_server=2 对应普通线路，file_server=3 对应高速线路

常见下载失败原因

• IEEE/Elsevier 等商业出版社：返回 418（IP/地区限制）或 403（需登录）
• 无开放获取版本：Unpaywall 查不到 → 直接转向科研通

依赖技能