# 生命科学文献探索与可视化 ## 任务目标 * 本 Skill 用于：从 **PubMed** 和 **Europe PMC** 数据库搜索**生命科学领域** 的开放获取学术文献，并提取 PDF 下载链接 * 能力包含： * **双数据源支持** ： * PubMed API（默认）：适合进化生物学、生态学、遗传学等非临床医学领域 * Europe PMC API（`--use-europepmc`）：适合临床医学、药学、生物医学等临床领域 * **高级检索** ：支持 MeSH 主题词检索、精确短语搜索、上下文感知检索 * **PMC 过滤** ：确保 100% 可下载（通过 `pubmed pmc[sb]` 过滤器） * **并行多检索** ：同时执行多个检索式，自动合并去重 * **智能分类报告** ：根据全文/摘要可用性自动分组，生成 HTML 可视化报告 * 适用领域：进化生物学、生态学、遗传学、生物医学、临床医学、药学、生物学、公共卫生等生命科学相关学科 * 触发条件：用户需要搜索**生命科学领域** 的学术文献，获取 PDF 下载链接，并生成可视化报告时 ## 默认规范 * **全文链接过滤（重要）** ：**默认只返回有全文下载链接的文献** ，确保所有结果可直接下载 * **默认行为** ：自动过滤掉没有 PDF/TGZ 下载链接的文献 * **包含无全文** ：如需包含无全文链接的文献，使用 `--include-no-fulltext` 参数 * **过滤提示** ：脚本会显示过滤掉的文献数量，便于了解检索情况 * **MeSH 检索（推荐）** ：**优先使用 MeSH（Medical Subject Headings）主题词检索** ，提升检索精度和全面性 * **MeSH 优势** ：专业术语标准化、自动扩展同义词、精确匹配医学概念、避免关键词歧义 * **MeSH 语法** ：`"Neoplasms"[MeSH]`（主题词）、`"Neoplasms/drug therapy"[MeSH]`（副主题词） * **查找 MeSH** ：使用 MeSH Browser（[https://www.ncbi.nlm.nih.gov/mesh/）查询标准术语]() * **时间范围（默认10年）** ：**默认获取近 10 年内的文献** ，从当前年份向前推算（如当前年份 2026 年，默认检索范围是 2016-2026 年） * **默认行为** ：所有检索式自动添加 `2016:2026[pd]` 年份限制（根据当前年份动态计算） * **自定义时间范围** ：如需其他时间范围，用户明确指定后才调整 * **年份格式** ：使用 `[pd]` 字段限定，格式为 `起始年:结束年[pd]` * **检索模式** ：默认使用**较为宽泛的检索模式** ，**多用 OR 连接关键词** ，获取更广的结果范围；避免过度使用 AND，提高检索覆盖面 * **文献类型过滤** ：**默认排除会议论文** （conference proceedings），专注于期刊论文；使用 `NOT conference NOT proceedings` 过滤 * **筛选策略** ：先宽泛检索获取更多结果，后续在 HTML 报告中使用筛选功能缩小范围 * **PMC 过滤** ：默认使用 `pubmed pmc[sb]` 过滤器，确保 100% 可下载 * **检索数量** ：单次检索默认返回 100 篇文献，多检索式合并后不超过 300 篇 ## 前置准备 * 依赖说明：本 Skill 使用以下 Python 包，请使用虚拟环境安装 # 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # Linux/macOS # 或 venv\Scripts\activate # Windows # 安装依赖 pip install requests>=2.31.0 * 输出说明： * `links.json`：包含文献信息和 PDF 链接的 JSON 文件 * `pdf_links.txt`：纯文本格式的 PDF 下载链接列表 * `literature_report.html`：美化的 HTML 报告，展示文献列表和链接 * 可选配置： * NCBI API 邮箱和密钥（提升请求速率限制）：访问获取 ## 操作步骤 * 标准流程： 1. **理解需求并整理关键词** * 分析用户的输入（可能是中文、英文或混合） * 将中文关键词翻译为规范的英文检索词（PubMed 标准术语） * 识别关键概念：疾病名称、药物、治疗方式、生物标志物、技术方法等 * 扩展相关词汇：同义词、缩写、变体、专业术语 * **MeSH 术语查询** ：使用 MeSH Browser（[https://www.ncbi.nlm.nih.gov/mesh/）获取标准主题词，参见默认规范中的]() MeSH 检索说明 2. **构建多组检索式** * **重要** ：构建检索式时必须遵循默认规范 * **时间范围** ：默认获取近 10 年内的文献（当前年份 - 10 至当前年份） * **动态计算** ：使用 `datetime.now().year` 获取系统时间，自动计算年份范围 * **示例** ：如当前 2026 年，默认年份限制为 `2016:2026[pd]` * **默认行为** ：所有检索式必须添加近10年的年份限制，除非用户明确要求其他时间范围 * **优先使用 MeSH 术语** ，提升检索精度（参见 MeSH 检索说明） * **使用 OR 连接关键词，获取更广的结果** （后续可在 HTML 报告中筛选） * **默认排除会议论文** ，使用 `NOT conference NOT proceedings` 专注于期刊论文 * 避免过度使用 AND，提高检索覆盖面 * 基于整理的关键词，构建 2-4 组不同的检索式 * **检索式 A（默认宽泛检索 - 推荐 MeSH 模式）** ：使用 MeSH 术语 + PMC 过滤 + 排除会议 + 近 10 年 * 示例（当前年份 2026）：`"Neoplasms/drug therapy"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]` * 检索内容：所有癌症药物治疗的期刊论文（MeSH 自动扩展同义词） * **检索式 B（多概念宽泛检索）** ：使用 OR 连接多个 MeSH 术语 + PMC 过滤 + 排除会议 + 近 10 年 * 示例：`("Neoplasms"[MeSH] OR "Diabetes Mellitus"[MeSH]) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]` * 检索内容：癌症或糖尿病相关文献 * **检索式 C（普通关键词宽泛检索）** ：使用 OR 连接普通关键词 + PMC 过滤 + 排除会议 + 近 10 年 * 示例：`("cancer OR tumor OR neoplasm") AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]` * 检索内容：使用同义词检索，但不如 MeSH 精确 * **检索式 D（可选精确检索）** ：仅在用户明确要求精确检索时使用 AND 连接（如 `title:` 字段限定） * 示例：`title:"specific term" AND pubmed pmc[sb] 2016:2026[pd]` * **检索式 E（可选排除检索）** ：排除无关文献 + PMC 过滤 + 排除会议 + 近 10 年（仅在用户需要排除某些类型时使用） * 示例：`("topic1"[MeSH] OR "topic2"[MeSH]) AND pubmed pmc[sb] NOT conference NOT proceedings NOT review 2016:2026[pd]` 3. **获取 PDF 链接** * 使用 `get_pdf_links.py` 搜索文献并获取 PDF 下载链接 * **重要** ：执行搜索前确认检索式已包含： * 近 10 年的年份限制 * `NOT conference NOT proceedings` 排除会议论文 * PMC 过滤器 `pubmed pmc[sb]` * 单次检索模式： python scripts/get_pdf_links.py --search "(cancer OR tumor) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 100 --output links.json * 并行多检索模式： python scripts/get_pdf_links.py --search-multi "(cancer OR tumor) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";"(Alzheimer OR dementia) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 50 --max-workers 3 --output links.json * 输出结果：`links.json` 包含文献信息和 PDF 链接 4. **提取 PDF 下载链接** * 使用 `extract_pdf_links.py` 提取 PDF 下载链接 python scripts/extract_pdf_links.py --json links.json --output pdf_links.txt 输出：`pdf_links.txt` 包含所有可用的 HTTP 下载链接，用户可以自行选择下载方式（如 wget、IDM 等） 5. **生成美化的 HTML 报告** * 使用 `generate_html_report.py` 脚本直接从 `links.json` 生成 HTML 报告 * 脚本会自动： * 获取当前年份（动态获取，无需手动指定） * 根据全文和摘要可用性对文献进行四级分类和排序 * 生成包含分组展示、统计信息、响应式设计的完整 HTML 页面 * 执行命令： python scripts/generate_html_report.py --json links.json --output literature_report.html * 报告包含：文献标题、作者、发表信息、摘要、PDF 下载链接 * **排序规则** ：优先展示有全文和摘要的文献，将无全文/无摘要的文献放在最下面 * 第一优先级：有全文 + 有摘要（高亮展示，绿色边框） * 第二优先级：有全文 + 无摘要（正常展示，蓝色边框） * 第三优先级：无全文 + 有摘要（次要展示，浅色样式） * 第四优先级：无全文 + 无摘要（置底，灰色显示） * 报告样式：卡片式布局、响应式设计、分组标题显示各优先级文献数量 * **智能体使用场景** ：当需要自定义 HTML 样式或添加额外功能时，智能体可以基于模板生成定制化 HTML 6. **验证结果** * 检查生成的 HTML 报告是否正确展示文献信息 * 确认 PDF 链接是否有效 * 查看链接提取统计和成功率 * 验证年份显示是否为当前年份（动态获取） * 可选分支： * 当用户明确要求其他时间范围：按用户指定的时间范围检索，**否则默认使用近10年** * 当用户需要更精确的检索：使用字段限定（如 title:、author:）缩小范围 * 当用户需要排除某些类型：使用 NOT 操作符排除无关文献 * 当检索结果过多：进一步增加年份限制或添加更多关键词限定 * 当 API 请求受限：配置 NCBI API 邮箱和密钥 * 当需要快速浏览文献列表：生成 HTML 报告并使用搜索/筛选功能 ## 资源索引 * 必要脚本： * [scripts/get_pdf_links.py]()（用途：搜索文献并获取 PDF 链接；参数：--search/--search-multi/--limit/--max-workers/--output） * [scripts/extract_pdf_links.py]()（用途：从 JSON/CSV/标识符提取 PDF 下载链接；参数：--json/--identifiers/--csv/--column/--output） * [scripts/generate_html_report.py]()（用途：从 JSON 生成美化的 HTML 报告；参数：--json/--output/--theme；功能：自动获取当前年份、智能分类排序、响应式设计、多主题支持） * HTML 模板资产： * [assets/html-templates/modern.css]()（用途：现代主题样式，蓝绿色系，适合在线浏览） * [assets/html-templates/academic.css]()（用途：学术主题样式，黑白配色，适合打印） * [assets/html-templates/dark.css]()（用途：深色主题样式，护眼配色，适合夜间阅读） * 领域参考：见 [references/literature-usage.md]()（何时读取：需要了解高级检索语法、完整参数说明、PMC 过滤技巧、MeSH 检索指南时） * 输出资产：`links.json`（文献元数据）、`pdf_links.txt`（下载链接）、`literature_report.html`（美化的 HTML 报告） ## 注意事项 * **虚拟环境使用** ：强烈建议使用 Python 虚拟环境安装依赖，避免权限冲突和系统包污染 * **适用领域** ：本 Skill 专门用于**生命科学领域** （生物医学、临床医学、药学、生物学、公共卫生等）的文献搜索 * **数据源说明** ：PubMed 和 Europe PMC 主要收录生物医学和生命科学领域的文献，不适用于物理、数学、计算机等其他学科 * **PMC 过滤的重要性** ：默认使用 `pubmed pmc[sb]` 过滤器可确保 100% 可下载 * **文献类型过滤的重要性** ：默认使用 `NOT conference NOT proceedings` 过滤会议论文，专注于期刊论文；如需检索会议论文，可移除此过滤 * **时间范围默认规范（10年）** ：**默认获取近 10 年内的文献** （当前年份 - 10 至当前年份） * **示例** ：当前 2026 年 → 默认范围 2016-2026 年 * **年份格式** ：必须添加 `2016:2026[pd]` 格式的年份限制 * **例外情况** ：仅在用户明确要求其他时间范围时才调整默认值 * **检索模式默认规范** ：默认使用较为宽泛的检索模式，**多用 OR 连接关键词** ，获取更广的结果范围；后续可在 HTML 报告中使用筛选功能缩小范围；仅在用户需要精确检索时才使用 AND 连接或添加字段限定 * **分步骤执行** ：获取链接和下载是两个独立的步骤，可以先获取链接并审查结果，再决定是否下载 * **API 速率限制** ：未配置 API 密钥时，NCBI 每秒最多 3 个请求；配置后可提升至 10 个请求 * **HTML 报告设计** ：报告应美观、易用、功能完善，支持搜索和筛选，提升用户体验 * **链接有效性** ：部分文献可能因权限或访问限制导致 PDF 链接失效，建议优先使用 PMC 过滤器 * **MeSH 检索** ：参见默认规范中的 MeSH 检索说明和 [references/literature-usage.md]() 中的详细指南 ## 使用示例 ### 示例 1：搜索文献并获取链接（默认模式） * **功能说明** ：使用默认规范（**默认10年** \+ OR 宽泛检索 + PMC 过滤 + 排除会议）搜索文献并获取 PDF 下载链接 * **执行方式** ：脚本执行 * **关键参数** ：`--search "检索关键词"`（使用 OR 连接，排除会议，**默认添加近10年时间限制** ）、`--limit 100`（默认数量）、`--output links.json`（输出文件） * **示例代码** （当前年份 2026，默认10年范围 2016-2026）： python scripts/get_pdf_links.py --search "(machine learning OR deep learning) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 100 --output links.json 输出：`links.json` 包含 100 篇近10年（2016-2026）内有全文下载链接的期刊论文（已排除会议论文和无全文文献） ### 示例 2：并行搜索多组关键词（默认模式） * **功能说明** ：同时执行多个检索式（均使用 OR 连接，排除会议，**包含默认10年时间限制** ），自动合并结果并获取链接 * **执行方式** ：脚本执行 * **关键参数** ：`--search-multi`（多个检索式，分号`;`分隔，均包含近10年限制）、`--limit 50`（每个检索的数量）、`--max-workers 3`（检索并发数）、`--output links.json`（输出文件） * **示例代码** （当前年份 2026，默认10年范围 2016-2026）： python scripts/get_pdf_links.py --search-multi "(cancer OR tumor) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";"(Alzheimer OR dementia) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";"(diabetes OR hyperglycemia) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 50 --max-workers 3 --output links.json 输出：`links.json` 包含合并并去重后近10年内有全文下载链接的期刊论文（已排除会议论文和无全文文献） ### 示例 3：提取 PDF 下载链接 * **功能说明** ：从 JSON 文件提取 PDF 下载链接，输出为文本文件 * **执行方式** ：脚本执行 * **关键参数** ：`--json links.json`（JSON 文件）、`--output pdf_links.txt`（输出文件） * **示例代码** ： python scripts/extract_pdf_links.py --json links.json --output pdf_links.txt 输出：`pdf_links.txt` 包含所有可用的 HTTP 下载链接 ### 示例 4：生成美化的 HTML 报告（推荐方式） * **功能说明** ：使用脚本直接从 JSON 文件生成美化的 HTML 报告，支持自动分类、智能排序、响应式设计、多主题选择 * **执行方式** ：脚本执行（推荐）或智能体生成（定制化需求） * **AI 标题生成规范** ： * **推荐方式** ：AI 应根据用户的中文输入生成规范的研究主题标题，使用 `--title` 参数指定 * **标题格式** ：`研究主题 + 文献检索报告` 或直接使用 `研究主题 + 相关文献` * **示例标题** ： * `"杂交物种形成文献检索报告"` * `"分子进化与群体遗传学相关文献"` * `"基因编辑技术在作物育种中的应用研究"` * **英文术语映射** （AI 自动处理）： * `Hybridization` → 杂交 * `Speciation` → 物种形成 * `Evolution, Molecular` → 分子进化 * `Genetics, Population` → 群体遗传学 * **脚本执行** ： # 默认主题：modern（2025 Earth Organic 设计，蓝绿色系，适合在线浏览） python scripts/generate_html_report.py --json links.json --output literature_report.html --theme modern # AI 生成中文标题（推荐） python scripts/generate_html_report.py --json links.json --output literature_report.html --title "杂交物种形成文献检索报告" # 学术主题：academic（黑白配色，适合打印） python scripts/generate_html_report.py --json links.json --output literature_report.html --theme academic # 深色主题：dark（护眼配色，适合夜间阅读） python scripts/generate_html_report.py --json links.json --output literature_report.html --theme dark * **关键参数** ： * `--json links.json`：输入的文献 JSON 文件（必需） * `--output literature_report.html`：输出的 HTML 文件（默认：literature_report.html） * `--theme modern/academic/dark`：配色主题（默认：modern） * `--title "中文标题"`：AI 生成的中文研究主题标题（强烈推荐） * **功能特性** ： * **2025 Earth Organic 设计** ： * Sage Green（#8A9A5B）+ Tech Blue（#4158D0）配色方案 * Glassmorphism 玻璃态效果（backdrop-filter blur） * 4 栏网格布局，2rem 间距优化 * 平滑悬停动画（cubic-bezier 缓动） * **智能分类** ：根据全文和摘要可用性自动分组（4 个优先级） * **卡片式布局** ：每篇文献展示完整信息（标题、作者、期刊、年份、摘要、PDF 链接） * **视觉区分** ：不同优先级使用不同卡片样式（高亮绿色/正常蓝色/浅色橙色/灰色） * **统计信息** ：显示总文献数和各组文献数量 * **响应式设计** ：支持移动端（1 栏）、平板（2 栏）、桌面（4 栏） * **多主题支持** ：3 种配色方案（modern/academic/dark） * **输出** ：`literature_report.html` 可直接在浏览器中打开 * **智能体使用场景** ：当需要自定义 HTML 样式或添加额外功能（如搜索、筛选）时 ### 示例 5：检索自定义主题的文献 * **功能说明** ：检索任意生命科学主题的文献 * **执行方式** ：脚本执行 * **关键参数** ：`--search "检索式"`（根据主题调整）、`--limit`（数量）、`--output`（输出文件） * **示例代码** （当前年份 2026）： # 使用 MeSH 术语检索基因编辑相关文献 python scripts/get_pdf_links.py --search "\"Gene Editing\"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 100 --output links.json 输出：`links.json` 包含基因编辑相关期刊论文 ### 示例 6：从标识符直接提取链接 * **功能说明** ：直接使用 PMCID/PMID/DOI 标识符获取下载链接 * **执行方式** ：脚本执行 * **关键参数** ：`--identifiers`（标识符列表，逗号分隔）、`--output pdf_links.txt`（输出文件） * **示例代码** ： python scripts/extract_pdf_links.py --identifiers "PMC5764346,38238491,10.1186/s13059-020-02147-0" --output pdf_links.txt 输出：`pdf_links.txt` 包含所有可用的 HTTP 下载链接 ### 示例 7：自定义时间范围检索（非默认场景） * **功能说明** ：当用户明确要求其他时间范围时，使用指定的年份限制而非默认的**近10年** * **执行方式** ：脚本执行 * **关键参数** ：`--search`（包含自定义年份限制的检索式）、`--limit`（数量）、`--output`（输出文件） * **示例代码** （用户要求近5年而非默认10年，当前年份 2026）： python scripts/get_pdf_links.py --search "(machine learning OR AI) AND pubmed pmc[sb] 2021:2026[pd]" --limit 100 --output links.json * **注意** ： * **默认规范** ：除非用户明确要求，否则始终使用近10年作为默认时间范围 * 此示例为非默认场景，仅在用户明确指定其他时间范围时使用 ### 示例 8：使用 MeSH 术语检索（推荐模式） * **功能说明** ：使用 MeSH（Medical Subject Headings）主题词检索，提升检索精度和全面性 * **执行方式** ：脚本执行 * **关键参数** ：`--search "MeSH 术语"`（使用 [MeSH] 字段）、`--limit 100`、`--output links.json` * **优势对比** ： * **MeSH 检索** ：`"Neoplasms/drug therapy"[MeSH]` 自动扩展为所有癌症药物治疗相关文献，包含同义词、下位词 * **普通关键词** ：`("cancer OR tumor" AND treatment)` 只检索包含特定关键词的文献，可能遗漏相关文献 * **示例代码** （当前年份 2026）： # 检索癌症药物治疗相关文献（MeSH 自动扩展） python scripts/get_pdf_links.py --search "\"Neoplasms/drug therapy\"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 100 --output links.json 输出：`links.json` 包含所有癌症药物治疗的期刊论文（MeSH 自动扩展，覆盖全面） * **查找 MeSH 术语** ：使用 MeSH Browser（[https://www.ncbi.nlm.nih.gov/mesh/）查询标准术语和副主题词]() ### 示例 9：并行搜索多个 MeSH 术语（推荐模式） * **功能说明** ：同时检索多个 MeSH 主题词，获取更全面的文献覆盖 * **执行方式** ：脚本执行 * **关键参数** ：`--search-multi`（多个 MeSH 检索式）、`--limit 50`（每个检索的数量）、`--max-workers 3`（并发数） * **示例代码** （当前年份 2026）： # 同时检索癌症、糖尿病、阿尔茨海默病的药物治疗文献 python scripts/get_pdf_links.py --search-multi "\"Neoplasms/drug therapy\"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";\"Diabetes Mellitus/drug therapy\"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";\"Alzheimer Disease/drug therapy\"[MeSH] AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 50 --max-workers 3 --output links.json 输出：`links.json` 包含三种疾病的药物治疗期刊论文（MeSH 精确检索，自动合并去重） ### 示例 10：检索会议论文（非默认场景） * **功能说明** ：当用户需要检索会议论文时，移除 `NOT conference NOT proceedings` 过滤 * **执行方式** ：脚本执行 * **关键参数** ：`--search`（不包含会议排除的检索式）、`--limit`（数量）、`--output`（输出文件） * **示例代码** （当前年份 2026）： python scripts/get_pdf_links.py --search "(machine learning OR AI) AND pubmed pmc[sb] 2016:2026[pd]" --limit 100 --output links.json * **注意** ：仅在用户明确需要会议论文时才移除此过滤，默认模式会排除会议论文 ## 高级功能 ### 文献智能分组和排序根据全文和摘要的可用性自动分组排序，优先展示最有价值的文献： * **高优先级组** （有全文 + 有摘要）：彩色边框，置顶展示 * **中优先级组** （有全文 + 无摘要）：正常样式，紧随其后 * **低优先级组** （无全文 + 有摘要）：浅色样式，次要位置 * **最低优先级组** （无全文 + 无摘要）：灰色样式，置于页面底部 > **详细主题说明** ：参见「示例 4：生成美化的 HTML 报告」，包含 3 种配色方案（modern/academic/dark）的完整介绍。 ### 批量处理标识符支持从 CSV 文件批量提取下载链接： python scripts/extract_pdf_links.py --csv identifiers.csv --column pmcid --output pdf_links.txt ### 包含没有全文链接的文献（非默认场景） * **功能说明** ：当用户需要包含没有全文下载链接的文献时，使用 `--include-no-fulltext` 参数 * **执行方式** ：脚本执行 * **关键参数** ：`--include-no-fulltext`（包含无全文文献）、`--search` 或 `--search-multi`（检索式） * **示例代码** ： # 单次检索，包含无全文文献 python scripts/get_pdf_links.py --search "(machine learning OR deep learning) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 100 --include-no-fulltext --output all_links.json # 多检索，包含无全文文献 python scripts/get_pdf_links.py --search-multi "(cancer OR tumor) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]";"(Alzheimer OR dementia) AND pubmed pmc[sb] NOT conference NOT proceedings 2016:2026[pd]" --limit 50 --max-workers 3 --include-no-fulltext --output all_links.json 输出：`all_links.json` 包含所有检索到的文献（包括没有全文链接的） ### 检索结果排序根据影响因子、引用次数、发表日期等维度对文献排序（需要在 HTML 报告中实现） ### 检索策略最佳实践（基于实际测试） #### 术语歧义问题 **问题说明** ：许多生物学术语在非生物医学领域中存在歧义，导致检索结果包含无关文献。术语 | 生物学含义 | 歧义（非生物学） | 影响 ---|---|---|--- `speciation` | 物种形成 | 化学形态（chemical speciation） | 混入化学/材料文献 `hybridization` | 杂交/杂交物种形成 | 细胞杂交、分子杂交 | 混入癌症/细胞生物学文献 `evolution` | 进化 | 演变、算法进化 | 混入计算机科学文献 #### 推荐检索策略 **策略 1：精确短语搜索（推荐用于核心概念）** 使用双引号进行精确短语搜索，避免术语歧义： # 杂交物种形成（最精确） python scripts/get_pdf_links.py --search '"hybrid speciation"' --limit 100 --output links.json # 测试结果相关性：100% # 示例文献： # - "Hybrid fertility and the rarity of homoploid hybrid speciation" # - "Reticulate and Hybrid Speciation is Promoted by Environmental Instability" **策略 2：上下文感知搜索（推荐用于宽泛主题）** 结合多个相关术语构建上下文，提高检索精度： # 物种形成 + 进化语境 python scripts/get_pdf_links.py --search 'speciation AND (evolution OR "gene flow" OR introgression)' --limit 100 --output links.json # 测试结果相关性：70-80% # 示例文献： # - "The latitudinal speciation gradient in freshwater fishes" # - "Shared and Unique Patterns of Genomic Differentiation and Introgression Between Japanese Stickleback Species" **策略 3：字段限定搜索（推荐用于精确检索）** 限定检索字段，缩小检索范围： # 标题字段限定（更精确） python scripts/get_pdf_links.py --search 'speciation[Title] AND (evolution[Title] OR genetic[Title])' --limit 100 --output links.json # MeSH 字段限定（生物医学领域） python scripts/get_pdf_links.py --search '"Evolution, Molecular"[MeSH] AND pubmed pmc[sb]' --limit 100 --output links.json **策略 4：排除式检索（推荐用于过滤无关文献）** 使用 NOT 操作符排除非生物学领域的文献： # 排除化学/材料科学 python scripts/get_pdf_links.py --search 'speciation NOT (chemistry OR material OR "chemical speciation")' --limit 100 --output links.json # 排除临床/细胞生物学（保留进化生物学） python scripts/get_pdf_links.py --search 'hybridization NOT (cell OR "in vitro" OR cancer)' --limit 100 --output links.json #### 不同领域的 API 选择建议领域 | 推荐数据源 | 原因 ---|---|--- **进化生物学** | PubMed（默认） | Europe PMC 偏向临床医学，"hybridization" 返回细胞杂交而非物种杂交 **生态学** | PubMed（默认） | 更广泛的生物学覆盖，不限于生物医学 **临床医学** | Europe PMC（`--use-europepmc`） | 更精准的临床医学文献 **药学** | Europe PMC（`--use-europepmc`） | 专注于药物开发和临床试验 # 进化生物学 - 使用 PubMed（默认） python scripts/get_pdf_links.py --search '"hybrid speciation"' --limit 100 --output links.json # 临床医学 - 使用 Europe PMC python scripts/get_pdf_links.py --search 'cancer immunotherapy' --use-europepmc --limit 100 --output links.json #### 测试验证数据以下检索策略已通过实际测试验证：检索式 | 相关性 | 有全文占比 | 备注 ---|---|---|--- `"hybrid speciation"` | 100% | 56.7% (17/30) | 推荐用于杂交物种形成 `speciation AND (evolution OR introgression)` | 70-80% | 40% (12/30) | 推荐用于宽泛主题 `speciation[Title]` | 25% | 33% (10/30) | 不推荐（术语歧义严重） #### 构建检索式的决策树是否检索核心概念（如"杂交物种形成"）？ ├─ 是 → 使用精确短语搜索："hybrid speciation" └─ 否 → 是否检索宽泛主题？ ├─ 是 → 使用上下文感知：speciation AND (evolution OR introgression) └─ 否 → 是否需要极高精度？ ├─ 是 → 使用字段限定：term[Title] OR term[MeSH] └─ 否 → 使用排除式：term NOT (unrelated_terms)

文学探索者

包含技能