| name | literature-explorer |
| description | 生命科学领域学术文献探索与可视化；基于 Europe PMC 数据源；支持高级检索、PMC过滤、并行多检索；支持 PMCID/PMID/DOI 混合批量提取；生成美化的 HTML 可视化报告 |
| dependency | {"python":["requests>=2.31.0"]} |
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
- 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
操作步骤
-
标准流程：
-
理解需求并整理关键词
-
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]
-
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
-
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）
-
生成美化的 HTML 报告
-
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：
- HTML 模板资产：
- 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）
示例 2：并行搜索多组关键词（默认模式）
示例 3：提取 PDF 下载链接
示例 4：生成美化的 HTML 报告（推荐方式）
示例 5：检索自定义主题的文献
示例 6：从标识符直接提取链接
示例 7：自定义时间范围检索（非默认场景）
示例 8：使用 MeSH 术语检索（推荐模式）
示例 9：并行搜索多个 MeSH 术语（推荐模式）
示例 10：检索会议论文（非默认场景）
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）
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：
python scripts/get_pdf_links.py --search '"hybrid speciation"' --limit 100 --output links.json
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：
python scripts/get_pdf_links.py --search 'speciation AND (evolution OR "gene flow" OR introgression)' --limit 100 --output links.json
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：
python scripts/get_pdf_links.py --search 'speciation[Title] AND (evolution[Title] OR genetic[Title])' --limit 100 --output links.json
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：
python scripts/get_pdf_links.py --search 'speciation NOT (chemistry OR material OR "chemical speciation")' --limit 100 --output links.json
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 |
python scripts/get_pdf_links.py --search '"hybrid speciation"' --limit 100 --output links.json
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)
