literature-explorer

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
  • 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 https://www.ncbi.nlm.nih.gov/account/settings/ 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)