literature-downloader
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。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/lucaswangzcx--literature-downloader-skill)HTML
<a href="/listings/lucaswangzcx--literature-downloader-skill"><img src="/api/listings/lucaswangzcx--literature-downloader-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
把本仓库放到 Codex skills 目录,例如:
git clone https://github.com/Lucaswangzcx/literature-downloader-skill.git $env:USERPROFILE\.codex\skills\literature-downloader
也可以手动下载后放入:
<你的 Codex skills 目录>/literature-downloader/
目录中必须能看到:
SKILL.md agents/openai.yaml references/ scripts/
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 164 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- 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
- 1. 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。
- 2. 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`。
- 3. 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。
- 4. 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`。
- 5. 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。
- 6. 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:
- ```bash
- 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:
- ```text
- 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`。
- 1. 创建任务目录和配置:
- ```bash
- 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
- ```
- 2. 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。
- 3. 自动分级候选文献:
- ```bash
- python scripts/rank_candidates.py --run-root literature_runs/llm_environment_20260426
- ```
- 4. 只尝试下载合法、直接可访问的全文链接:
- ```bash
- python scripts/download_accessible_fulltexts.py --run-root literature_runs/llm_environment_20260426 --retry-failed
- ```
- 5. 生成普通人能看懂的报告,优先输出 PDF:
- ```bash
- 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
- ```
- 6. 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。
- 7. 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:
- 1. `下载报告.pdf`:最适合普通用户查看和转发。
- 2. `下载报告.html`:PDF 生成失败时的可读替代品,浏览器直接打开。
- 3. `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。
- 4. `downloaded_fulltexts/` 或用户指定目录:实际 PDF/HTML/XML 文件。
- 5. `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。
- 6. `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。
- ```bash
- 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。
README.md · README · 208 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # Literature Downloader Skill
- 面向中国大学生、研究生、博士和老师的中文文献检索与合法全文获取 Codex Skill。
- 它不是盗版下载器,也不会绕过付费墙。它的目标是把“找文献、筛文献、查期刊质量、尝试获取开放全文、整理下载结果”做成一套清楚、可复现、适合学生使用的流程。
- ## 适合谁
- - 需要快速入门一个研究主题的本科生、研究生、博士生
- - 正在写综述、开题报告、论文引言的同学
- - 需要批量整理 DOI、PDF、期刊指标和阅读清单的研究者
- - 想把文献检索流程交给 AI agent 辅助完成的老师或课题组
- ## 能做什么
- - 根据主题生成关键词、同义词和 Boolean 检索式
- - 生成 Google Scholar、PubMed、Crossref、OpenAlex、Semantic Scholar、PMC、arXiv 等检索入口
- - 批量维护候选文献表
- - 按相关性分出高、中、低优先级文献
- - 尝试下载合法可访问的 PDF、HTML、XML 全文
- - 识别登录页、订阅页、403、短 HTML 跳转页,避免把失败误报成成功
- - 生成中文下载报告 PDF/HTML
- - 生成学生友好的中文表格:
- - `文章地址总表.csv`
- - `候选文献总表.csv`
- - `已下载文献清单.csv`
- - `待处理文献清单.csv`
- - 在每篇文献行中合并期刊指标字段:影响因子、分区、指标年份、指标来源、索引情况
- - 把英文兼容文件和原始日志收进 `内部数据_一般不用打开/`,让输出目录更清楚
- ## 不做什么
- 本项目不会、也不应被改造成:
- - 付费墙绕过工具
- - 盗版论文下载器
- - 账号共享工具
- - DRM 破解工具
- - 影子图书馆访问器
- 如果出版社或数据库限制直连下载,Skill 会把结果标为“平台限制直连下载”,并建议使用学校图书馆、机构 VPN、馆际互借、机构仓储或联系作者。
- ## 安装
- 把本仓库放到 Codex skills 目录,例如:
- ```powershell
- git clone https://github.com/Lucaswangzcx/literature-downloader-skill.git $env:USERPROFILE\.codex\skills\literature-downloader
- ```
- 也可以手动下载后放入:
- ```text
- <你的 Codex skills 目录>/literature-downloader/
- ```
- 目录中必须能看到:
- ```text
- SKILL.md
- agents/openai.yaml
- references/
- scripts/
- ```
- ## 最简单用法
- 在 Codex 中直接说:
- ```text
- Use $literature-downloader 帮我下载“LLM 在环境领域中的应用”的近五年文献,优先高影响因子,最多 20 篇,下载到 <下载目录>
- ```
- 或换成自己的主题:
- ```text
- Use $literature-downloader 帮我下载“你的研究主题”的近五年文献,优先高影响因子,最多 20 篇,下载到 <下载目录>
- ```
- ## 在其他 AI 编程工具中使用
- 本项目首先是一个 Codex Skill,但并不只能在 Codex 里用。
- ### Codex 原生体验
- Codex 可以识别 `SKILL.md`,并支持类似下面的调用方式:
- ```text
- Use $literature-downloader 帮我下载“LLM 在环境领域中的应用”的近五年文献,优先高影响因子,最多 20 篇,下载到 <下载目录>
- ```
- 这属于 Codex 的 Skill 自动触发体验。
- ### Claude Code / Trae / CodeBuddy / Cursor 等工具
- 这些工具不一定认识 `Use $literature-downloader` 或 Codex Skill 的自动注入机制,但仍然可以使用本项目。
- 使用方式是:
- 1. 让 agent 阅读本仓库的 `README.md` 和 `SKILL.md`
- 2. 要求它严格按 `literature-downloader` 工作流执行
- 3. 让它调用 `scripts/` 里的脚本
- 4. 明确要求只下载合法可访问全文,不绕过付费墙
- 5. 最后生成中文报告、文章地址总表、已下载文献清单、待处理文献清单
- 可以直接复制下面这段提示词给 Claude Code、Trae、CodeBuddy 或 Cursor:
- ```text
- 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“LLM 在环境领域中的应用”的近五年文献,优先高影响因子,最多 20 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。
- ```
- 如果只想把它当作普通脚本工具包,也可以直接运行 `scripts/` 里的脚本,见下一节。
- ## 手动运行脚本
- 创建任务目录:
- ```bash
- 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
- ```
- 把检索得到的文献填入 `candidate_table.csv` 后,继续运行:
- ```bash
- python scripts/rank_candidates.py --run-root literature_runs/llm_environment
- python scripts/download_accessible_fulltexts.py --run-root literature_runs/llm_environment --retry-failed
- python scripts/make_student_outputs.py --run-root literature_runs/llm_environment
- python scripts/generate_readable_report.py --run-root literature_runs/llm_environment --title "文献下载报告" --pdf
- python scripts/organize_final_outputs.py --run-root literature_runs/llm_environment
- ```
- ## 推荐输出结构
- 任务完成后,普通用户主要看这些:
- ```text
- 00_先看我_文件说明.txt
- 下载报告.pdf
- 下载报告.html
- 文章地址总表.csv
- 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
- 已下载全文/
- 内部数据_一般不用打开/
- ```
- 其中:
- - `下载报告.pdf`:最适合直接阅读和转发
- - `文章地址总表.csv`:题名、文章地址、是否下载成功、下一步建议
- - `已下载全文/`:实际下载到的 PDF 或全文文件
- - `待处理文献清单.csv`:没能直接下载的文献和下一步合法获取方式
- - `内部数据_一般不用打开/`:脚本兼容文件和原始日志,普通用户通常不用看
- ## 期刊指标说明
- 影响因子、JCR 分区、SJR、CiteScore、索引状态都会随年份变化。Skill 的原则是:
- - 不凭空生成指标
- - 指标必须标注年份和来源
- - 没核验时显示“待核验”
- - 不把 JIF、SJR、CiteScore 混称为同一个指标
- - 所有面向学生的文献清单都把期刊指标并入每一行,不要求用户单独对照另一张表
- ## 隐私与合规
- 本仓库不应包含:
- - 个人下载结果
- - 论文 PDF
- - 学校账号或浏览器 Cookie
- - API key、token、密码
- - 本机路径、用户名、邮箱
- - 任何绕过访问控制的代码
- `.gitignore` 已默认排除报告、日志、下载全文、内部数据等运行产物。提交前仍建议再做一次敏感信息扫描。
- ## 许可证
- MIT License。详见 [LICENSE](LICENSE)。
- ## 贡献
- 欢迎提交 issue 或 pull request,尤其是:
- - 更好的中文输出格式
- - 更多数据库的合法检索流程
- - 更稳的 PDF/HTML/XML 识别
- - 更清楚的学生阅读清单
- - 期刊指标核验流程改进
- 请先阅读 [CONTRIBUTING.md](CONTRIBUTING.md)。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.