Journal Paper Toolkit

Journal Paper Toolkit

将三个能力串联为一条 Agent 可执行流水线：

技能根目录：~/.cursor/skills/journal-paper-toolkit（或本仓库 journal-paper-toolkit/）

前置安装

# 复制到 Cursor skills 目录
Copy-Item -Recurse journal-paper-toolkit "$env:USERPROFILE\.cursor\skills\journal-paper-toolkit"

pip install -r journal-paper-toolkit/requirements.txt
pip install "scansci-pdf[cloakbrowser]"
scansci-pdf check

# academic-search（若未安装）
npx skills add ustc-ai4science/academic-search -g -y

JCR 数据源（用户本地，不提交 Git）：

C:\Users\MI\Desktop\副本2026SCI期刊影响因子.xls

一键流水线

cd journal-paper-toolkit

# 完整流程：初始化 JCR -> PubMed 检索 -> 生成 manifest -> 准备 ScanSci 批次
python scripts/run_pipeline.py run-all `
  --terms "air pollution" "childhood asthma" `
  --mode AND `
  --year-from 2020 --year-to 2026 `
  --min-if 5 `
  --quartile Q1 `
  --max 30 `
  --work-dir ../work

输出在 work/：

• litsearch_results/results.md — 排序表格
• litsearch_results/dois.txt — DOI 列表
• pdf_manifest.csv — PDF 下载清单（含 IF/分区）
• scansci_batch/doi_batch.txt — 供 ScanSci 批量下载

分步执行

阶段 0：准备影响因子表

python scripts/run_pipeline.py init --work-dir ../work

或分别运行：

python scripts/convert_jcr_xls.py "C:\Users\MI\Desktop\副本2026SCI期刊影响因子.xls"
python scripts/build_journal_index.py --input "C:\Users\MI\Desktop\副本2026SCI期刊影响因子.xls" --output ../work/journal_index.json

阶段 1：PubMed 检索 + IF 筛选

先与用户确认：主题词、年份、研究类型、IF 门槛（不限 / IF≥5 / IF≥10 / 仅 Q1）。

python scripts/search_pubmed.py `
  --terms "air pollution" "childhood asthma" `
  --mode AND `
  --year-from 2020 --year-to 2026 `
  --types review meta-analysis `
  --min-if 5 `
  --quartile Q1 `
  --max 80 `
  --email "your@email.com" `
  --out-dir "../work/litsearch_results"

筛选规则：指定 --min-if 或 --quartile 时，不在 JCR 表中的期刊会被剔除。

阶段 2：跨库扩展（academic-search）

当 PubMed + IF 筛选结果不足，或需要引用数/OA 状态时：

1. 读取 ~/.cursor/skills/academic-search/SKILL.md
2. 在 Semantic Scholar / OpenAlex 扩展 query（2–3 个互补 query）
3. 用 DOI/PMID 与阶段 1 结果去重合并
4. 将新 DOI 追加到 manifest 或 dois.txt

阶段 3：生成 PDF 下载清单

python scripts/run_pipeline.py manifest --work-dir ../work

阶段 4：批量下载 PDF（ScanSci PDF）

python scripts/run_pipeline.py batch --work-dir ../work
python scripts/run_pipeline.py download --work-dir ../work --output D:\papers

或直接：

scansci-pdf batch "../work/scansci_batch/doi_batch.txt" --output "D:\papers"

机构访问（按需）：

scansci-pdf elsevier-setup --api-key YOUR_KEY
scansci-pdf login --url https://www.sciencedirect.com/

典型 Agent 工作流

A. 「找 IF>5 的队列研究并下载」

1. run_pipeline.py init
2. run_pipeline.py search --terms ... --min-if 5 --types cohort
3. 展示 results.md 给用户确认
4. run_pipeline.py manifest → batch → download

B. 「扩展检索 + 引用排序 + 下载」

1. academic-search 在 S2/OpenAlex 扩展并导出 DOI
2. 与 PubMed 结果按 DOI 去重
3. make_pdf_manifest.py 用 JCR 表做 IF 后筛
4. ScanSci 批量下载

C. 「系统综述 / PRISMA」

1. academic-search 主导检索与筛选记录
2. 本 toolkit 的 JCR 表用于期刊质量分层
3. ScanSci 下载纳入文献全文

配置清单

外部仓库

• academic-search — Cursor Agent 学术检索
• scansci-pdf — PDF 下载 CLI / MCP

边界说明

• academic-search：只下载合法开放获取 PDF，生成 manifest。
• scansci-pdf：多源下载（含机构登录、Sci-Hub 等），由用户自行承担合规责任。
• 批量下载前应先向用户展示 manifest 并确认。