nature-downloader

Nature 学术文献下载器

本 Skill 通过合法开源（Open Access/OA）、出版商 API、知网（CNKI）机构权限及基于浏览器的机构授权通道进行文献路由与下载。scripts/batch_download.mjs 为主控编排入口，学校配置、出版商凭证、元数据与 OA 解析、数据源下载、内容校验及 Manifest 记录均为独立模块。

所有已验证的路由路线均为参考示例而非默认固定配置。每家机构都应从用户实际使用的图书馆资源 URL 切入，因为相比单纯的学校名称，资源门户、CAS 回调地址、EZproxy、WebVPN、基于 IP 鉴权的数据库页面及详情页能更准确地反映真实的授权路径。

SI 确认拦截门（优先执行）：在下载任何 PDF、CAJ、HTML、XML、压缩包或附件前，必须先询问用户是否需要补充材料（Supporting Information / SI）。用户显式提出需要 SI 记为“是”，显式要求“仅正文”记为“否”；若未提及则对整批文献统一询问一次。运行下载器时必须且仅能传入 --si 或 --no-si 参数之一。若未带这两个参数，脚本将返回 si_confirmation_required 且不会创建输出目录。

主工作流：在路由前，先规范化 DOI/题名并识别语言和出版商。中文文献一律走 CNKI；对于 Elsevier、Springer Nature 和 IEEE 的英文文献，若已配置可用凭证，优先尝试出版商 API，API 下载成功后无需再强制判断 OA 状态；若 API 失败则自动检查合法 OA 来源。其他英文出版商则优先检索 OA，若 OA 不可用再走 Web Access 机构授权路线。

规范化 DOI/题名并识别语言、出版商
├─ 中文文献：直接走 CNKI
└─ 英文文献
   ├─ Elsevier / Springer Nature / IEEE，且已配置有效 Key
   │  ├─ 优先通过出版商 API 下载
   │  ├─ API 下载成功：结束，不强制判断 OA
   │  └─ API 下载失败：检查文章级 OA，再走 PMC / Unpaywall / 合法仓储
   └─ 其他出版商
      ├─ 检查文章级 OA
      └─ OA 不可用：走 Web Access 机构授权

中文文献仅走 CNKI：凡符合中文题名、zh 语言标识、显式 CNKI 来源 URL 或指定了 --route cnki 的文献，即使表面存在其他 OA 副本，也必须走 CNKI。复用用户当前 Chrome 浏览器中的图书馆/知网登录状态，并优先使用配置的 discovery.cnki_url。严禁导出 Cookie 或收集用户的机构账号密码。

出版商 API 失败回退：有效 API Key 并不保证拥有全文下载权限。当 Elsevier、Springer Nature 或 IEEE 的 API 请求返回无权限或无法获取可用全文时，应首先自动尝试合法 OA 来源。仅当出版商 API 和 OA 路线均失败后，才返回 api_fallback_confirmation_required 并询问一次是否改走 Web Access 路线。切勿自动切换至机构 Web Access。

浏览器状态原则：授权下载完全依赖于用户已登录的具体 Chrome 配置文件（Browser Profile）。若代理、CDP 会话或自动化工具打开了一个全新的 Profile 或没有任何登录状态的浏览器，切勿直接将其归咎于“缺乏图书馆权限”。请切换到能复用用户当前活跃浏览器会话的控制路径，或提示用户在该自动化浏览器实例中完成登录认证。

文件格式原则：PDF、HTML 全文以及 CAJ 等数据库原生格式属于不同的交付物。若用户明确只要 PDF，必须校验是否为真实的 PDF 链接或返回内容包含 %PDF 标头；若不存在可用 PDF，报告 no_authorized_pdf_found 或 pdf_fetch_failed。严禁将 CAJ、HTML 或登录页误存为 PDF。

下载接入与首次运行配置

每次接收下载请求时，首先明确文献列表并询问：

是否同时下载这些文献的 Supporting Information（SI，补充材料）？

仅在定位所需文献确实有必要时，才在提问前进行元数据查询。在得到明确答复前不得下载文件。仅当选择的路线为 CNKI 或 Web Access 时才配置图书馆资源；仅当选定的英文文章属于 Elsevier、Springer Nature 或 IEEE 时才配置出版商 API；在尝试已配置的出版商 API 之前，无需事先校验 OA 状态。

付费图书馆资源配置

向用户索取其平时访问图书馆电子资源所用的实际 URL：

请发你平时进入图书馆电子资源/数据库的平台链接。
可以是资源门户、数据库列表、Web of Science 入口、某个数据库详情页，
或跳转到统一身份认证的登录链接。

保存配置前，先从 URL 中推断授权路由：

python3 scripts/configure_school.py infer "https://example.edu/library/resources"
python3 scripts/configure_school.py url "https://example.edu/library/resources"
python3 scripts/configure_school.py show
python3 scripts/configure_school.py health --force

本 Skill 并不包含任何预设的学校配置。若用户无法提供资源 URL，请提示其查找本校图书馆/数据库的官方入口，切勿随意猜测学校域名。

默认配置文件路径为：

~/.config/lit-dl/school.json

对于测试环境或隔离配置，请设置：

LIT_DL_CONFIG_DIR=/path/to/configdir

下载器会自动读取此配置。若存在 discovery.web_of_science_url，scripts/batch_download.mjs 将其用作 Web of Science 入口；否则将回退使用 https://www.webofscience.com/wos/woscc/basic-search。

对于中文文献，下载器会在配置存在时读取 discovery.cnki_url；若不存在，scripts/batch_download.mjs --title "<中文题名>" 将回退使用 https://kns.cnki.net/kns8s/defaultresult/index。

API 优先与 Open-Access 回退机制

对于英文文献，在决定何时判断文章级 OA 前，先识别其出版商：

1. 收集 DOI、PMID、精确题名、文章 URL 或明确的文献列表，规范化其元数据与出版商信息。

2. 若文献属于 Elsevier、Springer Nature 或 IEEE，且已配置可用凭证，优先尝试出版商 API。成功后记录 accessMode: publisher_api 与 oa_status: not_checked_api_first；切勿仅为了打标签而多此一举去校验 OA 状态。

3. 若出版商 API 失败，自动检索 PMC、Unpaywall、出版商官方 OA 页面、arXiv 及其他合法机构仓储或明确公开的 PDF URL。在 Manifest 记录中保留失败的 API 尝试日志。

4. 对于其他英文出版商，在尝试 Web Access 前先检索这些合法 OA 来源。

5. 对于精确题名或明确仅限 OA 的请求，优先使用：

   node scripts/batch_download.mjs --title "<exact title>" --open-access --no-si --out "<project>"
   

   当用户提供了已知的合法 OA PDF URL 时，使用 --pdf-url。

6. 校验下载的文件并记录来源。将成功下载的 PDF 标记为 open_access_downloaded。

7. 若未找到合法 OA 全文，标记为 oa_not_found。若为 API 已失败的受支持出版商，在转入 Web Access 前需请求用户确认；对于其他出版商则直接转入 Web Access。若用户显式指定了 --route open_access，则在获取 OA 结果后终止后续路由。

出版商 API 凭证配置

采用按需（Lazy）配置原则，仅在路由首次需要凭证时才进行配置：

python3 scripts/configure_credentials.py set elsevier
python3 scripts/configure_credentials.py set springer_nature
python3 scripts/configure_credentials.py set ieee --fulltext-endpoint 'https://issued-endpoint.example/articles/{doi}'
python3 scripts/configure_credentials.py set elsevier --stdin
python3 scripts/configure_credentials.py show
python3 scripts/configure_credentials.py validate <provider>
python3 scripts/configure_credentials.py delete <provider>
python3 scripts/configure_credentials.py contact-email researcher@example.org

向用户提供官方注册链接：Elsevier https://dev.elsevier.com/、Springer Nature https://dev.springernature.com/docs/quick-start/api-access/、IEEE https://developer.ieee.org/member/register。

切勿主动要求用户在对话框中粘贴 API Key。若用户主动发送了出版商 API Key，应将其视为保存该 Key 的明确授权：不要拒绝、不要要求重置、也不要在回复中原文复述。请将其通过 configure_credentials.py set <provider> --stdin 传入，确保其不出现在命令行参数、日志、回复以及 Manifest 中，仅汇报脱敏后的确认信息与校验状态。若未提供 Key，本地隐式提示仍是首选路径。IEEE Metadata API 权限不等于付费全文下载权限；必须配置有授权的 Full-Text Access 端点/模板后，才能将 IEEE 判定为可通过 API 下载。凭证加密存储于 ~/.config/lit-dl/credentials.json，权限为 0600。

资源 URL 分流判别

在选择访问路径前，先对用户提供的 URL 进行分类：

cas.* / /authserver/login        CAS / SSO 登录页；检查 service= 回调参数，登录后返回业务门户
idp/shibboleth / carsi           CARSI / Shibboleth 机构联合认证路线
ezproxy / libproxy               EZproxy 远程访问代理
webvpn / vpn                     WebVPN 路线
metaersp / metaauth / uas        图书馆资源聚合/统一身份认证门户
webofscience / sciencedirect     数据库或出版商入口；检查是否通过门户跳转访问

若 URL 是带有 service= 参数的登录页，应将回调 Host 视为目标资源服务，而不要将登录页本身当成整个工作流。例如 https://login.university.example/authserver/login?service=https://resources.university.example/callback 意味着身份认证服务在完成登录后会重定向回用户的资源门户。

机构特定域名判别

请根据用户浏览器地址栏中实际显示的域名进行核对并矫正，切勿假设预设配置涵盖所有学校。

图书馆主页 / 资源门户：     library.example.edu, resources.example.edu
检索/数据库入口：          webofscience.com, clarivate.com, cnki.net, sciencedirect.com, provider.example.com
统一身份认证 / SSO：       sso.example.edu, cas.example.edu, idp.example.edu
高校联合认证 / WAYF：      ds.carsi.edu.cn, wayf.example.org, shibboleth/openathens hosts
代理 / WebVPN：            ezproxy.example.edu, webvpn.example.edu

将已配置的机构登录、联合认证、代理及数据库登录 Host 视为登录阶段的正常跳转节点，切勿将跳转至这些页面误判为最终失败。

行为边界与合规要求

仅使用用户合法的机构访问权限。严禁绕过付费墙（Paywall）、DRM 版权保护或双因素身份验证（2FA）。

人机验证自动优先原则：当用户已登录的 Chrome 会话中弹出可见的滑动验证、复选框、人机验证（Robot Check）或简单确认控件时，应优先在浏览器中自动尝试通过，再考虑请求用户人工干预。自动尝试需严格受控（在同一标签页上最多尝试两次），校验验证框消失后，从当前标签页继续后续流程。

• 滑块/拖拽验证（含知网拼图滑块）：估算可见滑动距离并模拟平滑拖拽。
• ScienceDirect 机器人检查、托管式 Turnstile 及 reCAPTCHA 单选框阶段：尝试点击可见复选框一次。
• 简单的“继续”（Continue）、“验证”（Verify）等可见控制按钮：点击一次，随后重新检查页面状态。

用户接管交接（Handoff）：仅在受控尝试失败，或页面需要密码/身份敏感输入（如点选图片验证码、扫码确认、短信/动态验证码 OTP、Passkey、硬件密钥或双因素认证）时，才立即请求用户接管。保持出现验证的标签页处于打开状态，严禁要求用户在聊天框中粘贴账号凭证或验证码。

避免无节制或无差别的批量下载。仅处理用户确认的明确文献列表，采用对数据源友好的速率限制与并发策略。