---
name: literature-discovery-acquisition
description: >-
  通用学科科研文献系统发现、交互问询、结构化初筛与开源全文获取。
  用于学位论文开题、科研立项、系统综述等严谨场景的高召回可审计文献调研。
---

# 学科文献发现、交互问询与开源全文获取专业技能 (literature-discovery-acquisition)

本技能用于在严谨科研场景下执行系统化、高召回、可审计、防幻觉的文献发现与开源全文获取闭环工作流（Literature Discovery & Open-Access Acquisition）。

> **核心哲学**：
> 搜索的任务是发现真实的候选证据，而不是制造答案。
> 首要目标是提高召回率（Recall / Coverage），宁可如实陈述检索缺口，也绝不捏造文献元数据或根据摘要脑补全文实验细节。
>
> ### 题录覆盖优先与双层目标 (Ordered Objectives)
> 1. **首要目标 (Primary) — 题录发现完整性 (Comprehensive Metadata Discovery)**：  
>    最大化相关文献的发现率和题录覆盖率（Recall-first），明确“有哪些相关文献存在”，彻底降低系统性漏检风险。
> 2. **次要目标 (Secondary) — 全文尽力获取 (Best-Effort Full-Text Acquisition)**：  
>    在合法、技术可行与资源允许范围内尽力获取已发现文献的全文；但**全文获取失败绝不能删除题录记录**。
>
> **核心铁律**：  
> > **A discovered record remains part of the candidate corpus regardless of full-text acquisition status.**  
> > 凡已经被可靠发现的文献题录，无论全文是否成功获取，都必须保留在候选文献集中。严禁因 PDF 获取失败而从文献全集中剔除题录。
>
> **双台账解耦 (Dual Independent Ledgers)**：  
> - **Ledger A — 检索覆盖台账 (Retrieval Coverage Ledger)**：审计数据库与检索式执行完整度（搜了多少、抓了多少、分页是否截断、数据库覆盖是否 COMPLETE / PARTIAL / UNKNOWN）；  
> - **Ledger B — 全文获取台账 (Full-Text Acquisition Ledger)**：审计已发现文献的全文获取状态（OA下载、反爬拦截、需登录墙、付费受限）。
>
> **检索诚实性原则 (Truth in Search)**：  
> 1. **访问失败 ≠ 0 篇**：遇到 403、AUTH_REQUIRED、BOT_BLOCKED 时，`reported_total_hits` 必须记为 `null`，`coverage_status` 必须为 `UNKNOWN`，严禁谎报为 0 条；  
> 2. **截断分页 ≠ 完全检索**：检索命中数大于抓取数时（如命中 863 条只抓 50 条），必须标记 `TRUNCATED_BY_LIMIT` / `PARTIAL`；  
> 3. **跨库发现不具替代性**：OpenAlex 或 Web 检索中发现知网文献，绝不代表知网数据库本身已完成检索；  
> 4. **两类缺口严格隔离**：`Retrieval Gap` 属于**高科研风险 (HIGH SCIENTIFIC RISK)**（可能漏文献）；`Acquisition Gap` 属于**操作层限制 (OPERATIONAL LIMITATION)**（已知文献存在，可后续手动补）。

---

## ⚡ 上下文预算与按需渐进加载准则 (Progressive Context Loading Protocol)

> [!CAUTION]
> **统一执行深度底线规则 (Execution Depth Core Rule)**：
> 执行前独立确认 `execution_depth`；研究目标不能替代深度选择。未指定且无有效配置时必须展示快速／标准／深度的工作范围与资源差异。未确认不得启动研究执行。下游沿用同一运行的已确认配置。所有档位保留证据和审计底线；预算不足时输出部分结果及待办，不自动扩额。

> [!CAUTION]
> **严禁全量一次性预加载**：本 Skill 完整知识库（28 个文件）总文本量约 158 KB。在初次触发激活时，**绝对禁止**一次性读取 `references/`、`role/`、`examples/` 或 `assets/` 中的所有文件。Agent 必须严格遵守以下阶段化与模式分支的渐进式按需读取策略，严守上下文预算！

### 阶段 1：Stage 0 上下文感知科研决策门禁 (Context-Aware Research Gate)
- **执行序列**：
  1. **Stage 0A — Context Resolution**：按五层优先级自动解析现有上下文（当前指令、历史对话、任务附件、上游产物及按需项目检索），输出《现有科研上下文确认简报》，已知要素自动确认为 `RESOLVED`，严禁对已知要素重复发问；
  2. **Stage 0B — Adaptive Grill-Me**：读取 [references/stage0_grill_me.md](references/stage0_grill_me.md) 与 `shared/grill_me/`，首轮确保包含 `EXECUTION_DEPTH`（快速/标准/深度，推荐标准档）及未决的 `CRITICAL` / `HIGH_IMPACT` 维度，动态生成 3~4 个结构化追问，每题附带 Recommended 选项与方法学依据，严格执行 STOP Rule 静默等待用户确认；未确认执行深度绝不开工；
  3. **Stage 0C — Protocol Snapshot**：用户确认后固化全字段来源审计快照（`[USER]` / `[CONTEXT]` / `[UPSTREAM]` / `[PROJECT]` / `[INFERRED]` / `[DEFAULTED]` / `[SYSTEM_RULE]`）；
  - **交付格式默认与覆盖**：`D15 交付格式` 维度（Tier 3）默认**三轨全套**（MD 底稿 + CSV/JSON 数据 + HTML 报告），写入快照 `[DEFAULTED]`；用户可在确认回复中一句话覆盖（如 `格式: xlsx`，xlsx 导出需可选 openpyxl），解锁 Stage 1 实质执行。
- **决策维度原则**：执行深度（`execution_depth`）与研究目标（`D1`）正交解耦，已在会话明确指定或上游已确认者不重复询问。
- **禁止提前读取**：任何 Stage 1+ 的 references、role 文件、案例或资产模板。

---

### 阶段 2：用户确认模式后的分支加载策略

#### 🚀 分支 A：用户选择 `Quick Search`（快速探索模式，增量按需加载，精简上下文）
- **适用**：组会讨论、热点速览、快速获取 10–30 篇顶刊代表作（候选上限 50 篇，全文上限 5 篇）。
- **允许按需读取（仅 3 篇，随用随读）**：
  1. `references/concept_matrix.md`（仅参考核心概念展开规则）
  2. `references/databases_and_tools.md`（仅参考数据源调用逻辑）
  3. `references/saturation_and_qc.md`（仅参考轻量免责声明）
- **严格禁止读取**：
  - `references/subagent_screening.md`（不进行多子代理并发初筛）
  - `references/prisma_s_checklist.md`（不进行重型 PRISMA 机器评分）
  - `references/theses_retrieval.md`（除非用户明确勾选需要硕博论文）
  - `role/` 目录下全部文件（主代理依照当前上下文精简执行并声明“非系统性完整检索”）
  - `examples/` 目录下除快速案例外的长篇案例

#### ⚖️ 分支 B：用户选择 `Standard Search`（标准检索模式，推荐基准，适度展开）
- **适用**：常规文献调研、技术方案比选、概念矩阵展开与 1 轮引文扩展（候选上限 200 篇，全文上限 20 篇）。
- **按需渐进读取**：
  - `references/concept_matrix.md` 与 `references/databases_and_tools.md`（概念展开与跨源多库调用）；
  - `references/saturation_and_qc.md`（双台账覆盖核实与轻量质控）；
  - 若需要全文下载且落盘时，加载 `references/stage8_oa_download.md`。

#### 🔬 分支 C：用户选择 `Deep Search`（深度系统检索模式，严格按工作流阶段流水推进）
- **适用**：学位论文开题、基金立项申报、PRISMA 系统评价、期刊文献综述（候选上限 600 篇，全文上限 50 篇，多轮引文滚雪球）。
- **严禁跨阶段提前预加载**，推进到特定 Stage 时方可加载对应文件（Just-In-Time Loading）：
  - **进入 Stage 1-2 时**：读取 `references/concept_matrix.md` 与 `references/journal_mapping.md`；
  - **进入 Stage 3 时**：读取 `references/databases_and_tools.md`（若确认需学位论文，才加载 `references/theses_retrieval.md`）；
  - **进入 Stage 4-6 时**：仅在候选文献 $\ge 30$ 篇且确实启动子代理并发打分时，才读取 `references/subagent_screening.md`，否则使用主专家单流打分；
  - **进入 Stage 7 时**：读取 `references/saturation_and_qc.md`，质检时由审查员读取 `role/quality_gatekeeper.md` 与 `references/prisma_s_checklist.md` 执行 PRISMA-S 16 项打分；
  - **进入 Stage 8 时**：仅在需要下载全文且落盘时，才加载 `references/stage8_oa_download.md` 与 `references/zotero_watch_folder.md`；
  - **Stage 8B 无执行分支**：浏览器兜底下载为 `NOT_SUPPORTED`，正常路由**不进入**该分支。Stage 8 台账中出现 `PAYWALLED` 时，一律停止在该处并如实归入待获取缺口清单（Acquisition Gaps），不承诺任何自动化补取路径。

#### 🤖 分支 D：若为 `Headless / Agent` 自动化模式（零对话加载，0 KB Markdown）
- **直接执行脚本**：运行 `python skills/literature-discovery-acquisition/scripts/agent_search.py -q "..." --execution-depth <quick|standard|deep>`（缺失 `--execution-depth` 时退出码 2，返回 `INPUT_REQUIRED`）；
- **硬性输出契约**：
  1. Headless 顶层 JSON 输出必须遵循 canonical envelope 规范：`schemas/discovery_result.schema.json`；
  2. 其中 `candidates[]` 数组中的每一条文献记录必须遵循：`schemas/literature_record.schema.json`；
  3. Skill-local assets 中的模板不得作为 canonical executable contract。任何与上述 schema 不一致的输出由 Quality Gatekeeper 直接 REJECT。禁止加载对话型文档或生成非结构化 Markdown。

---

## 一、三位一体协同角色架构 (Triad Role Architecture)

技能执行过程中由以下三个专门角色协同运作（详见 `role/` 目录）：

1. **系统化检索主导专家 ([specialist_role.md](role/specialist_role.md))**：
   - 负责整体工作流统筹调度、Stage 0 前置 Grill-Me 交互门禁、数据源并发检索与双轨产物输出。
   - 严格恪守 6 大铁律（绝不全知宣称、DOI 零伪造、无全文不推断实验参数、三级证据分级）。
2. **通用词矩阵与重点期刊助手 ([domain_advisor.md](role/domain_advisor.md))**：
   - **动态实时探索**：不设僵化死板的学科分身，在明确用户课题后，**通过实时检索网络（Search Web）、学术知识库与受控词表（MeSH/NCBI/ACM等）**，动态提炼 2–4 个正交概念桶与 7 维术语拓展；
   - 实时生成四层级重点期刊列表及适配各大数据库（WoS/PubMed/Scopus/CNKI）的来源过滤检索代码。
3. **最终质量审查员 ([quality_gatekeeper.md](role/quality_gatekeeper.md))**：
   - **独立审计红蓝把关与三级质检架构**：在结果交付与报告生成前执行独立核验，诚实界定质检层级（Level-1 启发式角色自检、Level-2 确定性程序级硬检、Level-3 隔离子智能体盲审），行使一票否决权并签署放行决议；
   - 审查布尔语法正确性、漏词与查全风险、初筛决策与 Uncertain 保留、无脑补实验细节、全文下载文件魔数真实性。


---

## 二、运行模式 (Operation Modes)

> **深度与模式正交**：研究目标不决定执行深度，**资源深度必须独立确认**。「开题 / 系统综述」
> 不是选择深度档的理由。无有效配置时展示三档并等待确认；**标准档是推荐值，不是可由任务措辞
> 静默推导的默认值**。下游技能沿用同一运行的已确认配置。

### 2.1 执行深度三档（`execution_depth`）

| 深度档 | 约算力预算 | 检索候选上限 | 概念扩展 / 滚雪球 | 定位 |
|---|:---:|:---:|:---:|---|
| `quick` 快速档 | ~5 分钟 | 20 | 0 / 0 | 快速精准探索：聚焦高精检索式，不做多轮引文追踪与饱和度计算，显式声明「非系统性完整检索」 |
| `standard` 标准档<br>**（推荐）** | ~20 分钟 | 50 | 1 / 1 | 均衡查全率与论证严密性：主检索 + 概念扩展 + 单轮引文追踪 |
| `deep` 深度档 | ~60 分钟 | 100 | 2 / 2 | 系统化全景发现：多轮扩展与引文追踪、饱和度追踪 |

### 2.2 执行方式

| 方式 | 核心定位 | 目标产出 | 执行特征 | 适用场景 |
|---|---|:---:|---|---|
| **交互工作流** | 人机协同把关 | 按深度档产出 | Stage 0 门禁 → 检索 → 初筛 → 获取；关键节点由学者裁决 | 学位论文、基金开题、系统评价、立项综述 |
| **Headless / Agent** | 机器纯数据执行管道 | 紧凑标准 JSON 流<br>(已初筛/去重/含OA直链) | 以显式 `--execution-depth` 静默执行全流程，直出机器消费级 JSON；**缺少或非法深度会返回结构化错误且不发起任何检索调用** | 供上层规划 Agent、论文写作智能体、自动化后台脚本消费 |

> **交付能力边界**（与 [`docs/CAPABILITY_STATUS.md`](../../docs/CAPABILITY_STATUS.md) 一致，冲突时以该表为准）：
> 去重实际为**两级**（归一化 DOI + 归一化标题），PMID / arXiv / 相似度匹配**未实现**；
> Stage 8B 浏览器兜底下载为 **`NOT_SUPPORTED`**，仅保留状态码与协议文档，不得作为正常交付路径承诺。

---

## 三、八阶段标准工作流 (Standard 8-Stage Workflow)

```mermaid
flowchart TD
    S0[Stage 0: 核心问题解析 + 动态初稿生成 + Grill-Me 交互门禁] --> S1[Stage 1: 正交概念矩阵与多维词义实时探索]
    S1 --> S2[Stage 2: 四层级重点期刊推荐 + 多组检索式派生]
    S2 --> S3[Stage 3: 多数据源分层并发检索 OpenAlex/PubMed/Web]
    S3 --> S3B[Stage 3B: 检索覆盖对账与元数据固化 Ledger A / Freeze]
    S3B --> S4[Stage 4: 两级去重流水线 DOI + 标题]
    S4 --> S5[Stage 5: 题录与摘要结构化初筛 Include/Exclude/Uncertain]
    S5 --> S6[Stage 6: 核心种子文献双向引文追踪 Backward/Forward]
    S6 --> S4
    S6 --> S7[Stage 7: 检索饱和度量化收敛 + 缺口披露 + 审计报告]
    S7 --> S8[Stage 8: 开源文献自动下载与文件真实性校验]
    S8 --> QG[最终质量审查员 Quality Gatekeeper 独立审查放行]
```

---

### Stage 0：自适应科研决策门禁 (Context-Aware Research Gate)

在执行任何实际搜索调用前，系统强制接入自适应科研决策门禁（三阶段流水线，详见 [stage0_grill_me.md](references/stage0_grill_me.md)、[grill_dimensions.md](references/grill_dimensions.md) 与 `shared/context_resolution/`）：

1. **Stage 0A：科研上下文解析层 (Context Resolution Layer)**
   - **五层来源递进解析**：优先提取当前提示词 (`current_user`)、对话历史 (`conversation`)、任务附件 (`current_attachments`)、上游技能产物 (`upstream_outputs`)，仅在必要时按需查询项目资料 (`project_search`)；
   - **正交过滤与已知要素确认**：启用跨学科正交防泄漏过滤，已知约束自动确认为 `RESOLVED`（标记 `[USER]` / `[CONTEXT]` / `[UPSTREAM]` / `[PROJECT]`），输出《现有科研上下文确认简报》，严禁对已知要素重复发问；
   - **同级冲突仲裁**：检测到无时间戳的同级资料矛盾时，标记 `UNRESOLVED_CONFLICT` 提交用户裁决。

2. **Stage 0B：自适应科研决策追问 (Adaptive Research Grill-Me)**
   - **只问未决高影响变量**：仅针对上下文未覆盖的 `CRITICAL`（D1-D5）与高影响 `HIGH_IMPACT`（D6-D9）维度动态筛选 **3~4 个** 核心追问；
   - **每题必带推荐**：提供带有明确依据的 `(Recommended)` 选项与置信度标签；次要 `DEFAULTABLE` 维度（D10-D14）自动应用学科透镜默认值；
   - **严格交互硬门禁 (STOP Rule)**：**Agent 输出问题清单后必须立即终止回复，进入静默等待状态**，严禁自问自答或在同轮调用检索/下载工具。

3. **Stage 0C：协议快照生成与执行放行 (Protocol Snapshot & Execution Gate)**
   - **极速低摩擦响应**：支持一键通过（`按推荐`、`1A 2B 3C` 或混合自定义覆盖）；
   - **来源审计快照**：生成包含完整来源可信追溯（`[USER]` / `[CONTEXT]` / `[UPSTREAM]` / `[PROJECT]` / `[INFERRED]` / `[DEFAULTED]` / `[SYSTEM_RULE]`）的【Stage 0 Protocol Snapshot】，状态转为 `CONFIRMED` 后方可解锁 Stage 1 实质执行。

---

### Stage 1：正交概念矩阵实时探索 (Concept Matrix)

由通用词矩阵助手 ([domain_advisor.md](role/domain_advisor.md)) 实时解构为 2–4 个正交概念桶，并跨网络与学术知识库拓展 7 维同义词汇（详见 [concept_matrix.md](references/concept_matrix.md)）：
- **Concept A**：研究对象 / 目标分类群 / 疾病
- **Concept B**：核心方法 / 技术标记 / 干预措施
- **Concept C**：样本类型 / 介质 / 试验环境
- **Concept D**：目标产出 / 结果变量 / 评价指标
- **7 维发掘**：核心词、同义词、美英拼写变体（`fecal`/`faecal`）、缩写全称（`STR`/`microsatellite`）、分类层级（属/科/俗名/拉丁学名）、历史词汇、受控词表（MeSH/Emtree/ACM）。

---

### Stage 2：四层级重点期刊推荐与多组检索式派生

1. **四层级重点期刊推荐**（详见 [journal_mapping.md](references/journal_mapping.md)）：
   - **Tier 1（综合顶级与旗舰）**：*Nature*, *Science*, *PNAS*, *TPAMI*, *NEJM* 等；
   - **Tier 2（专业顶刊与主题核心）**：JCR Q1、中科院 1 区专业顶刊；
   - **Tier 3（权威综述期刊）**：*Trends in...*, *Annual Reviews*, *Biological Reviews*（**引文追踪最佳种子池**）；
   - **Tier 4（中文核心 / CSCD）**：国内权威核心学报（如《兽类学报》、《生态学报》）。
   - **生成来源过滤代码**：输出适配 WoS (`SO=...`)、PubMed (`[ta]`)、Scopus (`EXACTSRCTITLE(...)`)、CNKI (`文献来源=...`) 的可用语法块。
2. **派生多组互补检索式**：
   - **Q01 (高精核心式)**：严格多概念交叉，定位高相关度核心论文；
   - **Q02 (高召回扩展式)**：全面覆盖变体与上位分类群，防漏检；
   - **Q03 (方法导向式)**：聚焦技术协议与质控规范；
   - **Q04 (中文检索式)**：面向知网/万方/本土研究的针对性检索式。

---

### Stage 3：多数据源分层协同检索 (Multi-Source Retrieval)

调用环境中可用的学术工具与数据源，严格执行分层调度（详见 [databases_and_tools.md](references/databases_and_tools.md)）：
1. **第一层：开放学术 API**（OpenAlex 全学科、PubMed/Europe PMC 生命科学与医学、arXiv/bioRxiv 预印本）；
2. **第二层：Web 学术探测**（Google Scholar 关键文献补漏、出版商落地页解析、DOI 解析校验）；
3. **第三层：受限商业数据库声明与极速本地摄取**（中国知网 CNKI、Web of Science、Scopus、万方数据、维普 VIP）：
   - 自动生成对应数据库专业布尔检索式；
   - 支持三种支持模式：Mode A（直接检索）、Mode B（浏览器辅助）、Mode C（用户导出题录后由 `scripts/ingest_external_records.py` 一键无缝解析并注入候选文献池）；
4. **提取标准题录元数据**：提取标题、作者、年份、期刊、DOI、URL、摘要、来源库、证据分级（`VERIFIED` / `INFERRED` / `UNVERIFIED`）。

---

### Stage 3B：检索覆盖度对账与元数据冻结 (Retrieval Coverage Reconciliation & Corpus Freeze)

在进入去重、初筛与全文下载之前，强制执行检索覆盖度对账与元数据固化（详见 `scripts/retrieval_coverage.py`）：
1. **生成 Ledger A (Retrieval Coverage Ledger)**：对每个计划数据源与检索式记录实际执行状态（`SEARCHED_COMPLETE` / `SEARCHED_PARTIAL` / `AUTH_REQUIRED` 等）、数据库总命中数 (`reported_total_hits`)、实际抓取题录数 (`metadata_records_retrieved`) 与分页状态 (`COMPLETE` / `TRUNCATED_BY_LIMIT`)；
2. **执行检索诚实性核验**：确保访问阻断/权限不足不被篡改记为 0 篇，截断分页如实标为 `PARTIAL`；
3. **固化发现全集 (Metadata Corpus Freeze)**：调用 `freeze_metadata_corpus()` 固化候选文献底册，统计各库原始贡献分布与独有贡献 (`source_unique_contributions`)，生成候选底册快照；**即使后续任何全文下载失败，已发现文献也永久保留在该底册中**；
4. **识别检索缺口 (Retrieval Gaps)**：识别未执行或被截断的数据源，评估科学漏检风险并生成预警。

---

### Stage 4：两级去重流水线（DOI + 标题） (Deduplication)

**当前实现只有两级**（`docs/CAPABILITY_STATUS.md` §1 为准），其余为**规划方案、未实现**，不得计入当前能力：

| 层级 | 规则 | 状态 |
|---|---|---|
| **第 1 级** | 标准化 DOI 精确匹配 | **已实现** |
| **第 2 级** | 文本归一化标题（去标点、转小写、压空格）精确匹配 | **已实现** |
| 规划项 A | PMID / arXiv ID 匹配 | 未实现 |
| 规划项 B | 第一作者姓氏 + 出版年 + 标题高相似度匹配 | 未实现 |

**记录合并**：命中同一文献时，合并其所有检出库至 `source_databases`，绝不简单粗暴丢弃。
详见 [screening_and_chasing.md](references/screening_and_chasing.md)。

---

### Stage 5：题录与摘要结构化初筛 (Screening & PRISMA Dual Independent Protocols)

依据预先确立的标准对每篇去重文献进行审查（详见 [subagent_screening.md](references/subagent_screening.md)）：
- **纳入 (`Include`)**：完全符合研究对象与方法；
- **排除 (`Exclude`)**：必须附带结构化排除原因代码（如 `EXC_TAXON` 对象错误、`EXC_METHOD` 非目标方法等）；
- **待定 (`Uncertain`)**：**绝不允许武断剔除**，凡标题摘要无法完全确证者一律保留至全文阶段；
- **双轨初筛执行模式**：
  - **模式一：高吞吐分块并行初筛 (Map-Reduce)**：当候选量 $N \ge 30$ 篇时，切片并行分发轻量 SubAgent 打分，防止长文本注意力漂移；
  - **模式二：PRISMA 2020 Item 8 双盲独立初筛规程**：面向发表级系统评价与 Meta 分析，调度 Reviewer-A 与 Reviewer-B 隔离盲审，并运行 `scripts/calculate_screening_agreement.py` 自动化计算 Cohen's Kappa（$\kappa$）检验一致性，输出 `screening_dual_audit.csv` 决策审计追踪表与分歧仲裁队列。


---

### Stage 6：核心种子文献双向引文追踪 (Citation Chasing)

挑选 3~4 篇经过初筛的里程碑论文与权威综述作为 Seed Papers：
- **Backward Citation Chasing (反向追溯)**：追溯种子论文的参考文献列表；
- **Forward Citation Chasing (正向追踪)**：追踪引用该种子论文的最新后续研究；
- **Author Chasing**：追踪核心作者/课题组相关成果；
- **再筛选门禁**：追踪到的所有新文献**必须重新送入 Stage 4 去重与 Stage 5 初筛**，严禁直接无条件入库。

---

### Stage 7：检索饱和度量化评估与审计报告 (Saturation Assessment)

1. **检索饱和度量化评估**（详见 [saturation_and_qc.md](references/saturation_and_qc.md)）：
   - 记录每轮检索的新增有效文献数与边际贡献率（Marginal Yield %）；
   - 当边际贡献率 $< 5\%$ 或连续追踪新增 $\le 2$ 篇时，判定达到边际收敛；
   - 严禁声称“找全了所有文献”，只能表述为“在当前策略与数据源下接近边际饱和”；
2. **检索缺口与局限性声明 (Search Gaps)**：明确列出未直接访问的商业数据库及人工补检指导；
3. **导出数据文件**：生成候选清单 `candidate_literature.csv` 与 Zotero/EndNote 导入词条 `literature_pool.bib`。

---

### Stage 8：开源文献全文自动下载与 Zotero 生态沉淀 (Open-Access & Zotero CSL-JSON)

对初筛为 `Include`（及可选 `Uncertain`）的文献，自动执行全文下载与入库闭环（详见 [stage8_oa_download.md](references/stage8_oa_download.md)、[zotero_watch_folder.md](references/zotero_watch_folder.md) 与执行脚本 `scripts/download_oa_papers.py`）：

1. **多源合法 OA 解析**：
   - 自动提取 OpenAlex `best_oa_location.pdf_url`、Europe PMC 官方全文直链、bioRxiv/arXiv 预印本 PDF 与高校机构知识库直链；
2. **流式安全下载至本地目录**：
   - 默认保存在 `papers/downloads/`（用户可配置为 Zotero 自动监听文件夹 Watch Folder）；
   - 标准化命名：普通论文 `<Year>_<FirstAuthor>_<TitleSlug>.pdf`，学位论文 `<Year>_<Degree>_<Author>_<TitleSlug>.pdf`；
3. **严苛二进制魔数核验 (%PDF-)**：
   - 检查文件前 5 字节必须以 `%PDF-` 开头，且体积 $\ge 10\text{ KB}$；彻底拦截 403/404 HTML 伪装页面；
4. **双层 CSL-JSON 生成 (Zotero 原生导入)**：
   - 为每个成功下载的 PDF 在同级目录配套生成单篇同名 `<Name>.csl.json`；
   - 自动在下载目录根部编译生成全局总汇池 `zotero_import.csl.json`；
5. **输出《全文获取台账》**：
   - 分类汇总 `OA_DOWNLOADED`、`PREPRINT_AVAILABLE`、`PAYWALLED`（附带官方 DOI 与机构/校园网访问指引）。

---

### Stage 8B：浏览器辅助兜底下载（已移除的规划分支 / NOT_SUPPORTED）

> **正常路由不进入本阶段。** 本节仅存档状态码与协议文本，供审计与未来路线参考；
> 任何"自动兜底下载"的执行指令均不生效，遇到 `PAYWALLED` 一律停在缺口输出。

> **边界说明**：本阶段当前实现标记为 **`NOT_SUPPORTED`**。Stage 8 中无法通过开源渠道获取的 `PAYWALLED` 文献，系统如实归入待获取缺口清单（Acquisition Gaps），不作为正常自动化交付路径承诺。保留以下规范仅作为未来扩展与状态码定义的协议备忘（详见 [stage8b_browser_fallback.md](references/stage8b_browser_fallback.md)）：

1. **站点匹配**：根据文献语言与类型匹配最高优先级的已启用适配器（CNKI/万方/学校代理等）；
2. **凭据加载**：从 `.env` 文件读取凭据（**绝不存储、回显或写入任何输出**）；
3. **浏览器操作序列**：自动登录 → 搜索 → 匹配验证（标题+作者+年份）→ 触发下载；
4. **验证码处理**：遇到验证码时暂停，请求用户手动通过后继续；
5. **文件校验**：与 Stage 8 相同的 `%PDF-` 魔数 + ≥ 10 KB 体积校验；CAJ 格式标记 `CAJ_ONLY`；
6. **并发控制**：单次最多处理 20 篇，同站点请求间隔 ≥ 3 秒；
7. **台账更新**：Stage 8B 结果合并进同一份全文获取台账，状态码扩展为五类：

| 状态码 | 标识 | 来源阶段 |
|---|---|---|
| `OA_DOWNLOADED` | `[已下载-OA]` | Stage 8 |
| `PREPRINT_AVAILABLE` | `[预印本]` | Stage 8 |
| `BROWSER_DOWNLOADED` | `[已下载-浏览器]` | Stage 8B |
| `CAJ_ONLY` / `BROWSER_FAILED` | `[仅CAJ]` / `[浏览器失败]` | Stage 8B |
| `PAYWALLED` | `[需商业权限]` | 全部兜底均失败 |

---

## 四、最终质量审查员独立门禁 (Gatekeeper Checkpoints)

在生成最终交付物前，最终质量审查员 ([quality_gatekeeper.md](role/quality_gatekeeper.md)) 必须严格执行双门禁独立核验：

### Gate A — 检索发现完整性门禁 (Discovery Coverage Gate — 优先执行)
- [ ] 1. **计划数据源全量审计**：所有计划数据库均有明确执行状态（`SEARCHED_COMPLETE` / `SEARCHED_PARTIAL` / `AUTH_REQUIRED` 等），绝无漏报；
- [ ] 2. **零命中诚实性核验 (Rule 10)**：严禁将访问失败（403/AUTH_REQUIRED/BOT_BLOCKED/NOT_SEARCHED）伪报为 0 篇命中，命中数必须记为 `null`，覆盖度记为 `UNKNOWN`；
- [ ] 3. **总命中数与抓取数对账**：数据库显示总命中数 (`reported_total_hits`) 与实际抓取题录数严格对账；
- [ ] 4. **分页完整性审计**：分页存在截断必须如实标记 `TRUNCATED_BY_LIMIT`，覆盖度标为 `PARTIAL`，严禁截断分页虚报完全检索；
- [ ] 5. **元数据底册固化 (Corpus Frozen)**：在启动全文获取前，发现候选文献全集底册已通过 `freeze_metadata_corpus()` 冻结固化；
- [ ] 6. **跨库替代严禁红线**：严禁将第三方平台（如 OpenAlex/Web）中偶发检索到的文献当作专业专库（如知网/万方）的完整检索证据；
- [ ] 7. **检索缺口显式声明**：若存在任何未执行或截断库，必须显式输出 `Retrieval Gaps` 科学风险预警。

### Gate B — 全文获取与学术诚信门禁 (Full-Text Acquisition Gate — 后续执行)
- [ ] 8. **初筛候选尽力获取**：对所有 `Include` 及 `Uncertain` 题录穷尽合法 OA 与机构获取路径；
- [ ] 9. **候选保留红线 (Rule 4)**：严禁因全文下载失败从候选文献全集中删除题录，未获得全文记录必须永久保留并归入《手动补检清单》；
- [ ] 10. **全文文件真实性**：本地 PDF 均通过 `%PDF-` 魔数与 $\ge 10\text{ KB}$ 体量校验，彻底杜绝 HTML 伪装损坏文件；
- [ ] 11. **零伪造红线**：无法核验 DOI 标记 `DOI = NR`，严禁从摘要凭空捏造全文实验细节与参数；
- [ ] 12. **PRISMA-S 标准机审与评分**：对照 [prisma_s_checklist.md](references/prisma_s_checklist.md) 校验适用条目并出具真实评分卡；
- [ ] 13. **浏览器兜底下载安全与凭据审计**（仅当未来启用 Stage 8B 时适用；当前无执行路径，清单项不生效）：确认凭据未泄露、`.env` 在 `.gitignore` 中、下载文件通过校验、未下错文献、请求频率合规。

审查员必须在报告末尾签署形式化核验决议（PASS 放行 / REJECT 驳回重修）。

---

## 五、支撑文档与参考资源目录

- **角色与审查模块 (`role/`)**：
  - [specialist_role.md](role/specialist_role.md)：系统化检索主导专家契约与核心铁律 (含 Headless 与并发初筛协议)
  - [domain_advisor.md](role/domain_advisor.md)：通用词矩阵与重点期刊助手（动态探索机制与学位论文策略）
  - [quality_gatekeeper.md](role/quality_gatekeeper.md)：最终质量审查员独立审计规范与 Gate A/Gate B 质检双规程
- **阶段详细规程 (`references/`)**：
  - [stage0_grill_me.md](references/stage0_grill_me.md)：Stage 0 自适应决策门禁与动态维度收敛规程
  - [theses_retrieval.md](references/theses_retrieval.md)：中英文硕博士学位论文专项检索与下载规程（CNKI博硕/PQDT/OATD/高校IR）
  - [subagent_screening.md](references/subagent_screening.md)：多 SubAgent 并发初筛分片与打分规程 (Map-Reduce)
  - [prisma_s_checklist.md](references/prisma_s_checklist.md)：PRISMA-S 16 项系统评价文献检索扩展标准机审规程
  - [concept_matrix.md](references/concept_matrix.md)：Stage 1-2 概念矩阵与检索式扩展规程
  - [journal_mapping.md](references/journal_mapping.md)：四层级重点期刊评价体系与语法映射
  - [databases_and_tools.md](references/databases_and_tools.md)：Stage 3 多数据源协同检索、三种支持模式与工具调度指南
  - [screening_and_chasing.md](references/screening_and_chasing.md)：Stage 4-6 去重、初筛与引文追踪规程
  - [saturation_and_qc.md](references/saturation_and_qc.md)：Stage 7 饱和度收敛评估与 PRISMA 质控流
  - [stage8_oa_download.md](references/stage8_oa_download.md)：Stage 8 开源文献下载与完整性审计规程
  - [stage8b_browser_fallback.md](references/stage8b_browser_fallback.md)：Stage 8B 浏览器辅助兜底下载操作协议（站点适配、凭据安全、操作序列）
  - [zotero_watch_folder.md](references/zotero_watch_folder.md)：Zotero 监听目录与双层 CSL-JSON 文献库生态沉淀指南
- **执行脚本与工具 (`scripts/`)**：
  - `scripts/retrieval_coverage.py`：检索覆盖度对账 (Ledger A)、元数据底册固化与 Gate A 独立审计脚本
  - `scripts/download_oa_papers.py`：开源文献批量下载、魔数核验与双层 CSL-JSON 生成脚本
  - `scripts/ingest_external_records.py`：外部文献 (CNKI/万方/维普/WoS/RIS) 标准化导入、交叉去重与元数据补全脚本
  - `scripts/calculate_screening_agreement.py`：PRISMA 2020 Item 8 双评阅人一致性检验与 Cohen's Kappa 计算脚本
  - `scripts/agent_search.py`：Headless / Agent 模式专用纯数据检索管道脚本
- **标准资产与模板 (`assets/`)**：
  - [retrieval_coverage_ledger_template.json](assets/retrieval_coverage_ledger_template.json)：检索覆盖度台账 Ledger A 模板
  - [metadata_corpus_summary_template.json](assets/metadata_corpus_summary_template.json)：固化候选文献底册元数据概览模板
  - [concept_matrix_template.md](assets/concept_matrix_template.md)：概念矩阵输出模板
  - [journal_recommendation_template.md](assets/journal_recommendation_template.md)：重点期刊推荐与过滤语法模板
  - **Canonical Schemas**：检索输出遵循 [`schemas/discovery_result.schema.json`](../../schemas/discovery_result.schema.json)、[`schemas/retrieval_coverage_ledger.schema.json`](../../schemas/retrieval_coverage_ledger.schema.json) 与 [`schemas/literature_record.schema.json`](../../schemas/literature_record.schema.json)
  - [csl_json_schema.json](assets/csl_json_schema.json)：CSL-JSON 标准数据格式 Schema
  - [site_registry_template.json](assets/site_registry_template.json)：Stage 8B 站点适配器注册表模板（CNKI/万方/学校代理）
  - [browser_credentials_example.env](assets/browser_credentials_example.env)：Stage 8B 凭据文件示例（不含真实密码）
  - [download_ledger_template.md](assets/download_ledger_template.md)：全文文献获取台账模板
  - [search_log_template.md](assets/search_log_template.md)：检索审计日志模板
  - [search_saturation_template.md](assets/search_saturation_template.md)：饱和度轮次跟踪表模板
  - [screening_decision_template.md](assets/screening_decision_template.md)：初筛决策记录模板
- **案例与反模式对照 (`examples/`)**：
  - [deep_search_ecology_case.md](examples/deep_search_ecology_case.md)：生态学/分子遗传学深度检索全流程案例（设计时参考）
  - [quick_search_biomedical_case.md](examples/quick_search_biomedical_case.md)：生物医学快速精准检索案例（设计时参考）
  - [anti_patterns.md](examples/anti_patterns.md)：16 种学术检索反模式与负向清单（含虚假全覆盖、下载偏倚、阻断伪称零检出、跨源替代）
  - [real_execution_log_template.md](examples/real_execution_log_template.md)：真实执行日志归档模板——每次完成实际文献检索后，按 `real_execution_log_YYYY-MM-DD_<课题>.md` 归档，用于 Skill 校准与经验沉淀

---

## 六、下游技能交接协议 (Handoff & Skill Boundaries)

为了确保科研工作流的无缝衔接与职责边界清晰，本技能作为 ScholarFlow 科研文献生命周期的上游总入口，与下游分析与综合技能遵循如下交接协议：

1. **文献可信内容与证据链提取 (`literature-evidence-extraction`)**：
   - 当初筛与下载获得核心全文文献（PDF/HTML）后，若需按定制 Schema 提取结构化参数、实验设计、数值结果或事实核验，交接给 [`literature-evidence-extraction`](../literature-evidence-extraction/SKILL.md) 遵循 Quote → Extract → Verify 铁律进行 E1-E4 证据链抽取与伴生 JSON 生成。
2. **多篇文献交叉综合与学术争议发掘 (`literature-synthesis`)**：
   - 当完成文献批量初筛与证据提取，需要对多篇文献在核心假说、估算模型、机制分歧上展开横向跨篇对决、反方挑刺（Devil's Advocate）与学派图谱构建时，交接给 [`literature-synthesis`](../literature-synthesis/SKILL.md) 生成争议驱动型综述与共识边界矩阵。