dsh-paper-digest
每日论文日报插件。按设定的时间自动检索中英文高质量论文，按透明可审计的质量信号排序，生成一份按主题分组的 Markdown 日报写入工作区。全部配置在 DSH 设置 → 论文日报 中完成。
它解决什么
"每天自动送 10 篇好论文"的真正难点不是推送，而是判定质量与拿到中文文献：
- 知网、万方、维普都没有面向个人的公开 API；
- "北大核心"是《中文核心期刊要目总览》这本书目，不是可查询的数据库；
- 新发表的论文没有任何引用，所以"按引用排序"在 T+0 完全无效（OpenAlex 对新论文返回
fwci: null）。
因此插件的排序依据是当天就能算出来的信号：场所权威（核心库收录 / 期刊 / 已录用）、内容证据（方法·结果·局限·数据公开）、时效、作者机构，以及很小的社区关注度。每篇论文都会在日报里写出入选理由、命中关键词和评分构成，可直接审计。
日报会话（找得到）
每份日报除了写成文件，还会自动创建一个会话：以日期命名（如 2026-09-18 论文日报（10 篇）），会话根目录是日报目录，并挂到对应工作区上——因此在左侧会话列表里直接点开就能读，不必去翻文件夹。
打开后你会看到一轮正常的对话：你自己的请求「生成今天的论文日报（日期）」→ 助手读完报告后给出的分主题速览，并以交付文件卡片呈现日报本身（可直接点开或下载），末尾附本地全文路径与数据源失败情况。会话挂载的是部署默认的 agent 预设，所以能继续追问某篇论文的细节。
- 播种的那条消息必须用
source: { kind: 'user' }。用 plugin 源会被判为上下文注入，渲染成折叠的「上下文注入」行而不是对话（第一版就是这样，对照截图确认后修正）。
- 摘要轮次是真的模型轮次：创建会话后用
agent.followup(message)（等价于 send(msg, 'next-turn', true)）排一轮，让助手真正读取文件并总结——这才产出你期望的"助手总结 + 文件"形态，而不是把整份 Markdown 塞进消息里。
- 提示词里明确要求调用
present：文件卡片由 present 工具产生，只在正文里写路径是不会有卡片的（这一点在我自己的回复里也踩过）。
- 零事件会话不会显示：
agents.create 建出来的是空日志（501 字节、零事件），侧边栏不渲染它——工作区展开后只有文件夹（已在真实 UI 上复现）。所以播种是必需的，不是可选项。
- 播种/追加失败会降级并如实报告：退回空会话并把原因写进日报诊断，不会因为会话问题丢掉日报。
- 日报目录只建一个工作区，后续每天复用（按路径匹配，避免侧边栏堆满每日工作区）。
- 设置页有「为上次日报新建会话」按钮，用于补救历史日报。
- 关掉开关即只写文件、不建会话。
实现上有几个只靠猜一定会踩的坑，均已写进代码注释：
resolveByPath() 定义在原型上（列服务自己的方法时看不到），且 Workspace 的目录是通过 path() 方法暴露的、不是 cwd 属性——按 cwd 匹配永远失败，会每天重复建一个工作区。- 宿主服务必须每次运行惰性读取：插件加载得早、工作区平面挂载得晚，激活时读一次会把
undefined 永久缓存（ctx.get() 不会触发重新激活）。
- 会话事件有 surface 契约：
user/message 属于表面事件，必须带 surfaceOp（追加用 'append'）并可引用来源事件序号；序号从 0 连续；且不能留下未闭合的轮次，所以 turn/end 是必需的。写错的代价由日志校验器当场拒绝（不会写坏会话）。
agent.followup() 是驱动一轮的官方原语，send(message, 'next-turn', true) 等价；只 append 到 inbox 不足以让轮次跑起来。
中文速览
每篇入选论文会由本机已配置的模型（读取 agentDefaultModel 的当前选择，无需另配 API Key）根据标题与摘要生成 2–3 句中文速览，在日报里以「📌 一句话速览」置顶；原文摘要折叠保留在下方可展开核对。提示词明确要求只使用给定信息、不得补充或推测，摘要未交代方法与结论时如实说明。
几个由实测得来的设计点：
- 默认输出上限 1500 tokens。思考型模型会先花预算思考：最初设 300 tokens 时 10 篇里有 9 篇返回空内容（预算被思考吃光）。
- 首次为空会自动加倍预算重试一次。实测仍有 3/10 篇首次为空、重试后成功，所以这不是冗余逻辑。
- 思考档位可调（继承 / minimal / low / medium / high / max）。速览只是归纳，嫌慢或嫌费可调
minimal 并相应调低输出上限。
- 单篇失败不影响整篇日报：失败原因（含 finish 与思考 token 数）写进「运行诊断 → 中文速览」，其余论文照常出速览。
- 关闭开关即完全不调用模型。
全文获取
只下载开放获取（OA）全文，插件从不尝试绕过付费墙：
| 通道 | 说明 |
|---|
| arXiv | 作者自存预印本，PDF 直链稳定可下 |
| PubMed Central（经 Europe PMC） | 有 pmcid 即代表全文开放，PDF 接口精确 |
| 出版商 OA 版本 | OpenAlex 的 best_oa_location.pdf_url 明确标注开放时才会使用 |
| Unpaywall（可选） | 留空邮箱即关闭；填入你自己的邮箱后，可为付费论文查找合法的 OA 副本 |
每个文件都先校验 %PDF- 魔数再落盘，所以验证码页 / HTML 错误页不可能被存成 .pdf；单文件上限 25MB，每轮下载数量可限。
中文订阅库（知网 / 万方 / 维普）不抓取全文，日报只给详情页链接。这不是技术限制而是刻意选择：其服务条款禁止批量下载，且从校园网跑脚本抓取一旦触发风控，受影响的是全校 IP 段。你在浏览器里用学校账号点开链接，一样省事但零风险。
产出位置：outputDir（日报 Markdown）与 pdfDir（默认 outputDir/pdf）；默认根目录 ~/Documents/dsh-paper-digest，可用环境变量 DSH_PAPER_DIGEST_DIR 覆盖。
安装
1. 取得源码并构建
git clone https://github.com/juzikexue/dsh-paper-digest.git
cd dsh-paper-digest
pnpm install
pnpm build:client # 必须执行，原因见下
pnpm test # 可选：69 项回归单测
lib/client.js 不入库（esbuild 构建产物，见 .gitignore），所以克隆后必须自己构建一次。
跳过这一步插件仍能启动、日报也照常生成，但设置页会是空的——浏览器半加载不到，且没有任何报错。
这是装这个插件最容易漏掉的一步。
2. 以 link: 方式装入 web profile
// ~/.dsh/profiles/web/package.json
{
"dsh": {
"profile": {
"bundles": [ /* … */ "@dsh-local/dsh-paper-digest" ]
}
},
"dependencies": {
// 换成上一步克隆到的绝对路径
"@dsh-local/dsh-paper-digest": "link:/abs/path/to/dsh-paper-digest"
}
}
cd ~/.dsh/profiles/web && pnpm install
# 然后重启 dsh web
插件的 cordis.patch.yml 只在 Loader 树里插一行 host row：该行负责配置/状态路由、每日调度与产出；浏览器半由 package.json 的 dsh.client 声明被 dsh-client-modules 发现。
设置项（设置 → 论文日报）
| 设置 | 说明 |
|---|
| 启用每日自动检索 | 关闭后只保留手动运行 |
| 发送时间 | 每天此刻之后首次检查时生成；若运行时刻机器休眠，唤醒后自动补跑 |
| 每日篇数 / 中英配比 | 中文是软目标，中文源不足时由英文补齐到总篇数 |
| 回溯天数 | 只收最近 N 天发表的论文（期刊 RSS 除外，见下） |
| 输出目录 | 日报写入此处，建议填会话工作区 |
| 研究主题 | 每个主题含中文关键词与英文关键词 |
| CNKI 期刊监控 | 期刊代码 + 刊名 + 归属主题；中文主力通道 |
| 数据源开关 | 见下表 |
| 核心期刊表 | 可选，每行 刊名关键词 = 等级，命中即标记核心刊并提高评分 |
关键词写法（重要）
中英文的空格含义不同，这是刻意的：
- 中文：空格 = 或。
人工智能 教育 表示"人工智能"或"教育"。但 2 字通用词（教育、学习、技术）不单独作为证据，否则"义务教育"论文会灌进"人工智能教育"主题。请写 3 字以上的词组。
- 英文：空格 = 且。
computer-assisted language learning 是一个短语，所有词都必须在标题/摘要中出现。
日报会打印每篇论文的命中关键词，如果发现某篇不对口，照它去收紧关键词即可。
数据源与可靠性
| 源 | 语言 | 通道 | 状态 |
|---|
| CNKI 期刊 RSS | 中 | rss.cnki.net 的期刊最新目录（每刊约 20 条） | ✅ 稳定、免登录、无需验证码 |
| ChinaXiv | 中 | 中科院预印本公开 JSON API | ✅ 稳定；接口是全文检索，插件会自行做相关度过滤 |
| Europe PMC（中文） | 中 | LANG:chi 检索 | ⚠️ 仅医学（每两周约 35 条，几乎全是中华医学会系列），默认关闭 |
| NCPSSD | 中 | 站点为 Vue SPA，无公开检索 JSON 接口 | ⚠️ 实验性，默认关闭 |
| OpenAlex | 英 | 官方 API，primary_location.source.is_core 作核心库标记 | ✅ 稳定、免费、无需 key |
| Crossref | 英 | 官方 API，标题检索 | ✅ 稳定、免费 |
| arXiv | 英 | Atom API，arxiv:comment 里的 "Accepted at XXX" 是强质量信号 | ✅ 可用（偶发超时，已隔离） |
一个数据源失败不会中断日报：失败会记进「运行诊断」，剩余源继续，英文补齐篇数。
为什么中文主力是期刊 RSS 而不是检索
知网检索页有滑块验证码，且用校园 IP 批量抓取检索结果有连累全校封禁的风险。期刊 RSS 是官方提供的、免登录的"最新一期目录"，语义上恰好就是"我的领域这周有什么新论文"，因此作为中文主力。期刊代码可在知网期刊导航页的 URL 中看到（如 JJYJ=经济研究、JYYJ=教育研究、XLKX=心理科学）。
质量评分
总分 = (期刊档次 30 + 内容证据 25 + 时效 15 + 数据开放 10 + 社区关注 10 + 作者机构 10)
× (0.45 + 0.55 × 主题相关度)
- 硬门槛（打分前剔除）：撤稿记录、标题缺失或过短、无链接且无 DOI、超期；期刊 RSS 条目豁免时效门槛，因为"最新一期"本身可能已出版数周。
- 内容证据从标题+摘要抽取：是否含方法、结果、局限表述，是否有数据/代码公开线索。
- 社区关注用引用数取对数；对新论文天然接近 0，这是有意的——它不该主导 T+0 排序。
运维
node scripts/live-run.mjs [输出文件] # 不经过 dsh，直接跑一次真实检索并打印统计
node --test "test/*.test.js" # 回归单测（关键词匹配、去重、选题、渲染）
node scripts/build-client.mjs # 重建设置面板 bundle（改 src/client 后必须执行）
配置与状态落盘在 ~/.dsh/storages/dsh-paper-digest/（config.json、status.json、core-journals.txt）。配置不使用 DSH 的 settings 服务：该服务对 out-of-tree 插件是 scope 隔离的，第三方插件注册不进去，所以插件自带 HTTP 路由持久化自己的配置。
已知限制
- 中文检索精度受关键词质量影响最大。2 字通用词已被排除，但仍有语义歧义（例如关键词里的"技术"会命中核物理论文）。日报的「命中关键词」就是为排查这类问题而设。
- 订阅式电子期刊（PubScholar/NCPSSD）无法在纯 HTTP 下检索，因为结果是浏览器内渲染的，且没有公开 JSON 接口。若要纳入，需要引入无头浏览器依赖。
- 核心期刊表需自行维护（书目受版权保护且有多个版本），未配置时中文论文不做等级加权，仅按其他信号排序。
- arXiv 偶发超时；插件已设超时与重试并做源级隔离。
许可
MIT
