📌 后续维护待办

1. 研究起点

• BrainStorm skill的补充，考虑如何可编程地融合背景先验知识

2. 文献检索（及元数据抓取）

• 各文献数据库Query搜索语法的补充，尝试skill化，目前仅实现pubmed mesh部分语法先验结合
• 从这一步开始，关于pubmed数据库解析部分，考虑BioPython库的更新与维护(E-utility的接口)。目前biopython version 1.87，详情参考biopython仓库

3. 文献获取（及全文下载）

• paper-fetch 模块的完善封装，目前参考2026-05-08 封装paper-fetch，考虑加入或替换为更鲁棒、命中率更高的模块
• pdf-parse 模块目前封装了mineru的简单解析指令，默认使用cpu后端（-b pipeline），后续考虑gpu等进行深入功能集成，详情参考mineru仓库

4. 文献内容提取与结构化处理

• PMC文本内容的json结构化解析（pubmed-export-md模块），尝试加强语义边界规范检测（即扩大正则匹配边界范围），或者尝试像mineru-export-md模块一样引入AI后端
• mineru-parse模块是针对 content_list_v2.json 文件进行解析的，但官网显示该文件解析格式仍在更新中，后续追踪维护，详情参考mineru 输出文件说明
• mineru-parse模块，regex正则后端，尝试加强语义边界规范检测（即扩大正则匹配边界范围）
• mineru-parse模块，ai后端，深入集成ai模块，比如说只是提取markdown的层级标题，然后让它分类，但是执行完全由python脚本执行合并
• mineru-parse/mineru-export-md 模块的yaml配置文件进行协同优化，如何高效对应起来
• 考虑设计1个纯skill，用于原始解析markdown内容的语段提取和结构化处理，因为我们默认行为都是使用json文件，并没有用上markdown文件

5. 其他文献数据平台的处理

• 对于其他非pubmed数据库，也需要做一套search-fetch-parse解析方案，完善相应模块，可以参考一些开源实现paperscraper、paper-tracker
• 多源检索合并（基建已备、编排待做）：preprint/source_merge.py 已提供 merge_papers（补全缺失 DOI → 按 DOI 去重，键级联 DOI → title+authors → source_id）。尚未实现跨源编排命令；将来做 search --sources arxiv,biorxiv,medrxiv,chemrxiv 统一检索并合并为单一 corpus 时直接调用。
• 可选连接器（按需再上）：Semantic Scholar 元数据连接器暂不单独实现——与 pdf_fetch.py 内 S2（openAccessPdf/externalIds）用途重叠，避免两处维护；OpenAlex 连接器（api.openalex.org/works，abstract 倒排索引重建 + authors + citations/references）在确有「按 DOI 批量补全 metadata / 抓引用网络」需求时引入，产出 SourcePaper。
• 基础设施对齐（部分已完成）：extract_doi 已统一到 source_merge.py；safe_filename 已存在（source_utils.py）；get_env 因与现有扁平 os.environ.get 风格不符暂不引入；OAI-PMH 基类留到真正接入通用 OAI 仓库时再上。

6. 批判性阅读与知识图谱分析：下游终点

• 文献深度解析，考虑加入几个高度定制化的skill，最好是可以借下游流程
• 考虑加入数据库，考虑做大做深，不局限于纯python项目