dsh-papersearch · 学术检索

Name: waizzie/dsh_papersearch
Author: waizzie

GitHub：https://github.com/waizzie/dsh_papersearch

让 DSH 里的模型按关键词检索 Web of Science、中国知网（CNKI）、arXiv、Crossref，把不同站点的结果归一化成同一套字段，并保留后续增加网站的能力。

一个工具跨多个源检索，自动跨源去重（同 DOI / 同标题合并）
结果是统一的 Paper 记录：标题 / 作者 / 来源出版物 / 年份 / 卷 / 期 / 页 / DOI / 被引 / 摘要 / 链接
三种扩展方式：改配置加 JSON API 源、加一个 provider 文件、或从别的插件运行时注册
零第三方依赖（Node ≥ 22 自带 fetch 与 WebSocket）

一、WoS 为什么走侧栏内嵌窗口

实测结论（本机，2026-10）：

站点	裸 HTTP 直接请求	采用的方案
`www.webofscience.com`	SPA 外壳 200，但检索引擎强制要 OnePass 会话 SID	侧栏面板的内嵌 `<webview>` + 页面内同源请求
`kns.cnki.net`	302/403 到 `/verify/home?captchaType=blockPuzzle`（滑块）	放弃，改用下面的免费入口
`search.cnki.com.cn`	200，真实结果 HTML，零 cookie 零 referer	纯 HTTP（免登录）
`export.arxiv.org`	200，Atom XML	纯 HTTP
`api.crossref.org`	200，JSON	纯 HTTP

WoS 需要真实浏览器的会话（Cookie + SID），但不需要在桌面上另开一个 Chrome 窗口： DSH 桌面端的侧栏面板里有一个内嵌 <webview>，检索请求就在这个窗口的页面上下文里发出，自动带上站点自己维护的会话状态，既不用破解验证码，也不用把账号密码交给插件。

Host 与面板之间的交接是一个请求队列（lib/wos-bridge.js）：

paper_search(wos) ──enqueue──▶ Host 队列 ──长轮询──▶ 侧栏面板
                                                    │ 在 <webview> 里同源 fetch
        Host 解释成 Paper ◀──回填原始分片────────────┘

面板没打开或没准备好时，paper_search 会立刻返回可读原因（不会回退到外部浏览器）。知网、arXiv、Crossref 走纯 HTTP，装完即用、无需任何登录。

旧的外部 Chrome 方案（9222 调试端口 + CDP）仍然保留，但默认关闭：只有把配置改成 wosTransport: cdp 才会用到它。

二、安装

方式 A：在 DSH 桌面端安装（推荐）

打开 DSH 桌面端的插件管理页，选择本目录安装。

DSH NEXT 的 desktop profile 由应用独占管理，请不要在应用外直接对它执行 dsh plugin；其它 profile（如 web、tui）可以用下面的命令行方式。

方式 B：命令行安装

git clone https://github.com/waizzie/dsh_papersearch.git
dsh plugin --profile <你的 profile> add "<克隆目录的绝对路径>"

dsh plugin add 会以 link: 方式把目录装进 profile，并自动登记到 dsh.profile.bundles。安装后 paper_* 工具即可见，无需重启（新 bundle 走 HMR）。替换已安装的旧版本需要重启 DSH。

三、首次使用：在侧栏准备 WoS 内嵌窗口

知网、arXiv、Crossref 不需要这一步——装完就能直接检索。

打开右侧栏的**「文献检索」**面板；
WoS 那一行的**「准备」**会申请一个内嵌浏览器会话并加载 WoS（不点也行：第一次 WoS 检索会自动准备）；
等状态变成 「WoS 内嵌已就绪（检索走侧栏）」（首次通常 30~40 秒，站点重定向链较长）；
需要机构订阅结果时，点「展开」在内嵌窗口里登录一次（会话记在独立分区里，通常只需做一次）；
之后在面板里检索，或让模型调用 paper_search，WoS 都会走这个内嵌窗口。

检查状态：

paper_sources

它会显示「WoS 通道：侧栏面板已连接」或「未连接」。面板没连上时， paper_search 会提示你打开面板并点「准备」，不会启动任何外部浏览器窗口。

访客也能检索：内嵌 WoS 首次调用接口若要求被动验证，面板会等 SPA 渲染出搜索框、在页面里真搜一次再重试；若站点弹出人机验证（reCAPTCHA），会提示你去内嵌窗口里完成一次。

WoS 以英文题录为主：中文检索词通常 0 结果，检索 WoS 时用英文关键词（知网用中文）。

四、模型工具

工具	作用
`paper_search`	跨源检索。参数：`query`（必填）、`sources`、`limit`、`year_from`、`year_to`、`sort`（relevance/date/cited）、`with_abstract`、`dedupe`、`export_path`
`paper_sources`	列出所有源、默认源、WoS 面板通道与浏览器状态
`paper_browser`	默认只有 `status`；`launch` / `open` 需要配置 `allowExternalBrowser: true`（默认关闭）

导出：给 paper_search 传 export_path: "results.csv"（也支持 .json / .bib），相对路径基于 DSH 进程工作目录，返回绝对路径。

五、如何新增一个网站

方式 A：配置式（不写代码，适合 JSON API）

在 cordis.patch.yml 的 config.sources 里加一条：

- id: dsh-papersearch
  name: 'dsh-papersearch'
  config:
    sources:
      - id: semantic-scholar
        label: Semantic Scholar
        transport: http
        url: 'https://api.semanticscholar.org/graph/v1/paper/search?query={query}&limit={limit}&fields=title,year,venue,authors,externalIds,citationCount,abstract'
        map:
          items: 'data'
          title: 'title'
          authors: 'authors[].name'
          container: 'venue'
          year: 'year'
          citedBy: 'citationCount'
          doi: 'externalIds.DOI'
          abstract: 'abstract'
          url: ''          # 没有就留空，不会编造

url 支持的占位符：{query} {limit} {year_from} {year_to} {sort}（自动 URL 编码）。 map 的路径语法：a.b.c 取嵌套字段，a[] 取数组，a[].b 摊平取数组每项，a[0].b 取下标。 POST 接口用 method: POST + body（同样支持占位符）+ headers。

方式 B：代码式（需要站点特殊逻辑，如页面内请求）

在 lib/providers/ 新建一个文件，导出一个 provider 对象：

import { makePaper } from '../paper.js';

export const mysiteProvider = {
  id: 'mysite',
  label: 'My Site',
  aliases: ['mysite.com'],          // 模型可以用别名调用
  transport: 'browser',             // 'http' 或 'browser'
  loginUrl: 'https://mysite.com/',  // paper_browser 打开这个页面
  note: '需要机构订阅',

  // input: { query, limit, yearFrom, yearTo, sort }
  // ctx:   { browser, log, signal, timeoutMs, config }
  async search({ query, limit }, ctx) {
    const page = await ctx.browser.page('https://mysite.com/search');
    // 关键：在页面上下文里发请求，自动带上该站会话
    const res = await page.inPageFetch(
      `https://mysite.com/api/search?q=${encodeURIComponent(query)}&rows=${limit}`,
      { headers: { accept: 'application/json' } },
    );
    const data = JSON.parse(res.text);
    return {
      items: data.hits.map((hit) => makePaper('mysite', {
        title: hit.title,
        authors: hit.authors,
        container: hit.journal,
        year: hit.year,
        doi: hit.doi,
        url: hit.link,
      })),
    };
  },
};

然后在 lib/providers/index.js 里加一行：

import { mysiteProvider } from './mysite.js';
// buildProviders() 的数组里加上 mysiteProvider

改完重启 DSH（Host 侧模块要重新加载）。

provider 契约速查

字段	必填	说明
`id`	✓	唯一 id，工具参数里用它
`search(input, ctx)`	✓	返回 `{ items, total?, warnings? }`，`items` 必须是 `makePaper()` 的记录
`label`		展示名，缺省用 id
`aliases`		别名数组，模型可用自然说法调用
`transport`		`'http'`（默认）或 `'browser'`
`loginUrl`		browser 源的落地/登录页
`note`		展示给用户的说明（如"需要机构订阅"）

makePaper(source, raw) 会把拿不到的字段填成空串/null——绝不编造。单个源抛错不会中断整次检索，错误会作为 perSource[].error 返回给模型。

方式 C：运行时（别的插件注册）

import { registerProvider } from 'dsh-papersearch';

export function apply(ctx) {
  ctx.effect(() => registerProvider({
    id: 'pubmed',
    label: 'PubMed',
    async search({ query, limit }) { /* ... */ return { items: [] }; },
  }), 'my-plugin: pubmed source');
}

六、源清单

id	名称	传输	说明
`cnki`	中国知网	http	免登录，走 `search.cnki.com.cn` 检索入口；中文文献主力
`arxiv`	arXiv	http	免登录，预印本（英文学科）
`crossref`	Crossref	http	免登录，DOI 元数据 + 被引数
`wos`	Web of Science	browser	需登录 / 机构订阅；被引数据较全

默认源由 config.defaultSources 决定；单个源可以在 paper_search 的 sources 里指定。

各源的实测能力与边界

知网（cnki） —— 走 search.cnki.com.cn/search/listresult（旧版"知网空间"入口）：

免登录、免 cookie、免 referer，20 条/页，可直接翻页
服务端支持按年过滤（Year=YYYY：实测总数从 53104 降到 7549 且结果全为该年），所以 year_from/year_to 是逐年查询，不是抓一堆再本地筛
排序：Order=1 相关度 / 2 发表时间 / 3 被引（实测 Order=3 首条是被引 10360 的综述）
拿得到：标题、作者、刊名、年、期、被引、下载、关键词、摘要片段、文章编号（data-fn）
拿不到：DOI、卷号、页码（列表页与详情页都没有）——这些字段一律留空，不编造
现代入口 kns.cnki.net/kns8s/ 对非浏览器请求直接 403 + 滑块验证码，故未采用

WoS（wos） —— 走新版 SPA 的 POST /api/wosnx/core/runQuerySearch：

强制要求请求头 x-1p-wos-sid；SID 在 localStorage["wos_sid"]（值是带引号的 JSON 字符串），地址栏 ?SID= 里也有一份
匿名请求即使 body 完全正确也返回 [{key:"error",payload:["Server.sessionNotFound"]}]， 且 HTTP 状态码仍是 200——插件按 JSON 分片判错，不会把失败当成功
访客也能检索：未登录时首次调用会返回 Server.passiveVerificationRequired，插件随后在页面里代你真实搜一次（填 Topic + 点 Search），会话即通过验证，然后重试接口
站点会把 www.webofscience.com 重定向到区域域名（如 webofscience.clarivate.cn），所以插件按 host 含 webofscience 判断，不写死 origin
检索字段为 TS（主题词），英文关键词效果最好
records 分片的 payload 是以序号为键的对象（{"1":{…}}），不是数组
字段路径已用活体响应核对：titles.item.en[0].title / titles.source.en[0].title / names.author.en[].wos_standard（没有 display_name，且可能含 null）/ pub_info.{pubyear,vol,issue,page_no} / identifiers[type=doi].value / doi / citation_related.counts.WOSCC / id.value（即 UT）/ abstract.basic.en.abstract（HTML，已去标签）

七、已知限制

WoS 不需要付费也能搜，但结果集与机构订阅有关；插件不绕过付费墙，也不破解验证码。
知网走的是免费检索入口，没有 DOI / 卷 / 页码；需要这些字段请从返回的详情页链接打开。
知网结果以期刊为主，学位论文/会议覆盖取决于该入口的收录。
WoS 首次检索可能触发一次被动验证（面板会自动在内嵌页面里代跑一次检索）；若自动触发失败，点「展开」在内嵌窗口里手动搜一次即可。
WoS 的检索由侧栏面板执行：面板没打开或没准备时，paper_search 会提示先在侧栏就绪；它不会启动外部浏览器，也不会在桌面上弹窗。
反爬策略变化可能导致某个源失效——此时该源报错、其它源照常返回，不影响整体检索。
相对路径导出以会话工作目录为基准；取不到会话目录时请直接传绝对路径。

八、验证记录（本机实测）

项目	结果
`paper_search` 跨源（cnki + crossref）	10 条，去重正常，CSV 导出 4295 字节
`paper_search` 跨源（arxiv + crossref）	10 条，标题/作者/DOI/被引齐全
知网年份过滤 2020–2022 / 2023–2024 / 2015–2018	各 3 条，年份全部落在区间内
知网被引排序	首条《企业数字化转型与资本市场表现》被引 13677
`paper_sources`	4 个源 + 浏览器状态正确回报
CSV / JSON / BibTeX 导出	三种格式均生成且编码正确（CSV 带 BOM，Excel 可直开）
WoS 侧栏实检索 `graphrag`	5 条，标题/作者/刊名/年卷期页/DOI/被引齐全，未启动任何外部浏览器
WoS 与 Crossref 混检	WoS 4 条 + Crossref 4 条，合并去重正常
WoS 年份过滤 2025	3 条，年份全部落在区间内
WoS 被引排序	`times-cited-descending`：被引 94 → 84 → 61
WoS 时间排序	`date-descending`：2027 → 2027 → 2027（最新在前）
面板内发起检索	`wos` 走 `precomputed`（`ms≈0`），不再触发 Host 的 CDP 通道
内嵌页被动验证	等 SPA 渲染出搜索框后页面内真搜一次；找不到搜索框时自动导到 `/wos/woscc/basic-search`
相对路径导出	基准为会话工作目录（此前会落到 Host 进程 cwd，已修）

九、目录结构

dsh-papersearch/
├─ index.js                 # Host 半：注册工具 + 系统提示 + 源
├─ cordis.patch.yml         # bundle patch（含默认配置与自定义源示例）
├─ lib/
│  ├─ registry.js           # 源注册表（扩展点）
│  ├─ paper.js              # 归一化 Paper 模型、去重、排序
│  ├─ http.js               # 纯 HTTP 传输（超时/重试/UA/XML 取值）
│  ├─ browser.js            # CDP 浏览器引擎（旧通道，默认不用）
│  ├─ wos-bridge.js         # Host ↔ 侧栏面板的 WoS 请求队列
│  ├─ tools.js              # paper_search / paper_sources / paper_browser
│  ├─ format.js             # 结果渲染
│  ├─ export.js             # CSV / JSON / BibTeX 导出
│  ├─ prompt.js             # 系统提示片段
│  └─ providers/
│     ├─ index.js           # 内置源清单（加网站改这里）
│     ├─ wos.js
│     ├─ cnki.js
│     ├─ arxiv.js
│     ├─ crossref.js
│     └─ jsonapi.js         # 配置式 JSON API 适配器
├─ scripts/start-browser.cmd
├─ test/                    # 离线测试（不依赖 DSH）
├─ locale/                  # 中英文展示名
└─ icon.svg

十、测试

node test/smoke.mjs "retrieval augmented generation"   # 免登录源 + 渲染 + 三种导出
node test/all-sources.mjs "人工智能"                    # 四源联测（wos 走面板未连接报错路径）
node test/wos-bridge.mjs                               # WoS 面板桥队列语义（离线）
node test/wos-panel-flow.mjs                           # Host 侧面板链路 + 归一化（离线）
node test/routes-wos.mjs                               # 面板 HTTP 接口 + 长轮询 + 防死锁（离线）
node test/browser-offline.mjs                          # 浏览器引擎离线行为（用 9223 端口，不会拉起 Chrome）

十一、许可

dsh-papersearch · 学术检索

GitHub：https://github.com/waizzie/dsh_papersearch

一个工具跨多个源检索，自动跨源去重（同 DOI / 同标题合并）
结果是统一的 Paper 记录：标题 / 作者 / 来源出版物 / 年份 / 卷 / 期 / 页 / DOI / 被引 / 摘要 / 链接
三种扩展方式：改配置加 JSON API 源、加一个 provider 文件、或从别的插件运行时注册
零第三方依赖（Node ≥ 22 自带 fetch 与 WebSocket）

一、WoS 为什么走侧栏内嵌窗口

实测结论（本机，2026-10）：

站点	裸 HTTP 直接请求	采用的方案
`www.webofscience.com`	SPA 外壳 200，但检索引擎强制要 OnePass 会话 SID	侧栏面板的内嵌 `<webview>` + 页面内同源请求
`kns.cnki.net`	302/403 到 `/verify/home?captchaType=blockPuzzle`（滑块）	放弃，改用下面的免费入口
`search.cnki.com.cn`	200，真实结果 HTML，零 cookie 零 referer	纯 HTTP（免登录）
`export.arxiv.org`	200，Atom XML	纯 HTTP
`api.crossref.org`	200，JSON	纯 HTTP

Host 与面板之间的交接是一个请求队列（lib/wos-bridge.js）：

paper_search(wos) ──enqueue──▶ Host 队列 ──长轮询──▶ 侧栏面板
                                                    │ 在 <webview> 里同源 fetch
        Host 解释成 Paper ◀──回填原始分片────────────┘

面板没打开或没准备好时，paper_search 会立刻返回可读原因（不会回退到外部浏览器）。知网、arXiv、Crossref 走纯 HTTP，装完即用、无需任何登录。

旧的外部 Chrome 方案（9222 调试端口 + CDP）仍然保留，但默认关闭：只有把配置改成 wosTransport: cdp 才会用到它。

二、安装

方式 A：在 DSH 桌面端安装（推荐）

打开 DSH 桌面端的插件管理页，选择本目录安装。

DSH NEXT 的 desktop profile 由应用独占管理，请不要在应用外直接对它执行 dsh plugin；其它 profile（如 web、tui）可以用下面的命令行方式。

方式 B：命令行安装

git clone https://github.com/waizzie/dsh_papersearch.git
dsh plugin --profile <你的 profile> add "<克隆目录的绝对路径>"

三、首次使用：在侧栏准备 WoS 内嵌窗口

知网、arXiv、Crossref 不需要这一步——装完就能直接检索。

打开右侧栏的**「文献检索」**面板；
WoS 那一行的**「准备」**会申请一个内嵌浏览器会话并加载 WoS（不点也行：第一次 WoS 检索会自动准备）；
等状态变成 「WoS 内嵌已就绪（检索走侧栏）」（首次通常 30~40 秒，站点重定向链较长）；
需要机构订阅结果时，点「展开」在内嵌窗口里登录一次（会话记在独立分区里，通常只需做一次）；
之后在面板里检索，或让模型调用 paper_search，WoS 都会走这个内嵌窗口。

检查状态：

paper_sources

它会显示「WoS 通道：侧栏面板已连接」或「未连接」。面板没连上时， paper_search 会提示你打开面板并点「准备」，不会启动任何外部浏览器窗口。

访客也能检索：内嵌 WoS 首次调用接口若要求被动验证，面板会等 SPA 渲染出搜索框、在页面里真搜一次再重试；若站点弹出人机验证（reCAPTCHA），会提示你去内嵌窗口里完成一次。

WoS 以英文题录为主：中文检索词通常 0 结果，检索 WoS 时用英文关键词（知网用中文）。

四、模型工具

工具	作用
`paper_search`	跨源检索。参数：`query`（必填）、`sources`、`limit`、`year_from`、`year_to`、`sort`（relevance/date/cited）、`with_abstract`、`dedupe`、`export_path`
`paper_sources`	列出所有源、默认源、WoS 面板通道与浏览器状态
`paper_browser`	默认只有 `status`；`launch` / `open` 需要配置 `allowExternalBrowser: true`（默认关闭）

导出：给 paper_search 传 export_path: "results.csv"（也支持 .json / .bib），相对路径基于 DSH 进程工作目录，返回绝对路径。

五、如何新增一个网站

方式 A：配置式（不写代码，适合 JSON API）

在 cordis.patch.yml 的 config.sources 里加一条：

- id: dsh-papersearch
  name: 'dsh-papersearch'
  config:
    sources:
      - id: semantic-scholar
        label: Semantic Scholar
        transport: http
        url: 'https://api.semanticscholar.org/graph/v1/paper/search?query={query}&limit={limit}&fields=title,year,venue,authors,externalIds,citationCount,abstract'
        map:
          items: 'data'
          title: 'title'
          authors: 'authors[].name'
          container: 'venue'
          year: 'year'
          citedBy: 'citationCount'
          doi: 'externalIds.DOI'
          abstract: 'abstract'
          url: ''          # 没有就留空，不会编造

方式 B：代码式（需要站点特殊逻辑，如页面内请求）

在 lib/providers/ 新建一个文件，导出一个 provider 对象：

import { makePaper } from '../paper.js';

export const mysiteProvider = {
  id: 'mysite',
  label: 'My Site',
  aliases: ['mysite.com'],          // 模型可以用别名调用
  transport: 'browser',             // 'http' 或 'browser'
  loginUrl: 'https://mysite.com/',  // paper_browser 打开这个页面
  note: '需要机构订阅',

  // input: { query, limit, yearFrom, yearTo, sort }
  // ctx:   { browser, log, signal, timeoutMs, config }
  async search({ query, limit }, ctx) {
    const page = await ctx.browser.page('https://mysite.com/search');
    // 关键：在页面上下文里发请求，自动带上该站会话
    const res = await page.inPageFetch(
      `https://mysite.com/api/search?q=${encodeURIComponent(query)}&rows=${limit}`,
      { headers: { accept: 'application/json' } },
    );
    const data = JSON.parse(res.text);
    return {
      items: data.hits.map((hit) => makePaper('mysite', {
        title: hit.title,
        authors: hit.authors,
        container: hit.journal,
        year: hit.year,
        doi: hit.doi,
        url: hit.link,
      })),
    };
  },
};

然后在 lib/providers/index.js 里加一行：

import { mysiteProvider } from './mysite.js';
// buildProviders() 的数组里加上 mysiteProvider

改完重启 DSH（Host 侧模块要重新加载）。

provider 契约速查

字段	必填	说明
`id`	✓	唯一 id，工具参数里用它
`search(input, ctx)`	✓	返回 `{ items, total?, warnings? }`，`items` 必须是 `makePaper()` 的记录
`label`		展示名，缺省用 id
`aliases`		别名数组，模型可用自然说法调用
`transport`		`'http'`（默认）或 `'browser'`
`loginUrl`		browser 源的落地/登录页
`note`		展示给用户的说明（如"需要机构订阅"）

makePaper(source, raw) 会把拿不到的字段填成空串/null——绝不编造。单个源抛错不会中断整次检索，错误会作为 perSource[].error 返回给模型。

方式 C：运行时（别的插件注册）

import { registerProvider } from 'dsh-papersearch';

export function apply(ctx) {
  ctx.effect(() => registerProvider({
    id: 'pubmed',
    label: 'PubMed',
    async search({ query, limit }) { /* ... */ return { items: [] }; },
  }), 'my-plugin: pubmed source');
}

六、源清单

id	名称	传输	说明
`cnki`	中国知网	http	免登录，走 `search.cnki.com.cn` 检索入口；中文文献主力
`arxiv`	arXiv	http	免登录，预印本（英文学科）
`crossref`	Crossref	http	免登录，DOI 元数据 + 被引数
`wos`	Web of Science	browser	需登录 / 机构订阅；被引数据较全

默认源由 config.defaultSources 决定；单个源可以在 paper_search 的 sources 里指定。

各源的实测能力与边界

知网（cnki） —— 走 search.cnki.com.cn/search/listresult（旧版"知网空间"入口）：

免登录、免 cookie、免 referer，20 条/页，可直接翻页
服务端支持按年过滤（Year=YYYY：实测总数从 53104 降到 7549 且结果全为该年），所以 year_from/year_to 是逐年查询，不是抓一堆再本地筛
排序：Order=1 相关度 / 2 发表时间 / 3 被引（实测 Order=3 首条是被引 10360 的综述）
拿得到：标题、作者、刊名、年、期、被引、下载、关键词、摘要片段、文章编号（data-fn）
拿不到：DOI、卷号、页码（列表页与详情页都没有）——这些字段一律留空，不编造
现代入口 kns.cnki.net/kns8s/ 对非浏览器请求直接 403 + 滑块验证码，故未采用

WoS（wos） —— 走新版 SPA 的 POST /api/wosnx/core/runQuerySearch：

强制要求请求头 x-1p-wos-sid；SID 在 localStorage["wos_sid"]（值是带引号的 JSON 字符串），地址栏 ?SID= 里也有一份
匿名请求即使 body 完全正确也返回 [{key:"error",payload:["Server.sessionNotFound"]}]， 且 HTTP 状态码仍是 200——插件按 JSON 分片判错，不会把失败当成功
访客也能检索：未登录时首次调用会返回 Server.passiveVerificationRequired，插件随后在页面里代你真实搜一次（填 Topic + 点 Search），会话即通过验证，然后重试接口
站点会把 www.webofscience.com 重定向到区域域名（如 webofscience.clarivate.cn），所以插件按 host 含 webofscience 判断，不写死 origin
检索字段为 TS（主题词），英文关键词效果最好
records 分片的 payload 是以序号为键的对象（{"1":{…}}），不是数组
字段路径已用活体响应核对：titles.item.en[0].title / titles.source.en[0].title / names.author.en[].wos_standard（没有 display_name，且可能含 null）/ pub_info.{pubyear,vol,issue,page_no} / identifiers[type=doi].value / doi / citation_related.counts.WOSCC / id.value（即 UT）/ abstract.basic.en.abstract（HTML，已去标签）

七、已知限制

WoS 不需要付费也能搜，但结果集与机构订阅有关；插件不绕过付费墙，也不破解验证码。
知网走的是免费检索入口，没有 DOI / 卷 / 页码；需要这些字段请从返回的详情页链接打开。
知网结果以期刊为主，学位论文/会议覆盖取决于该入口的收录。
WoS 首次检索可能触发一次被动验证（面板会自动在内嵌页面里代跑一次检索）；若自动触发失败，点「展开」在内嵌窗口里手动搜一次即可。
WoS 的检索由侧栏面板执行：面板没打开或没准备时，paper_search 会提示先在侧栏就绪；它不会启动外部浏览器，也不会在桌面上弹窗。
反爬策略变化可能导致某个源失效——此时该源报错、其它源照常返回，不影响整体检索。
相对路径导出以会话工作目录为基准；取不到会话目录时请直接传绝对路径。

八、验证记录（本机实测）

项目	结果
`paper_search` 跨源（cnki + crossref）	10 条，去重正常，CSV 导出 4295 字节
`paper_search` 跨源（arxiv + crossref）	10 条，标题/作者/DOI/被引齐全
知网年份过滤 2020–2022 / 2023–2024 / 2015–2018	各 3 条，年份全部落在区间内
知网被引排序	首条《企业数字化转型与资本市场表现》被引 13677
`paper_sources`	4 个源 + 浏览器状态正确回报
CSV / JSON / BibTeX 导出	三种格式均生成且编码正确（CSV 带 BOM，Excel 可直开）
WoS 侧栏实检索 `graphrag`	5 条，标题/作者/刊名/年卷期页/DOI/被引齐全，未启动任何外部浏览器
WoS 与 Crossref 混检	WoS 4 条 + Crossref 4 条，合并去重正常
WoS 年份过滤 2025	3 条，年份全部落在区间内
WoS 被引排序	`times-cited-descending`：被引 94 → 84 → 61
WoS 时间排序	`date-descending`：2027 → 2027 → 2027（最新在前）
面板内发起检索	`wos` 走 `precomputed`（`ms≈0`），不再触发 Host 的 CDP 通道
内嵌页被动验证	等 SPA 渲染出搜索框后页面内真搜一次；找不到搜索框时自动导到 `/wos/woscc/basic-search`
相对路径导出	基准为会话工作目录（此前会落到 Host 进程 cwd，已修）

九、目录结构

dsh-papersearch/
├─ index.js                 # Host 半：注册工具 + 系统提示 + 源
├─ cordis.patch.yml         # bundle patch（含默认配置与自定义源示例）
├─ lib/
│  ├─ registry.js           # 源注册表（扩展点）
│  ├─ paper.js              # 归一化 Paper 模型、去重、排序
│  ├─ http.js               # 纯 HTTP 传输（超时/重试/UA/XML 取值）
│  ├─ browser.js            # CDP 浏览器引擎（旧通道，默认不用）
│  ├─ wos-bridge.js         # Host ↔ 侧栏面板的 WoS 请求队列
│  ├─ tools.js              # paper_search / paper_sources / paper_browser
│  ├─ format.js             # 结果渲染
│  ├─ export.js             # CSV / JSON / BibTeX 导出
│  ├─ prompt.js             # 系统提示片段
│  └─ providers/
│     ├─ index.js           # 内置源清单（加网站改这里）
│     ├─ wos.js
│     ├─ cnki.js
│     ├─ arxiv.js
│     ├─ crossref.js
│     └─ jsonapi.js         # 配置式 JSON API 适配器
├─ scripts/start-browser.cmd
├─ test/                    # 离线测试（不依赖 DSH）
├─ locale/                  # 中英文展示名
└─ icon.svg

十、测试

node test/smoke.mjs "retrieval augmented generation"   # 免登录源 + 渲染 + 三种导出
node test/all-sources.mjs "人工智能"                    # 四源联测（wos 走面板未连接报错路径）
node test/wos-bridge.mjs                               # WoS 面板桥队列语义（离线）
node test/wos-panel-flow.mjs                           # Host 侧面板链路 + 归一化（离线）
node test/routes-wos.mjs                               # 面板 HTTP 接口 + 长轮询 + 防死锁（离线）
node test/browser-offline.mjs                          # 浏览器引擎离线行为（用 9223 端口，不会拉起 Chrome）

waizzie/dsh_papersearch

dsh-papersearch · 学术检索

一、WoS 为什么走侧栏内嵌窗口

二、安装

方式 A：在 DSH 桌面端安装（推荐）

方式 B：命令行安装

三、首次使用：在侧栏准备 WoS 内嵌窗口

四、模型工具

五、如何新增一个网站

方式 A：配置式（不写代码，适合 JSON API）

方式 B：代码式（需要站点特殊逻辑，如页面内请求）

方式 C：运行时（别的插件注册）

六、源清单

各源的实测能力与边界

七、已知限制

八、验证记录（本机实测）

九、目录结构

十、测试

十一、许可

Community comments

waizzie/dsh_papersearch

dsh-papersearch · 学术检索

一、WoS 为什么走侧栏内嵌窗口

二、安装

方式 A：在 DSH 桌面端安装（推荐）

方式 B：命令行安装

三、首次使用：在侧栏准备 WoS 内嵌窗口

四、模型工具

五、如何新增一个网站

方式 A：配置式（不写代码，适合 JSON API）

方式 B：代码式（需要站点特殊逻辑，如页面内请求）

方式 C：运行时（别的插件注册）

六、源清单

各源的实测能力与边界

七、已知限制

八、验证记录（本机实测）

九、目录结构

十、测试

十一、许可

Community comments