biolit

biolit

mcp-name: io.github.rachadele/biolit

借助 LLM 进行生物医学文献筛选和结构化提取。支持接收 PubMed 提醒邮件，以及任意组合的 PMID、DOI 和 GEO accession 混合列表。从 PMC、Europe PMC、bioRxiv/medRxiv、Unpaywall 和 Semantic Scholar 获取全文。支持多个 LLM 提供商，并将所有功能作为 MCP 服务提供。

设置

要求： Python 3.8+

从 PyPI 安装：

pip install biolit

或者从源代码安装以进行开发：

pip install -e .

将 .env.example 复制为 .env，并添加你的 API 密钥：

cp .env.example .env
# edit .env and set ANTHROPIC_API_KEY (or OPENAI_API_KEY)

在 macOS 上，你可以将密钥存储在系统钥匙串中，而不是 .env。biolit 仅按服务名称查询钥匙串（无需账户）：

security add-generic-password -s ANTHROPIC_API_KEY -w
# or for OpenAI:
security add-generic-password -s OPENAI_API_KEY -w

省略 -w <value>，即可在不回显内容的情况下输入密钥。程序会先检查钥匙串；只有在找不到时才会使用环境变量（因此，.env 中过期的值不会覆盖可用的钥匙串条目）。

使用方法

该工具接受 PubMed 提醒邮件（.eml）、纯文本标识符文件，以及通过 --ids 传入的内联标识符。标识符可以是 PMID、DOI 或 GEO accession；单次运行支持混合列表。

输入	传入方式	示例
PubMed 提醒邮件	位置参数 .eml 文件	alert.eml
BibTeX 文件	位置参数 .bib 文件	refs.bib
标识符文件（混合）	位置参数纯文本文件，每行一个	identifiers.txt
内联标识符	--ids 标志，以逗号分隔	--ids 41795042,GSE53987,10.1101/2025.03.17.25324098

使用 --default，即可采用精神分裂症基因组学默认设置运行（无需提示）：

biolit docs/alert.eml --default
biolit docs/pmids.txt --default
biolit docs/geo_accessions.txt --default
biolit --ids 41795042,41792186,GSE53987 --default
biolit --ids 10.1101/2025.03.17.25324098 --default

或者通过标志指定筛选标准和字段：

biolit identifiers.txt \
  --criterion "Is this about treatment-resistant schizophrenia?" \
  --fields "methodology, sample_size, treatment, outcomes"

添加 --markdown（或 --md），即可在 CSV 旁边一并生成文字版 .md 摘要。每条记录都有一个 Markdown 章节，其中包含 ### field 子章节；处理失败或被跳过的记录则以占位条目显示：

biolit refs.bib --config my_config.json --markdown
biolit refs.bib --config my_config.json --markdown --markdown-max-tokens 2048

添加 --batch，即可通过提供商的 Message Batches / Batch API 批量执行筛选、提取和 Markdown 渲染，而不是逐条调用。每次请求的成本可降低约 50%，但每个批次都需要等待完成（每个阶段通常需要几分钟，最长可达 6 小时），因此适用于每周批量处理提醒，而非偶尔查询。仅支持 Anthropic 和 OpenAI；使用 Ollama 或带有自定义 base_url 的 OpenAI 兼容端点时，会回退到顺序调用。配置文件中也可以设置 "batch": true。

biolit docs/alert.eml --default --batch
biolit docs/alert.eml --default --batch --markdown   # batches markdown too

或者使用 JSON 配置文件保存可重复使用的参数（CLI 标志优先）。配置中可以包含 ids 或 input_file（指向 .eml、.bib 或标识符列表的路径），以及用于启用 Markdown 输出的 "markdown": true：

biolit alert.eml --config my_config.json
biolit refs.bib --config my_config.json   # DOIs extracted from .bib automatically
biolit --config my_config.json            # ids or input_file supplied by config

配置文件中的 fields 键可以是逗号分隔的字符串，也可以是将字段名称映射到提取说明的 JSON 对象。使用字符串时，提取前会额外调用一次 LLM，将字段名称转换为说明。使用字典时则会跳过这次调用，直接将说明传递给模型：

{
  "fields": {
    "tf_name": "HGNC symbol of the transcription factor perturbed in this experiment",
    "organism": "scientific name of the organism used",
    "platform": "GPL accession of the microarray platform"
  }
}

省略 --criterion 可跳过筛选（提取所有记录）。省略 --fields 则使用默认字段（methodology, sample_type, causal_claims, summary）：

# fetch + extract with defaults (no screening)
biolit alert.eml

# fetch + screen only, then extract with defaults
biolit alert.eml --criterion "Is this about treatment-resistant schizophrenia?"

单条记录筛选

使用 biolit screen 可快速检查一篇论文或 GEO 记录是否相关，无需运行完整的提取流程：

biolit screen --pmid 41627908 --default
biolit screen --accession GSE53987 --default
biolit screen --doi 10.64898/2026.02.16.706214 --default
biolit screen --pmid 41627908 --criterion "Is this about treatment-resistant schizophrenia?"

输出为 stdout 中的一行：

RELEVANT [abstract] — Paper uses GWAS to investigate schizophrenia risk loci.

混合标识符列表

PMID、DOI 和 GEO accession 可在文件或通过 --ids 任意混合。系统会根据格式自动识别每个标识符：

• 41795042 → PMID（纯数字）
• 10.1101/2025.03.17.25324098 → DOI（以 10. 开头）
• GSE53987 → GEO accession（以 GSE、GDS、GSM 或 GPL 开头）

biolit --ids 41795042,GSE53987,10.1101/2025.03.17.25324098 --default

GEO 记录还包含 linked_pmids 列。所有记录类型都包含 pmid、doi 和 geo_accession 列（不适用时为 null）。

全文检索

系统会自动检索每个 PMID 和 DOI（包括预印本）的全文。对于 GEO 记录，流水线会按顺序尝试通过每个关联的 PMID 检索全文；如果没有关联论文可获取全文，则回退到 GEO 记录元数据。流水线会按以下顺序尝试各个来源：

1. PMC JATS XML（开放获取）
2. Europe PMC JATS XML（开放获取覆盖范围更广）
3. 预印本 XML（bioRxiv / medRxiv）
4. Unpaywall PDF（需要 --unpaywall-email）
5. Semantic Scholar 开放获取 PDF
6. OpenAlex green-OA PDF（Unpaywall / S2 未收录的作者稿件；无需密钥）
7. Europe PMC 开放获取全文 PDF（开放获取子集）
8. CORE 汇总的 green-OA PDF（选择启用；需要 CORE_API_KEY）
9. 出版商落地页抓取（citation_pdf_url 元标签；无需密钥）
10. 自定义解析器（机构 OpenURL / 图书馆代理；通过 BIOLIT_CUSTOM_RESOLVERS 选择启用）
11. 出版商落地页 HTML 全文（citation_fulltext_html_url 元标签；无需密钥）
12. 摘要回退

第 6–9 步仅检索开放获取内容（green-OA 作者稿件、机构知识库副本，以及出版商自行标注的开放获取 PDF 链接）——绝不绕过付费墙。OpenAlex、Europe PMC 和落地页抓取无需密钥；除非设置了 CORE_API_KEY，否则 CORE 不会执行任何操作。落地页抓取（第 9 步）会根据 DOI 跳转到文章页面，并读取出版商自行嵌入的 citation_pdf_url 链接（Highwire / Google-Scholar 标准）——借此找到聚合 API 错误标记或未收录的开放获取 PDF。此步骤会跳过 bioRxiv / medRxiv（它们的服务器会拦截 Agent；上面的预印本步骤已覆盖它们）。第 10 步是接入你自己获准使用的访问方式的接口——参见自定义全文获取器。第 11 步是第 9 步对应的 HTML 版本：如果完全没有可下载的 PDF，它会从出版商的 HTML 全文页面中提取文章正文（即 PLOS / eLife / BMC / Frontiers 和许多学会期刊设置的 citation_fulltext_html_url Highwire 信号），从而获取 PDF 检索链路始终无法触及的开放获取论文中的方法部分。如果连这一步也未能找到全文，摘要回退会在每条记录的产物中记录 paper_status 分类（bot_blocked / js_shell / abstract），以便调用方了解未能获取全文的原因。

如需启用 Unpaywall（第 4 步），请传入你的电子邮件：

biolit alert.eml --default --unpaywall-email [email protected]

限制发送给大模型的章节：

biolit alert.eml --default --sections methods,results

大模型提供方

此工具支持 Anthropic（默认）、OpenAI 和本地 Ollama 模型：

# OpenAI
biolit pmids.txt --default --provider openai --model gpt-4o

# Ollama (local)
biolit pmids.txt --default --provider ollama --model llama3

你也可以将 LLM_PROVIDER 和 LLM_MODEL 设置为环境变量。

输出

每次运行都会创建一个带时间戳的目录（例如 run_20260313_142000/），其中包含：

• results.csv — 每条相关记录占一行
• results.md — Markdown 文本摘要（使用 --markdown 或在配置中设置 "markdown": true 时生成）
• artifacts/<id>/ — 每条记录对应的文件夹，包含发送给 LLM 的文本、元数据以及检索到的全文文件

在任一流水线阶段失败的记录（获取错误、未找到、无内容、筛选或提取错误）不会纳入 CSV，但会以带有失败说明的占位条目出现在 Markdown 中。

使用默认字段时，CSV 列如下：

列	描述
title	论文标题
authors	作者列表（逗号分隔；从 PubMed XML、bioRxiv/medRxiv API 或 GEO 贡献者信息中解析）
url	PubMed、GEO 或 DOI 链接
pmid	PubMed ID（未编入索引的预印本为 null）
doi	DOI（GEO 记录为 null）
geo_accession	GEO 登录号（非 GEO 记录为 null）
text_source	文本来源（abstract、pmc_fulltext、europepmc_fulltext、preprint_fulltext、unpaywall_pdf、s2_pdf、openalex_pdf、europepmc_oa_pdf、core_pdf、landing_page_pdf、custom_resolver_pdf、landing_page_html、geo_linked_fulltext、geo_linked_abstract、geo_record）
citation_count	Semantic Scholar 的引用次数（未找到时为 null）
methodology	一般方法（例如 GWAS、scRNA-seq、蛋白质组学）
sample_type	组织/样本类型及来源
causal_claims	根据数据推断出的关于精神分裂症病因的陈述
summary	用于初筛的 2-3 句通俗摘要

GEO 记录还会包含 linked_pmids 列，列出所有关联的 PubMed ID。

可将 CSV 直接导入 Google Sheets（文件 → 导入）。

MCP 服务

biolit 提供 MCP 服务，可将流水线作为工具开放给任何兼容 MCP 的客户端（Claude Desktop、Claude CLI、OpenAI Agents SDK 等）。

启动服务：

biolit-mcp
# or pick a provider/model explicitly (overrides LLM_PROVIDER / LLM_MODEL env vars):
biolit-mcp --provider openai --model gpt-4o-mini

或者使用 MCP inspector 进行交互式测试：

mcp dev biolit/mcp_server.py

配置 Claude Desktop

将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "biolit": {
      "command": "biolit-mcp",
      "args": ["--provider", "openai"]
    }
  }
}

重启 Claude Desktop。工具将显示在工具选择器中。移除 args 即可使用默认的 Anthropic 提供方（或改为设置 LLM_PROVIDER / LLM_MODEL 环境变量）。

配置 Claude CLI

在项目根目录中添加 .mcp.json：

{
  "mcpServers": {
    "biolit": {
      "command": "biolit-mcp",
      "args": ["--provider", "openai"]
    }
  }
}

可用工具

批处理流程（相当于 biolit CLI）：

工具

描述

run_pipeline

获取、按需筛选并按需提取混合列表中的 PMID、DOI 和/或 GEO 登录号；写入结果 CSV（并可在 markdown=True 时生成 .md 摘要）。接受 ids（逗号分隔）、bib_path（.bib 文件）或 ids_file（纯文本标识符文件）。传入 sections（逗号分隔，例如 "methods,results"），可限制传给 LLM 的全文章节。使用 max_tokens 限制输入文本长度（默认值为 12500），使用 extraction_max_tokens 限制字段提取输出长度（默认值为 4096），使用 markdown_max_tokens 限制 Markdown 渲染长度（默认值为 1024）。任意 token 参数传入 0 即使用默认值。传入 batch=True，即可通过提供方的批处理 API 执行筛选、提取和 Markdown 渲染（费用约低 50%，等待任务完成后才返回）。所有参数均为可选——仅传入 config_path，即可通过 JSON 文件驱动整个运行流程。

底层工具（用于自定义工作流）：

工具	描述
fetch_pubmed_metadata	按 PMID 获取 PubMed 元数据
fetch_geo_record	获取并解析 GEO 记录（按登录号）
fetch_fulltext	获取 PMID 对应的全文（6 步链）
fetch_geo_fulltext	通过关联的 PMID 获取 GEO 登录号对应的全文
fetch_supplementary	通过 Europe PMC 获取论文补充文件（补充方法、表格）并提取其中的文本
screen_paper	根据预先获取的文本，使用 LLM 进行相关性筛选
extract_fields	根据预先获取的文本进行结构化字段提取
resolve_doi	通过 NCBI ID Converter 将 DOI 解析为 PMID + PMCID
lookup_s2_pdf	检查 Semantic Scholar 是否提供该 DOI 对应的开放获取 PDF
read_pmids_from_eml	从 PubMed 提醒 .eml 文件中解析 PMID
get_version	返回已安装的 biolit 软件包版本

用作 Python 库

可直接导入流程函数：

from biolit.pipeline import run, screen_paper, fetch_record
from biolit.llm import get_llm_client

client = get_llm_client("anthropic")

# Batch pipeline — PMIDs, DOIs, and GEO accessions can be mixed freely
# criterion and fields_description are optional; omit either to skip that step
# markdown=True writes results.md alongside the CSV
# Returns (csv_path, record_count)
csv_path, count = run(client, ids=["41627908", "GSE53987", "10.1101/2025.03.17.25324098"],
    criterion="...", fields_description="methodology, summary", output_path="results.csv",
    markdown=True)

# Fetch + write metadata only (no LLM calls)
csv_path, count = run(client, ids=["41627908", "GSE53987"])

# Fetch a single record (auto-detects PMID / DOI / GEO)
paper = fetch_record("10.1101/2025.03.17.25324098")

# Screen pre-fetched text
result = screen_paper(client, paper, "Is this about schizophrenia genomics?", paper["abstract"])
# {"relevant": True, "reason": "..."}

自定义全文获取器

内置链（PMC → Europe PMC → 预印本 → Unpaywall → Semantic Scholar → OpenAlex → Europe PMC OA PDF → CORE → 落地页 PDF 抓取 → 自定义解析器 → 落地页 HTML → 摘要）无法覆盖部分无法开放访问或近期发表的研究。你可以接入其他全文来源 ——Zotero 文献库、本地 PDF 目录、机构全文数据库——而无需分叉 biolit。

落地页抓取和自定义解析器（内置，通过环境变量选择启用）

两个内置链式步骤与 Zotero 的“查找全文”文件解析器相对应，配置方式与 Unpaywall / CORE 相同——通过环境变量，无需修改代码。

落地页抓取（步骤 9）。 始终启用，无需密钥。将 DOI 解析到出版商的文章页面，并读取页面自身公布的 PDF 链接——优先查找 <meta name="citation_pdf_url">（大多数出版商嵌入的 Highwire / Google-Scholar 标准），然后查找 <link rel="alternate" type="application/pdf">、Open Graph / Twitter 卡片中的 PDF 指针，以及明显的 *.pdf 锚点。<meta http-equiv="refresh"> 重定向只跟随一次；每个候选链接都会验证其内容是否以 %PDF 魔数开头。这会沿用出版商自行公布的开放获取（OA）链接，而不是绕过付费墙；还能找到聚合 API 错误标记或从未索引的 OA PDF。跳过 bioRxiv / medRxiv（其服务器会屏蔽 Agent；预印本步骤会处理它们）。来源标签：landing_page_pdf。

# Optional: override the browser User-Agent used for the landing-page
# request (some publishers serve a stub or 403 to non-browser agents).
export BIOLIT_LANDING_USER_AGENT="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36"

落地页 HTML 全文（步骤 11）。 始终启用，无需密钥。步骤 9 的 HTML 对应步骤。当任何位置都未找到可下载的 PDF 时，此步骤会沿 DOI 跳转到文章页面，读取出版商 <meta name="citation_fulltext_html_url"> 中“存在完整 HTML 版本”的信号（PLOS / eLife / BMC / Frontiers 及许多学会期刊都会设置该信号），并提取文章正文文本——剔除导航、脚本、样式和页面边框内容，并优先使用 <article> / <main> 容器。这样可以找回完全没有 PDF 的 OA 论文中的方法部分。对于机器人验证页面（Cloudflare 的“Just a moment”）和由 JavaScript 渲染的空壳页面，会直接拒绝，而不会将其作为“文本”返回。跳过 bioRxiv / medRxiv（预印本步骤会处理它们）。来源标签：landing_page_html。此步骤共用上文的 BIOLIT_LANDING_USER_AGENT 覆盖设置。

当整个链式流程都未找到全文时，摘要回退逻辑会判定未能获取全文的原因（bot_blocked / js_shell / abstract），并将其作为 paper_status 记录在每条记录的产物中，以便下游调用者区分“被机器人验证拦截”“出版商仅提供 JS 空壳页面”和“确实只有摘要”。

# Optional: visible-character floor below which a fetched landing page is
# treated as a JS-rendered shell (no server-rendered article body) rather
# than full text. Default 2000.
export BIOLIT_JS_SHELL_CHAR_THRESHOLD=2000

自定义解析器（步骤 10）。 选择启用。这是接入你自己有权使用的访问方式的接口，通常是你所在机构的 OpenURL 端点或图书馆 EZproxy URL 模式。将 BIOLIT_CUSTOM_RESOLVERS 设置为解析器条目组成的 JSON 数组。每个条目都需要包含带有 {doi} / {url} 占位符的 url_template；系统会使用你配置的请求头获取该 URL，并在确认其为真实 PDF 后返回。如果解析出的 URL 是 OpenURL / 代理落地页而非直接指向 PDF，请设置 "scrape": true，通过上文的落地页抓取器处理其 HTML。未配置时，此步骤不执行任何操作。来源标签： custom_resolver_pdf。

export BIOLIT_CUSTOM_RESOLVERS='[
  {
    "url_template": "https://proxy.lib.example.edu/login?url=https://doi.org/{doi}",
    "headers": {"Cookie": "ezproxy=YOUR_SESSION"},
    "scrape": true
  },
  {
    "url_template": "https://resolver.example.edu/openurl?id=doi:{doi_encoded}&svc=fulltext"
  }
]'

解析器条目结构（仅 url_template 为必填项）：

键	含义
url_template	带有 {doi}、{doi_encoded}（经过 URL 编码）、{url}、{url_encoded} 占位符的 URL。如果模板所需的值不可用，则跳过该条目。
user_agent	可选的单条目 User-Agent 覆盖设置。
headers	可选的额外请求头字典（例如代理会话的 Cookie）。
scrape	可选布尔值——设为 true 且解析出的 URL 返回 HTML 时，通过落地页抓取器从中抓取 PDF 链接。

biolit 从不硬编码、请求或存储凭据。自定义解析器会使用你配置的 URL 模式，通过你自己有权使用的访问方式（代理登录、会话 Cookie 等）进行访问。你有责任确保使用方式符合所在机构和出版商的服务条款。

参考文献获取器（通过环境变量选择启用）

biolit 自带三个获取器；设置相关环境变量后，它们会在导入时自动注册。默认优先级（数值越低越早尝试）为 bibtex=2.0、local_pdf=3.0、zotero=5.0。

BibTeX。 按 DOI、PMID 或 citekey 在 .bib 导出文件中查找论文，从每条记录的 file = {...} 字段读取路径，并直接解析 PDF。最适合使用 Better-BibTeX（或同类工具）自动导出的用户——查找离线进行，在内存中完成且结果精确，无需网络往返，也不依赖 Zotero 搜索索引。此获取器可绕过 Zotero Web API 的 q-search 不会索引结构化 DOI 字段这一限制；对于 DOI 未出现在已索引附件全文中的条目，通过该 API 查找 DOI 并不可靠。支持 BBT 以分号分隔的 file 列表，以及 JabRef 经典的 description:path:type 格式。bib 文件的修改时间发生变化时，会自动重新解析。

export BIOLIT_BIBTEX=~/Zotero/My\ Library.bib
# Optional:
export BIOLIT_BIBTEX_PRIORITY=2.0   # lower = tried earlier (default 2.0)

Zotero。 按 DOI、再按 PMID 搜索用户的 Zotero 文献库，将附件搜索结果追溯到其父条目，找到附加的 PDF，下载后使用 biolit 的 PDF 解析器进行解析。当 Zotero 的 /file API 端点返回 404（链接文件附件，或未同步账户中的导入附件）时，会回退到从本地 Zotero 存储读取 PDF，路径为 $ZOTERO_DATA_DIR/storage/<key>/<filename>（默认数据目录为 ~/Zotero）。注意：Zotero Web API 的 q-search 不会索引结构化 DOI 字段，因此两种获取器都可用时，上述 BibTeX 获取器更可靠。

export ZOTERO_API_KEY=...
export ZOTERO_USER_ID=...           # or ZOTERO_GROUP_ID for a group library
# Optional:
export ZOTERO_PRIORITY=5.0          # lower = tried earlier (default 5.0)
export ZOTERO_DATA_DIR=~/Zotero     # only needed if Zotero is not at ~/Zotero

在 macOS 上，未在环境变量中设置的 ZOTERO_API_KEY、ZOTERO_USER_ID 和 ZOTERO_GROUP_ID 会从 macOS 钥匙串获取（security find-generic-password -s <NAME> -w），解析顺序与大模型 API 密钥相同。这意味着 Claude Code 等不会通过 shell 加载配置文件的主机，无需在 .mcp.json 中设置 env 块，也能获取 Zotero 凭据。

本地 PDF 目录。 通过预先构建的 JSON 索引按 DOI 查找论文。文件名可以任意指定——DOI 会从每个 PDF 的 /Info 元数据字典中提取；如果未能提取，则从首页文本中提取。

构建或更新索引。重复运行的开销很小——默认情况下只会重新提取新增或已更改的 PDF：

python -m biolit.fetchers.local_pdf --dir ~/Papers
python -m biolit.fetchers.local_pdf --dir ~/Papers --rebuild   # force full re-extraction

然后将 biolit 指向同一目录：

export BIOLIT_LOCAL_PDF_DIR=~/Papers
export BIOLIT_LOCAL_PDF_PRIORITY=3.0  # default 3.0

获取器本身不会构建索引，只会查询索引。无法提取 DOI 的 PDF 会列在索引的 unindexed_sample 中，便于查看。

配置后，CSV/markdown 输出中的 text_source 字段会针对这些来源的命中项显示为 bibtex_pdf、zotero_pdf 或 local_pdf。原始字节会持久化到 artifacts/<id>/bibtex_pdf / zotero_pdf / local_pdf，与内置的 PMC/Europe PMC 资源完全相同。

编写自己的获取器

获取器可以是任何可调用对象，接收一个 FetchContext，并返回 FetchResult（找到内容时）或 None（未找到时）。

from biolit.fetchers import FetchContext, FetchResult, register_fetcher

def my_internal_db_fetcher(ctx: FetchContext) -> FetchResult | None:
    pmid = ctx.paper.get("pmid")
    if not pmid:
        return None
    text = my_db.lookup_fulltext(pmid)  # whatever you have
    if not text:
        return None
    return FetchResult(text=text, source="internal_db", artifacts={})

register_fetcher(my_internal_db_fetcher, priority=1.0, name="internal_db")

请在首次调用 run / screen_by_* 之前注册（例如在模块导入时）。已注册的获取器会按优先级在内置获取链之前尝试；第一个返回非空 FetchResult.text 的获取器即为胜出者。获取器内部发生的异常会记录到 stderr，然后继续尝试下一个获取器。

验证

rachadele/biolit-eval 提供了一项对 GEO 筛选和元数据提取工作流的独立评估。该评估使用自助重采样流程，将结果与人工整理的真实数据进行对比，以估算准确率、召回率和 F1；真实数据包含 509 个 GEO 登录号，并标注了转录因子扰动实验。

已知限制

• 没有摘要或无法访问全文的论文会被静默跳过。
• GEO 记录会尝试通过关联的 PMID 获取全文。text_source 将根据可访问的内容设为 geo_linked_fulltext、geo_linked_abstract 或 geo_record。
• Cloudflare 经常会拦截 bioRxiv/medRxiv JATS XML，无论请求使用什么标头。此时，管道会回退到 bioRxiv API 提供的标题和摘要（text_source: preprint_abstract）。
• Semantic Scholar API 每天允许大约 100 次未经身份验证的请求。若要提高限额，请在 .env 中设置 SEMANTIC_SCHOLAR_API_KEY。