知网论文下载

SKILL.md

---
name: cnki-download
description: 从中国知网（CNKI，中南大学图书馆代理入口）检索并批量下载学术文献 PDF。一句话触发："知网下载"、"cnki 下载"、"帮我下几篇知网文献"。负责：用自然语言收集参数（关键词/篇数/筛选/排序）→ 启动 Playwright+Edge pipeline →第一次会手动登录，登录态保留在 `browser_data/`，cookie 几个小时内有效，复用不需要再登录。覆盖检索 + 筛选（来源类别/年度等）+ 排序（相关度/时间/被引/下载/综合）+ 详情页访问 + PDF 下载全流程。
---

# CNKI 知网下载

## 什么时候用

用户说「知网下载」「cnki 下载」「帮我下几篇知网文献」「从知网搜点论文」时直接用本 skill。


## 第 0 步：启动前 agent 自检（用户不用动手脚）

**不要**让用户自己去 `npm install`、装 Node、装 Edge —— 全部由 agent 跑前自检、自行装好。

启动脚本前依次跑下面 4 项检查，全部 ✅ 才进入工作流第 1 步：

1. **Node 可用**：`node --version` 能输出 v18+。如果不通过，提示用户装 Node 后由 agent 重试。
2. **Edge 可用**：检测 `C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe` 或 `C:\Program Files\Microsoft\Edge\Application\msedge.exe` 是否存在。缺失则提示用户装 Microsoft Edge（https://www.microsoft.com/edge）。
3. **Playwright 可用且版本够**：在 `scripts/` 目录下跑 `node -e "import('playwright').then(m=>process.exit(0)).catch(e=>process.exit(1))"`，exit 0 即通过。Node 会沿父目录向上找 `node_modules/`，所以 workspace 根目录已装的 playwright 也能复用。
4. **Playwright 不够/缺失**时：自己跑 `npm install`。**重要**：执行时设环境变量 `PLAYWRIGHT_SKIP_BROWSER_DOWNLOAD=1`（这个 skill 用的是系统 Edge，不需要再下载 playwright 自带的 chromium，能省几百 MB）。
   ```powershell
   cd C:\Users\lfp\.openclaw\workspace\skills\cnki-download\scripts
   $env:PLAYWRIGHT_SKIP_BROWSER_DOWNLOAD = "1"
   npm install
   ```

自检全通过后告诉用户「环境 OK，开始干」，再进入第 1 步反问参数。

> 如果用户第一次说"知网下载"时已经在聊天里走了一段时间了，先做这 4 步自检再问参数 —— 自检可能也要十几秒，提前跑能省一次往返。

---

## 工作流（agent 视角）

### 1. 收到「知网下载」触发 → 先建议 demo 试跑

**不要**一上来就问一堆参数。用一段话先建议 demo 试跑，小白用户可以先看到完整流程怎么走的（demo 关键词是「区块链」，下载 5 篇，筛选北大核心/CSSCI + 2024-2025 年）。

示范话术：

> 「好的，知网下载。在开始之前，要不要先用 **demo 跑一下测试**？
>
> demo 用的是内置默认配置：关键词『区块链』、北大核心 + CSSCI、2024-2025 年、下载 5 篇。
>
> 请选择 ：
> 1、跑demo      2、自定义检索下载  
> 
> - 重要提示： 
- ```
  - 第一次会手动登录，后续几个小时内不需要再登录
  - 我会开启一个新的终端窗口，后续的指令和提示会在新窗口进行输出（主要涉及用户登录）；
  - 登录以后请 **自行链接** 到知网搜索页面，搜索将自动进行
  - 用最醒目的字体颜色提醒用户：  download文件保存的绝对路径
- ```
> 」

- 用户选 1 → 直接 
- 在当前技能目录下启动
- `Start-Process powershell -ArgumentList "-NoExit", "-Command", "node scripts/search_cnki.js"`。
- 用户选 2 → 跳到第 2 步。


### 2. 补全缺失参数

按下面 4 项问清楚：

> 「好，自定义检索。请告诉我：
> 1. **检索关键词**？（必填）
> 2. **下载几篇**？（必填，默认 5）
> 3. 要不要**筛选**？
> 4. 要不要**排序**？
> 明确提示可以指定的筛选与排序字段见 `references/config-schema.md`
>
> 不筛不排的话只回关键词和篇数也行，剩下的我用默认。」

。

### 3. 写一份 config JSON

把用户的回答翻译成 config，写到一个临时文件，比如 `scripts/_user-config-{YYYYMMDD-HHmm}.json`：

```json
{
  "keyword": "<用户说的关键词>",
  "download_count": <用户说的篇数>,
  "sort":   { "field": "<相关度|发表时间|被引|下载|综合>", "order": "<DESC|ASC>" },   // 可选
  "filters": [ { "col": "...", "values": ["..."] } ]                                   // 可选
}
```

只有 `keyword` 和 `download_count` 是必填。

### 4. 启动 pipeline

```js
// 在当前技能目录下启动
`Start-Process powershell -ArgumentList "-NoExit", "-Command", "node scripts/search_cnki.js <config 路径>"` 
```

## exec与process工具调用规定：
通过exec执行node脚本后，会打开一个新的进程和新窗口，把控制权完全交给它，不要一直查看进程状态，直接结束。

## 关键约束

- **不要**自己用 `browser` 工具去探 CNKI（已经有 Playwright 跑着了），避免多开冲突
- **不要**修改 `scripts/` 下的脚本；如发现 bug 写进 `references/troubleshooting.md` 等用户决定
- **不要**让用户自己装 Node / Edge / 跑 `npm install`（agent 全包，见第 0 步）
- **不要**把 `browser_data/` / `download/` / `_login_state.png` 提交进 git（参考 `references/troubleshooting.md` 的 `.gitignore` 写法）

## 相关文件

- `references/config-schema.md` —— config 字段详情、枚举值、3 种调用方式
- `assets/default-config.json` —— 默认 demo（`node scripts/search_cnki.js` 不带参数就用这个的 hard-coded 等价物）