Sources paper

Sources / 学术论文

事实来源：主仓 pr-88 @ a312645 的 registry/sources.py。19 个内置 paper 源。

按"是否需要 Key"分三档；零配置默认就能跑五个免 Key 论文源。

---

1. 全部 19 源（按字母序）

源	接入	鉴权	凭据字段	稳定性	备注
arxiv	open_api	none	—	稳定	arXiv 预印本（STEM）
biorxiv	open_api	none	—	稳定	bioRxiv / medRxiv 预印本
core	official_api	required	core_api_key	稳定	OA 大规模聚合
crossref	open_api	none	—	稳定	DOI 跨库检索
dblp	open_api	none	—	稳定	计算机科学权威书目
doaj	official_api	optional (rate_limit)	doaj_api_key	稳定	OA 期刊目录
europepmc	open_api	none	—	稳定	欧洲生物医学
hal	open_api	none	—	稳定	法国 HAL（Solr API）
huggingface	open_api	none	—	稳定	HF Papers 社区精选
iacr	scraper	none	—	实验性	密码学预印本
ieee_xplore	official_api	required	ieee_api_key	稳定	IEEE 工程文献
openaire	official_api	optional (quota)	openaire_api_key	稳定	欧盟研究基础设施
openalex	open_api	optional (politeness)	openalex_email	稳定	建议默认起点
pmc	open_api	none	—	稳定	PubMed Central 全文
pubmed	open_api	none	—	稳定	PubMed 生物医学
semantic_scholar	official_api	optional (rate_limit)	semantic_scholar_api_key	稳定	含 TLDR 摘要、引文图
unpaywall	official_api	required	unpaywall_email	实验性	仅 DOI → OA，不 listing
zenodo	official_api	optional (quota)	zenodo_access_token	稳定	CERN 开放仓库
zotero	official_api	required	zotero_api_key + zotero_library_id	稳定	个人/团体文献库

---

2. 推荐组合

入门：零配置（5 源默认）

souwen search paper "transformer" -n 5
# 默认调 openalex,arxiv（兼容旧版命令是 openalex+crossref+arxiv+dblp+pubmed）

5 个全免 Key 全开放——大多数 RAG / 文献综述场景已经够用。

提速：加可选 Key

openalex_email: you@example.com         # 进 OpenAlex polite pool
semantic_scholar_api_key: ...           # SS 限流提升 + TLDR 摘要
pubmed_api_key: ...                     # PubMed 3 → 10 req/s

专业库：必须 Key

场景	加哪个
OA 大规模聚合	core_api_key
工程电气文献	ieee_api_key
个人/团体管理	zotero_api_key + zotero_library_id
DOI → OA 链接查找	unpaywall_email

---

3. 调用示例

CLI

souwen search paper "graph neural network" -s openalex,semantic_scholar -n 10
souwen search paper "新冠肺炎" -s pubmed,europepmc -n 10        # 中文也能搜
souwen search paper "diffusion model" -s arxiv -n 5 --json

HTTP API

curl "http://localhost:8000/api/v1/search/paper?q=transformer&sources=openalex,arxiv&per_page=5"

Python

from souwen.facade import search

resp = await search("transformer", domain="paper",
                    sources=["openalex", "semantic_scholar"], limit=5)
for sr in resp:
    for r in sr.results:
        print(f"{r.year} | {r.title} | DOI={r.doi} | TLDR={r.tldr}")

---

4. 反模式

• 只用 arxiv：仅 STEM 预印本，错过社科/医学。
• 跑 core 但没配 Key：auth_requirement="required" 缺 Key 直接被过滤。
• 把 unpaywall 当 search 用：它只回答"这个 DOI 有没有 OA 版本"，不返回结果列表。
• 生产用 iacr：HTML 爬虫，上游变化敏感；密码学场景可暂用，建议补 fallback。

---

5. 接下来

• Data Source Guide#1-论文
• Config API Keys#2.1-学术论文场景
• Source-arxiv · Source-openalex · Source-semantic_scholar