文献全文深度调研 · 补强执行报告（第二轮 · 含手动下载入库）

生成 2026-09-12 ｜宝锐生物营销中心 · 技术情报｜全部数字由脚本实测产出，无一处估计值前置：《文献全文深度调研_补强方案_20260912》+《Hermes 部署 DeepResearch 指导书审校》

一、结论先看（三句话）

家底完成质变：真全文 46 篇（本轮从 37 → 46），仅摘要剩 6 篇；四份草稿 58 个引用里 44 个已能看到全文正文。
手动下载的 13 个文件全部入库：逐篇核对标题，13/13 与预期论文一致（无一份错配）。其中 4 个文件一度读不出——根因是 iCloud 占位符，已修。
剩余缺口 11 个，全部集中在 D2（冻干）与 D4（酶平台），且已在作者索取函 17 封清单内；D1、D3 已 100% 全覆盖。

二、Exa 费用预估（你点名要的）

来源：exa.ai/pricing 与 docs.exa.ai（本轮实抓）。免费档政策以官网当期为准。

计费项	单价	说明
Search	$7 / 1,000 次	单次含最多 10 条结果；超出部分 $1/1,000 条
Deep Search	$12 / 1,000 次	多步检索，接近我们的"深调"用法
Deep Research（reasoning）	$15 / 1,000 次	最重的一档
Contents（抓页面正文）	$1 / 1,000 页	按内容类型分别计费
Answer	$5 / 1,000 次	—
免费档	注册送 $20 + 每月赠 $10	折合每月约 1,400 次 Search

我们的实际用量	折算成本
一次技术方向深调（120–200 次检索）	$0.84–1.40
同上，若 40% 走 Deep Search	约 $2–3
全年 52 次深调	$50–150 / 年
每月 1,000 次以内	$0（免费赠额覆盖）

结论：先不付费。要动的时候只需一个 Exa API key。

三、免费检索通道（已落地，零 API key）

脚本/lit_search_free.py，补上此前唯一真缺口——"只知题目、不知 DOI"的发现能力。

子命令	数据源	特点
`pubmed`	PubMed E-utilities	生物医学最全，带 PMID/PMCID/DOI
`crossref`	Crossref REST	全学科，带被引数
`openalex`	OpenAlex	带开放获取标记与引用量
`all`	三源合并去重	推荐，自动标 `[OA]` 与 `[★新]`（本地未覆盖）

实测：查 trehalose lyophilization protein stabilization glass transition → 召回 22 条／开放获取 12 条／本地未覆盖 21 条。

这 21 条就是上游召回的真实缺口：库里 46 篇集中在若干已知论文，而该领域近两年新文献（含 2025–2026 Molecular Pharmaceutics 多篇）基本没进库。

四、全文获取通道（已落地，六级阶梯 + 闸门）

脚本/lit_fetch.py：Europe PMC XML → Unpaywall PDF → PMC 正文页/idconv → S2/OpenAlex → 落地页找 PDF（机构库绿色 OA）→ 预印本反查（arXiv / Europe PMC PPR），全程由 全文闸门 looks_fulltext() 卡住"摘要冒充全文"。

通道天花板（重要）：JBC / NAR / PNAS 等"免费但只给人看"的期刊，脚本请求 403、无头浏览器也被 Cloudflare 安全验证拦下；PMC 对 1990 年代老记录只给摘要（oa.fcgi 404、efetch 仅 abstract、fullTextXML 404）。这不是没找到，是机器过不去——必须人工点一次。

五、家底（含手动下载入库）

类型	篇数	说明
真全文（`_全文/OA/`）	46	可检索、可验真、可引用
仅摘要（`_全文/_摘要级/`）	6	Nature×3、Springer×2、Cell Systems×1
已替代归档（`_摘要级_已替代/`）	6	拿到全文后替换下来的旧摘要文件

手动下载入库明细（13 个文件 → 13 篇）

#	文献	来源/说明	抽取
1	PNAS 1989 Crowe 膜相变与花粉吸胀损伤	免费清单	20,673 字符 / 4 页
2	PNAS 1992 Walker SDA 等温扩增开山之作	免费清单	34,351 字符 / 5 页
3	PNAS 1994 Stemmer DNA shuffling	免费清单	31,043 字符 / 5 页
4	PNAS 1995 Fire & Xu 滚环复制	免费清单	29,541 字符 / 5 页
5	NAR 1992 SDA（Walker）	免费清单	33,808 字符 / 6 页
6	NAR 1996 Cline Pfu 保真度	免费清单（D4 关键数）	31,821 字符 / 6 页
7	JBC 2003 海藻糖为何优异	免费清单（D2 关键篇）	49,438 字符 / 8 页
8	Genome Research 1992 Cadwell & Joyce	免费清单	34,918 字符 / 7 页
9	Paik 2021 Bst 多模态工程	原在作者索取清单，已到手	74,510 字符 / 25 页
10	PLoS Biol 2006 Piepenburg RPA 原始论文	免费	31,103 字符 / 7 页
11	Frontiers 2021 等温扩增综述	免费	134,759 字符 / 22 页
12	Nature 2018 cfDNA 甲基化肿瘤检测（多伦多大学机构库）	免费	133,412 字符 / 42 页
13	bioRxiv MLDE 组合适应度地形（Wittmann/Arnold）	预印本	74,711 字符 / 15 页

入库守则：每篇先抽文字层 → 打印开头 230 字符人工比对标题 → 过全文闸门 → 才写进 OA/。13/13 标题一致。

四份草稿引用覆盖率（58 个 DOI，逐一对账）

草稿	引用	全文	仅摘要	缺
D1 等温扩增冻干	13	13	0	0
D2 冻干预混 OEM	17	9	1	7
D3 MRD ctDNA 原料	13	13	0	0
D4 酶定向进化平台	15	9	2	4
合计	58	44	3	11

D1、D3 已 100% 全文覆盖。

六、剩余缺口（11 个，全在 D2/D4）

DOI	刊/年	稿别	状态
`10.1002/jps.1039`	J Pharm Sci 2001	D2	已在索取函（P0）
`10.1006/abbi.1999.1175`	Arch Biochem Biophys 1999	D2	已在索取函（P0）
`10.1016/S0378-5173(00)00423-3`	Int J Pharm 2000	D2	已在索取函（P0）
`10.1016/S0939-6411(98)00007-1`	Eur J Pharm Biopharm 1998	D2	已在索取函（P0）
`10.1021/acsabm.1c00131`	ACS Appl Bio Mater 2021	D2	已在索取函（P0）
`10.1021/jz900338m`	J Phys Chem Lett 2009	D2	已在索取函（P0）
`10.1080/10837450701481157`	Pharm Dev Technol 2007	D2	已在索取函（P0）
`10.1039/b902504a`	Lab Chip 2009 FADS	D4	已在索取函（P1）
`10.1126/science.aaf5409`	Science 2016 RTX	D4	已在索取函（P1）
`10.1002/bit.28009`	Biotechnol Bioeng 2022	D4	已在索取函（P1）
`10.2144/97232rr01`	BioTechniques 1997	D4	已在索取函（P1）

唯一待办动作：把 作者索取函_批量_17封_20260912.md 逐封发出（免费、合法、命中率最高），或把公司邮箱交给我批量发。

另：10.1016/j.cels.2021.07.008（Cell Systems 2021）现有 bioRxiv 预印本（第 13 篇），但 Crossref 未标注 published-as 关系，因此不视作该正式版已解决，仍列摘要级，待作者索取确认版本。

七、本轮修掉的两个真 bug（都是实测才暴露）

iCloud 占位符导致文件读取死锁：4 个 PDF stat 显示 blocks=0（数据不在本地），Python 读取抛 OSError: [Errno 11] Resource deadlock avoided，PyMuPDF 报 "Failed to open as type pdf"。brctl download <路径> 物化后即恢复。凡"下载完成但读不出"的 PDF，先查 stat -f 'blocks=%b'。
DOI 清洗会产生重复后缀：把截断的 10.1021/acsabm 补全时，若原文里它本就是 10.1021/acsabm.1c00131 的前缀，会生成 ...1c00131.1c00131（D2 出现 7 处）。清洗规则必须先做词边界断言（(?<![.\w])…(?![.\w])），改完必须复扫一遍。

八、方法论沉淀（已写入技能）

落地页抓取必须过全文闸门：命中 preview of subscription content／段标题 0 且图 0 且参考 0 → 判摘要级，不得计入全文数（曾因此虚报 12 篇）。
预印本反查是独立通道：10.1038/s41592-019-0496-6 期刊侧判封闭，全文只见于预印本。
反爬墙是"免费/收费"之外的第三种状态：报缺口要区分"机器拿不到"与"要花钱"，否则把 9 篇免费文献误报成预算问题。
入库三关：抽文字层 → 人工比对标题 → 过闸门；三道全过才写 OA/。
脚本已固化：lit_search_free.py（发现）+ lit_fetch.py（获取 + 闸门）+ lit_corpus.py（检索 + 验真）＝完整三段式。

本报告所有数字来自 lit_search_free.py / lit_fetch.py / /tmp/ingest_pdfs.py / /tmp/finalize.py / /tmp/cleanup.py 的实际输出；未核实项均已标注。