本文记录一个可复用的科研自动化实践：把“打开论文页面、选择机构、完成统一身份认证、点击 PDF、保存并校验”封装成 Codex Skill。最终实现了 IEEE Xplore 和 Springer Nature Link 两个可用 Skill，同时也记录了 ScienceDirect 因机器人检测无法可靠自动化的失败案例。

一、为什么要把论文下载做成 Skill

下载一篇有机构订阅权限的论文，人工操作通常并不复杂：

1. 打开论文详情页；
2. 点击机构登录；
3. 搜索并选择所在学校；
4. 在学校统一身份认证页面输入账号，必要时完成 MFA；
5. 返回出版商网站；
6. 点击 PDF 并选择保存位置。

问题在于，这套流程会被反复执行，而且不同出版商的 URL、登录入口、PDF 路由和会话机制都不相同。普通脚本很容易退化成一堆一次性选择器，而 Skill 可以同时封装：

• 触发条件：什么请求应该调用它；
• 固定流程：URL 解析、机构访问、下载与校验；
• 安全边界：不保存密码、不绕过 CAPTCHA、不批量爬取；
• 可执行脚本：把容易出错的步骤固化为确定性代码；
• 故障策略：会话过期、无订阅权限、机器人检测时如何停止。

最终使用体验可以压缩成一句话：

使用 $ieee-download-paper 下载 https://ieeexplore.ieee.org/document/11158579

或者：

使用 $springer-download-paper 下载 https://link.springer.com/article/10.1007/s10515-026-00637-6

二、整体架构

两个 Skill 都采用“Skill 指令 + Playwright 脚本 + 独立浏览器配置”的结构：

$CODEX_HOME/skills/ ├── ieee-download-paper/ │ ├── SKILL.md │ ├── package.json │ ├── package-lock.json │ ├── agents/ │ │ └── openai.yaml │ └── scripts/ │ └── ieee-download.mjs └── springer-download-paper/ ├── SKILL.md ├── package.json ├── package-lock.json ├── agents/ │ └── openai.yaml └── scripts/ └── springer-download.mjs

运行链路如下：

用户输入 URL / DOI / 文档号 ↓ 规范化输入 ↓ 打开独立的持久化 Edge 会话 ↓ 尝试带 Cookie 获取官方 PDF ↓ 已有权限？──是──→ 保存 PDF │ 否 ↓ 打开机构登录入口并选择学校 ↓ 用户手动完成账号、MFA、验证码 ↓ 轮询官方 PDF 路由 ↓ 校验 %PDF 文件头、大小和页数

这里最重要的设计是：自动化负责导航和重复劳动，敏感认证始终由用户在真实浏览器页面中完成。

三、初始化 Skill

Codex 自带skill-creator，新建 Skill 时先运行初始化脚本：

python"$CODEX_HOME\skills\.system\skill-creator\scripts\init_skill.py"` ieee-download-paper `--path"$CODEX_HOME\skills"`--resources scripts `--interface"display_name=IEEE Paper Downloader"`--interface"short_description=Download IEEE papers through institutional access"`--interface'default_prompt=Use $ieee-download-paper to download an IEEE paper.'

Springer Skill 同理，只需要替换名称与界面元数据。

依赖保持最小化，只安装playwright-core，直接控制本机 Microsoft Edge，不额外下载 Chromium：

{"name":"paper-download-skill","private":true,"type":"module","dependencies":{"playwright-core":"1.61.1"}}

安装依赖：

npm install--omit=dev--prefix"$SKILL_DIR"

四、SKILL.md 如何设计

Skill 能否被正确触发，首先取决于 YAML frontmatter 中的description。以 IEEE 版本为例：

---name:ieee-download-paperdescription:Download IEEE Xplore article PDFs by using the user's legitimate institutional subscription in a persistent Microsoft Edge session. Use when the user provides an IEEE document URL,document number,or DOI and asks to save the full-text PDF.---

正文不需要解释通用的编程知识，而应该明确另一个 Agent 执行任务时必须遵循的操作约束：

• 允许哪些输入格式；
• 应执行哪个脚本；
• PDF 保存到哪里；
• 登录时如何与用户协作；
• 什么条件表示下载成功；
• 什么情况下必须停止。

安全规则必须写进 Skill，而不是仅靠使用者记忆：

- 只使用用户本来就拥有的机构访问权限。 - 不保存、记录或通过命令行传递账号密码。 - 用户必须在可见浏览器页面中完成 MFA 和 CAPTCHA。 - 不绕过付费墙、机器人检测和访问频率限制。 - 持久化浏览器目录包含会话 Cookie，不得上传或提交到 Git。

五、持久化浏览器会话

如果每次启动都是全新浏览器，用户就必须反复选择机构并登录。Playwright 的launchPersistentContext可以把 Cookie 和本地存储保存在独立目录中：

constcontext=awaitchromium.launchPersistentContext(profileDir,{channel:'msedge',headless:false,acceptDownloads:true,viewport:null,locale:'en-US',});

这里有两个关键点：

1. headless: false：机构登录、MFA 和验证码必须在可见浏览器中完成；
2. 使用专用profileDir：绝不能让自动化脚本操作用户日常使用的 Edge 主配置。

例如：

constprofileDir=path.join(process.env.LOCALAPPDATA,'Codex','ieee-download-paper','edge-profile');

这个目录等价于登录凭证容器，应当视为敏感数据。

六、输入规范化

为了让 Skill 易用，IEEE 版本同时接受文档号、URL 和 DOI：

functionnormalizeInput(input){constvalue=input.trim();if(/^\d{6,12}$/.test(value)){return`https://ieeexplore.ieee.org/document/${value}`;}if(/^10\.\d{4,9}\//i.test(value)){return`https://doi.org/${value}`;}returnnewURL(value).toString();}

Springer 版本则把 DOI 规范化为文章页：

if(/^10\.1007\//i.test(value)){return`https://link.springer.com/article/${value}`;}

同时要限制允许访问的域名，避免自动化浏览器被输入引导到任意网站。

七、IEEE Xplore 的实现要点

IEEE 论文通常可以由arnumber唯一标识。脚本先从文章 URL、查询参数、canonical 链接或页面正文中提取文档号，然后通过浏览器上下文请求官方 PDF 路由。

核心校验不是 HTTP 200，而是返回内容必须真的是 PDF：

constbody=awaitresponse.body();if(body.length>=1024&&body.subarray(0,5).toString('ascii')==='%PDF-'){returnbody;}

原因很简单：很多网站在未登录时仍返回 200，但正文实际上是登录页、错误页或机器人验证页。如果只看状态码，就会把 HTML 错误页面保存成.pdf。

当没有访问权限时，脚本尝试点击机构登录入口，搜索学校，然后等待用户在 SSO 页面完成认证。脚本每隔数秒重新请求 PDF；Cookie 一旦生效，下载自动继续。

实测论文：

IEEE 文档号：11158579 输出大小：514,818 字节 文件头：%PDF-

八、复杂应用案例：从 IEEE 检索到 HTML 论文目录

单篇下载只能证明脚本可用，更能体现 Skill 价值的场景，是把它放进一条完整的科研资料工作流中。

实际使用过的复杂任务是：

在 IEEE 网站上查找在嵌入式系统中使用 Codex、OpenCode、TRAE、 Claude Code 或同类编码 Agent 的论文；如果存在相关论文， 使用 $ieee-download-paper 下载全文；阅读全文后生成 HTML 论文目录， 附上每篇论文的核心内容、IEEE 链接和本地 PDF 链接。

这个任务不再是简单的“给定链接 → 下载文件”，而是包含五个阶段：

1. 检索：组合产品名、coding agent、LLM code generation、firmware、microcontroller、PLC、RTL、HLS等关键词检索 IEEE；
2. 筛选：先读取题目、摘要和元数据，排除只讨论传统多智能体、边缘推理或一般代码生成的论文；
3. 分级：区分直接相关、强相关近邻、方法基础和边界背景；
4. 限量下载：只对最高相关的少量论文调用$ieee-download-paper；
5. 全文处理：验证 PDF，提取全文，归纳核心方法、实验结果与局限，最终生成可点击的 HTML 目录。

实际结果中，严格匹配 Codex CLI、OpenCode、TRAE 或 Claude Code 在 MCU/RTOS 固件项目中应用的论文为 0 篇，但找到了 PLC 控制代码生成、RTL、HLS 和 Codex 多语言评测等相关工作。最终下载并核验 5 篇 PDF，生成了包含相关性分级、中文摘要、IEEE/DOI 链接和本地全文链接的 HTML 目录。

为什么必须限制全文下载数量

检索结果可能有几十甚至上百篇，但不能把“找到多少”直接变成“下载多少”。出版商通常会监控短时间内的下载频率和数量，连续获取大量全文可能触发限流、会话失效或账号/机构访问风控。

本工作流采用明确的保守上限：

单次全文下载最好不超过 5 篇，并将 5 篇作为硬上限。如果候选超过 5 篇，先输出题目、摘要、相关性和链接，让用户再次筛选；不要自动继续下载下一批，也不要通过并发、切换会话或缩短间隔规避网站限制。

相应的执行规则可以直接写进检索提示词：

先检索并按相关性排序。最多选择 5 篇下载全文；如果高相关候选超过 5 篇， 仅生成候选清单并请求用户确认，不要继续批量下载。

这条限制有三个作用：

• 降低触发 IEEE 下载限制的概率；
• 迫使检索阶段先做高质量筛选，避免无目的囤积 PDF；
• 让用户对全文获取范围保持明确控制。

因此，在复杂应用中，Skill 的价值不是“下载越多越好”，而是把检索、判断、授权访问、全文理解和成果整理连接成一个可审计的闭环。

九、Springer Nature Link 的实现要点

Springer 的文章 URL 本身包含 DOI。官方 PDF 路由可以由 DOI 构造：

functionpdfUrlFor(doi){constencoded=doi.split('/').map(encodeURIComponent).join('/');return`https://link.springer.com/content/pdf/${encoded}.pdf`;}

未获得订阅权限时，目标示例返回 204，而文章页会显示Log in via an institution。脚本点击该入口后进入 Springer WAYF 页面：

https://wayf.springernature.com/?redirect_uri=...

机构搜索输入框名称为search，可填写学校名称并回车：

constinput=wayf.locator('input[name="search"]').first();awaitinput.fill(institution);awaitinput.press('Enter');

用户完成统一身份认证后，脚本通过同一持久化浏览器上下文重新请求 PDF。

实测论文：

DOI：10.1007/s10515-026-00637-6 标题：SENTRY: an adversarial robust anomaly detection approach... 输出大小：3,855,558 字节 页数：40 文件头：%PDF-

十、文件名与重复下载处理

标题优先从标准元数据读取：

consttitle=awaitpage.locator('meta[name="citation_title"]').first().getAttribute('content');

Windows 文件名中的非法字符必须替换：

functionsafeFilename(value){returnvalue.replace(/[<>:"/\\|?*\u0000-\u001f]/g,'_').replace(/\s+/g,' ').trim().slice(0,180);}

写文件时使用wx，避免静默覆盖已有论文。如果文件已存在，就追加时间戳生成新文件。

十一、失败案例：为什么 Elsevier Skill 被删除

ScienceDirect 版本最初也采用相同架构，但页面持续进入机器人检查循环：用户勾选“不是机器人”后，网站再次发起检查，无法进入机构登录流程。诊断页面返回了类似以下信息：

There was a problem providing the content you requested CPE00001

这不是换一个 CSS 选择器就能解决的问题，而是网站综合自动化特征、网络出口、浏览器环境和行为风险进行判断。继续自动点击检查框属于规避机器人检测，也无法保证稳定性。

最终处理方式是：

1. 明确停止自动化；
2. 不尝试绕过 CAPTCHA；
3. 删除不可靠的 Elsevier Skill；
4. 建议使用普通浏览器、校园网或学校 VPN 手动下载。

这个失败很重要。一个可靠的 Agent 工具不仅要知道如何完成任务，也必须知道何时应该停止。

十二、验证流程

Skill 创建完成后至少执行四层验证。

1. Skill 结构校验

python"$CODEX_HOME\skills\.system\skill-creator\scripts\quick_validate.py"`"$CODEX_HOME\skills\springer-download-paper"

2. JavaScript 语法校验

node--check"$SKILL_DIR\scripts\springer-download.mjs"

3. 依赖审计

npm audit--omit=dev--prefix"$SKILL_DIR"

4. 真实文章测试

只有脚本实际经历“打开文章—机构登录—获取 PDF—校验文件”的完整链路，才能认为 Skill 可用。测试时还要记录：

• 输出文件是否存在；
• 大小是否合理；
• 前 5 字节是否为%PDF-；
• PDF 解析器能否读取页数；
• 浏览器是否正确关闭并释放持久化配置。

十三、可进一步改进的方向

当前版本已经可以完成单篇和小批量下载，但还可以继续增强：

1. 将出版商差异抽象为统一适配器接口；
2. 在下载前自动识别开放获取状态；
3. 把 DOI、题目、作者和本地路径写入统一文献清单；
4. 与 Zotero 或本地知识库联动；
5. 下载后自动提取摘要、关键词并生成 HTML 目录；
6. 为机构登录状态增加更清晰的过期检测；
7. 加入保守的速率限制和可审计日志。

十四、总结

论文下载 Skill 的核心并不是“模拟点击 PDF”，而是把授权访问流程变成一个有边界、可复用、可验证的工程组件：

• 用 Skill 描述触发条件和安全规则；
• 用 Playwright 处理浏览器会话与机构跳转；
• 让用户亲自处理账号、MFA 和 CAPTCHA；
• 用官方 PDF 路由获取文件；
• 用%PDF文件头、大小和页数验证结果；
• 遇到机器人检测时停止，而不是绕过。

IEEE 的“检索—筛选—限量下载—全文理解—HTML 目录”案例，以及 Springer 的单篇机构访问案例，证明这种模式可以显著减少重复操作；Elsevier 的失败案例则说明，科研自动化必须服从网站规则和技术边界。真正可靠的 Agent，不是“任何网站都能下载”，也不是“一次下载越多越好”，而是每一步都可解释、可验证，并且知道什么时候应该把控制权交还给用户。