前陣子分享的論文評讀工具（讓 Claude 幫忙做品質評讀跟內容整理），有朋友回我一句很實在的話：工具是好用，但每次都得自己先去把 PDF 生出來，最煩的其實是這一步。
真的是這樣。要讓 AI 幫你讀論文，你得先拿得到全文。而拿全文這件事，卡住的通常不是 AI，是權限、是出版社、是圖書館。
所以論文三件組裡最後一塊、也是最痛的一塊，今天終於補上了：paper-fetch（MIT 開源）。給它一個 DOI，它會自己走完整條路，把全文 PDF 抓下來。
| 階段 | 工具 | 做什麼 |
|---|---|---|
| 發現 | 論文學習雷達 paper-radar | RSS／PubMed 餵新論文，依興趣排序 |
| 下載 | paper-fetch | DOI → 全文 PDF |
| 評讀 | claude-paper-tools | 品質評讀、內容整理 |
—
它怎麼運作？一道由便宜到麻煩的階梯
整個設計只有一句話：先走最便宜、最正當的路，失敗才往下掉。
第一層：開放取用（open access）
Unpaywall、Semantic Scholar、PMC／Europe PMC，還有藏在文章網頁裡的 citation_pdf_url meta tag（那正是 Google Scholar 拿來索引 PDF 的東西）。這層零金鑰、開箱即用，你只要在設定檔填自己的 email。沒有圖書館資源的人，能接的來源我都接上去了。
第二層：出版社官方的文字探勘 API（text-mining API）
Elsevier、Wiley、Springer 都有正式開放給文字探勘用的 API，自己去申請一把金鑰就好，是完全被允許的管道。這層跟盜版一點關係都沒有，只是大家很少知道它存在。
第三層：自己醫院圖書館的校外連線
用你自己的帳號登入，抓你們醫院本來就有訂的期刊。它只是把你原本會手動做的那一串點擊自動化，不是繞過付費牆。
第四層：投降，但投降得有用
全部失敗的話，它會把圖書館的 SFX／OpenURL 連結印出來讓你手動去點，而不是丟一個 error 就沒了。
沒有 Sci-Hub，沒有盜版路線。 每一層都是你本來就有資格走的路。
—
最花時間的是什麼？把每一家出版社的脾氣摸清楚
這是我覺得整個專案最值得分享的部分。DOI 換 PDF 聽起來像一行程式，實際上每家出版社的做法都不一樣，而且沒有文件可以查，只能一篇一篇撞出來。目前摸清楚、而且用真實文章驗證過的有 20 幾條路線，收斂成四種形狀。
形狀一：網址模板
有規則可循的最幸福，從 DOI 直接組出 PDF 的網址就好。Wiley、Springer／BMC、NEJM、Sage、Taylor & Francis、AJR、Radiology、World Scientific 都屬於這一類。
形狀二：讀 citation_pdf_url
遇到新的出版社，這條要第一個試。 很多網站沒有 DOI 換 PDF 的規則，卻會在文章頁面的 HTML 裡老老實實寫一個 <meta name="citation_pdf_url">，直接告訴你 PDF 在哪（因為 Google Scholar 就是靠它索引的）。把 DOI 解析到文章頁、讀那個 meta、帶著 Referer 去抓就好，完全不用逆向工程。JAMA、Oxford、Nature、Pediatrics 都是這樣拿到的。
形狀三：要「有頭」的瀏覽器
同樣是讀 meta，但 Cloudflare 會擋。這裡有個我一開始判斷錯的地方：BMJ 我本來在文件裡寫它是「WAF 硬擋、死路一條」，後來才發現它只擋無頭瀏覽器（headless browser），真的開一個看得到畫面的瀏覽器、老老實實導航過去，第一次就過了。AJNR 和 J Nucl Med 也是同一招救回來的。
一個判死的結論，值得每隔一陣子拿出來重驗一次。
形狀四：多步驟的簽名網址
LWW／Ovid 這種平台不會給你固定網址，PDF 連結是一次性簽發的，得照順序走完一串頁面才拿得到。這類最麻煩，但也是走得通的。
—
抓不到的時候，到底是誰的錯？
還有一個很吃虧的坑：你沒有訂閱的文章，會讓一條好好的路線回傳一頁 HTML 或 403，看起來跟程式壞掉一模一樣。於是你會跑去修一個根本沒壞的東西。
所以工具裡多了一層 holdings.py：把圖書館的 A–Z 電子期刊清單（期刊、平台、涵蓋年份）存成一張本地對照表，之後每篇論文用 DOI 去 CrossRef 拿 ISSN 跟年份，一查就知道這篇到底有沒有權限。先確認權限，再回頭判斷路線壞不壞。
兩個實務上的細節：
- 涵蓋範圍是逐刊也逐年的。 圖書館可能只訂了某本期刊的 1990 年代單期，或不含 online first，所以「我們有訂這本」根本不夠。
- 「不在清單裡」不等於「沒權限」。 JAMA 完全不在我們的電子期刊清單裡（它掛在資料庫那一層），但代理實測抓得起來。所以查無資料時只警告、照樣試。
每家圖書館的 A–Z 頁面長得都不一樣，所以我沒有附爬蟲，只給了資料表的欄位規格。你自己抓，或直接跟圖書館要一份匯出檔，都可以。
—
老實說，它不是拿了就能用
這點我想講清楚，不要讓人抱著期待 clone 下來然後失望：
- 設定檔要填你自己醫院圖書館的端點（link resolver、校外認證入口、代理主機）。這些不是機密，是你們圖書館的公開資訊。
- 要去申請幾把出版社的 API 金鑰（免費，但要填表）。
- 圖書館代理那層的
login()我留成空白。因為每家醫院的登入流程都不一樣（EZproxy、OpenAthens／Shibboleth、VPN、自建 portal 是四大家族），這一段本來就只能你自己接。
但這正是這個時代好玩的地方
repo 裡有一份 AGENTS.md，是專門寫給 AI 看的說明書：這個工具是什麼、怎麼幫使用者部署、部署完怎麼驗收、哪些是紅線（不准偽造別人機構的端點、不准把帳密寫進設定檔、不准為了大量下載把速率限制拿掉、不准加 Sci-Hub 路線）。程式碼裡的 docstring 也是照「教會你方法」而不是「跑得動就好」在寫的。
所以你不用會寫程式。把 repo 丟給 Claude，跟他說「幫我接上我們醫院的圖書館」，他會讀 AGENTS.md、跟你要端點、帶你去 devtools 看登入流程、把 login() 補完。我自己也是這樣跟他一起把它寫出來的。
—
一條紅線：不要平行爆抓
圖書館那層是嚴格一篇一篇來，每篇之間等 15 秒。
這不是我龜毛。出版社一旦偵測到系統性大量下載，封鎖的是整間醫院的 IP，害到的是全院所有同事。工具裡的速率限制是為了保護這個共用資源，請不要把它拿掉。
—
花蓮慈濟的同事
慈濟版（端點都填好、可以直接跑）是另一個非公開的 repo。想試用的話，私訊我你的 GitHub email，我把你加進去。
從發現、下載到評讀，這條線總算整條打通了。如果有理解錯誤的地方，也歡迎指正～