只要有论文标题,也能一键下到 PDF

找论文 PDF，你一定经历过这些：DOI 粘到搜索引擎里翻好几页、付费墙挡住只能看到摘要、Sci-Hub 偶尔抽风打不开、批量下载几十篇要手动一篇篇点……

paper-fetch 这个小工具把这些麻烦一次性解决了——给它一个 DOI、或者干脆只给论文标题，它会自动遍历 7 个开放获取来源，命中即停，把 PDF 干净利落地放到你指定的地方。能下到的稳定下到，下不到的也明确告诉你为什么、接下来该怎么办。

一、什么时候你会用到它

凡是"我需要这篇论文的 PDF"的场景，都该想到它。下面这些情况，对号入座：

场景 1：手里只有 DOI，想拿到 PDF

你读综述时看到引用 10.1038/s41586-020-2649-2，想立刻看原文。原生 Agent 的做法是临时 Google 搜一圈，结果可能是 Sci-Hub 链接、可能是付费墙、可能根本找不到。paper-fetch 会按 7 源优先级逐个试，命中即停。

场景 2：只记得论文标题，连 DOI 都不知道

你在播客里听到一篇叫 Attention Is All You Need 的论文，想下载来读。直接把标题丢给它，它会先解析出 DOI，再走下载链。一步到位，不需要你先去查 DOI。

场景 3：批量下载几十篇论文

你在做文献综述，Zotero 里导出了一份 50 个 DOI 的列表。手动一篇篇下载是噩梦。用它一次跑完，失败的会单独标出来，成功的自动跳过——第二天重跑只补失败的，不重复下载。

场景 4：论文在付费墙后面，但可能有 OA 版本

很多期刊文章其实有合法的 OA 副本——作者自存档在机构知识库、预印本在 arXiv、或 embargo 期满后释放。你不知道有没有，paper-fetch 会替你查 Unpaywall / Semantic Scholar / PMC 等所有可能藏 OA 副本的地方。

场景 5：让 Agent 自动化整个文献工作流

你在 Claude Code / Cursor 里搭一个"读论文→总结→建知识库"的流水线。你需要的是可机读的输出——成功/失败、文件路径、失败原因、何时该重试。paper-fetch 的结构化输出就是为这种场景设计的，Agent 不用解析自然语言。

场景 6：你在校园网/VPN 内，有机构订阅

你的大学订了 Nature、Science、Wiley 等出版商。开启机构模式后，它会用出版商直链回退，靠你的 IP 完成授权，自动加限速避免触发"系统性下载"封禁。

二、用了之后得到什么

跑一次 paper-fetch，你会拿到三类东西：

1. 一份命中的 PDF 文件

文件名是确定性的：作者_年份_期刊_标题.pdf。同一篇论文永远落同一个文件名，所以重跑不会重复下载——天然幂等。

2. 一份结构化的结果说明

不是含糊的"成功/失败"，而是清晰告诉你：

• • 从哪个源命中的（Unpaywall / Semantic Scholar / arXiv…）
• • 实际下载的 URL 是什么
• • 本地文件路径 在哪
• • 试过哪些源（全链路透明）
• • 论文元数据（标题、年份、作者）

Agent 直接读这些字段即可决策：成功了拿路径，失败了看原因决定是否重试、何时重试。

3. 一个分类清晰的退出码（决定下一步动作）

关键产出差异：原生 Agent 下载失败只会说"下不到"，你不知道是论文本来就没有 OA 版（白等），还是网络抖动（该立刻重试）。paper-fetch 的退出码把这两类失败彻底分开——1 别急着重试，4 赶紧重试。

失败时你也会得到明确的补救建议

如果论文真的没有 OA 版本，结果里会告诉你：

• • 一周后可以重试（也许 embargo 期满）
• • 你有机构订阅就开机构模式
• • 或者走馆际互借（ILL）

不会让你对着一个"failed"干瞪眼。

三、它是怎么做到的：7 源回退链

给定 DOI（或标题解析出的 DOI），按优先级依次尝试，命中即停：

全链失败 → 报告失败并附 title/authors，提示走 ILL（馆际互借）。

学科无关性：仅 Unpaywall + Semantic Scholar 两个源，就足以覆盖化学、材料、经济、心理学、人文社科等任何领域的 OA 论文——它们会自动命中机构知识库、SSRN、RePEc 以及出版商自托管的 OA 版本。

标题 → DOI 解析

只有论文标题时，它会：

1. 1. 先用 Crossref 查（覆盖所有主流期刊/会议的 DOI）
2. 2. Crossref 不理想时回退到 Semantic Scholar——关键价值：覆盖 arXiv-only 预印本（Crossref 无 DOI），并合成规范 DOI 让下载链统一
3. 3. 两个解析器都不理想时，标记为"低置信度"，让你决定放弃还是先预览确认

四、为什么用 Agent 调用它更顺手

这是 paper-fetch 区别于普通下载脚本的核心——它专门为 Agent 编排场景设计：

• • 稳定结构化输出：结果永远是结构化数据，Agent 不用解析自然语言
• • 实时进度：逐行输出"正在试哪个源 / 命中了 / 下载完成"等事件，orchestrator 能追踪进度
• • 自描述能力：Agent 可以查询它的完整契约（参数、退出码、错误码），缓存后检测版本漂移
• • 错误码 + 重试时机提示：每个可重试错误都标注何时该重试，Agent 不用猜
• • 幂等与批量：批量下载、重试零网络开销、流式输出、失败项自动给出重试建议
• • 输出格式自动识别：管道里输出机器可读格式，终端里输出彩色人类可读文本

五、两个可选模式（按需开启）

这两个模式都仅能由人类操作者启用，Agent 无法自启——这是明确的信任边界。

1. 机构访问模式

适用场景：你有高校或研究机构的出版商订阅（校园网/VPN）。

启用后：

• • 激活第 6 源（出版商直链回退）——按 DOI 前缀映射到 Nature/Science/Wiley 等的 PDF URL
• • 加 限速——防止触发出版商的"系统性下载"封禁
• • 授权由你的 IP/cookies/EZproxy 完成，skill 本身不做登录

⚠️ ToS 警告：几乎所有出版商订阅都禁止"系统性下载"。开多进程并行或绕过限速可能触发 IP 全机构封禁。

2. CloakBrowser 回退

适用场景：出版商在 Cloudflare 后面（如 science.org），普通 HTTP 客户端拿到 403 或 "Just a moment…" JS 挑战页。

工作方式：被 Cloudflare 拦截时，用隐身 Chromium 加载 PDF 主机、通过 JS 挑战，再用页面内 fetch 拿 PDF。返回字节仍过 PDF 魔数 + 50 MB 校验，成功结果带 via: "cloak" 标记。

关键约束：

• • 位于下载层（不是新源），对所有源解析出的 URL 都生效
• • 同源 only：跨源重定向会失败回退
• • 不解交互式 CAPTCHA：能过自动化 JS 挑战，过不了 Turnstile
• • 失败静默回退：绝不告诉 Agent "下载成功"
• • 强挑战（如 science.org）需用可见窗口模式

六、怎么触发它

自然语言触发（在支持的 Agent 里）

直接对 Agent 说人话就行：

> 把 AlphaFold2 论文的 PDF 下载到 ~/papers> 帮我下 DOI 10.1038/s41586-020-2649-2> 把 dois.txt 里的全部 DOI 批量下载> 找 "Attention Is All You Need" 这篇论文的 PDF> 不下载，只预览 10.1126/science.abj8754 解析出的 PDF 链接

也可以预览（不下载）——先看解析出的 DOI 和 PDF 链接对不对，再决定要不要真下。

七、实测发现（边界比文档更清晰）

我用 paper-fetch 实测了两篇论文，发现了它的能力边界：

案例 1：Neurology 期刊社论《Sleep and Stroke: A Hate Affair》

• • 标题解析 ✅ Semantic Scholar 命中，DOI 10.1212/WNL.0000000000209908
• • 下载 ❌ 所有源都失败：
• • Unpaywall 未启用（缺联系邮箱）
• • Semantic Scholar 显示 isOpenAccess: false
• • 无 PMCID（未被 PMC 收录）
• • Neurology 官方 403（订阅墙）
• • Sci-Hub 网络不可达
• • 结论：订阅制社论且无任何 OA 版本时，技能无能为力。但它诚实地报告失败并提示走机构模式或 ILL，而不是假装成功。

案例 2：Research Square 预印本《Scalp Acupuncture Combined with Mouse Nerve Growth Factor...》

• • 标题解析 ✅ Crossref 命中，但标记为"模糊匹配"——预印本和正式版分数极接近
• • 下载 ❌：Semantic Scholar 404（未索引此预印本）+ Sci-Hub 不可达
• • 绕过技能手动下载 ✅：Research Square 预印本的 PDF URL 模式 https://www.researchsquare.com/article/rs-XXXXXXX/v1.pdf 直接可用，OA 天然可得
• • 结论：预印本平台（Research Square 等）不在源链内，是个可改进点。遇到这类情况需要手动构造 URL。

实测总结

paper-fetch 的能力边界很清晰：

• • ✅ 能下到的：主流 OA 期刊、arXiv 预印本、PMC 全文、bioRxiv/medRxiv、有 OA 副本的订阅制论文
• • ❌ 下不到的：纯订阅制且无任何 OA 版本的论文（如新发表的 Neurology 社论）、不在源链内的预印本平台（如 Research Square）
• • 💡 关键价值：即使下不到，它也会告诉你为什么下不到和接下来该怎么办，而不是给一个含糊的"失败"

八、已知局限

1. 1. 出版商重定向陷阱：部分出版商返回 HTML 落地页，PDF 魔数校验会拒绝
2. 2. 默认不解 CAPTCHA：浏览器自动化是独立的可选模式（CloakBrowser）
3. 3. SSRF 防护可能误伤：私网 IP、非标准端口会被拒
4. 4. 50 MB 体积上限：超大论文（含高清图）可能被拒
5. 5. 预印本平台覆盖不全：如 Research Square（10.21203/rs.3.rs-XXXXXXX/v1）不在源链内，需手动构造 PDF URL

九、相关 Skills（学术研究工具链）

paper-fetch 是 Agents365-ai 学术研究 skill 系列的一员，按需搭配：

一句话总结

paper-fetch 是论文 PDF 的"确定性获取层"——它不试图破解任何付费墙，而是把分散在 7 个源的开放获取副本，编排成一条有退出码分类、有幂等重试、有安全防护的可靠流水线。对于 OA 论文，它几乎总能命中；对于订阅制且无 OA 版本的论文，它会诚实地报告失败并给出补救建议（机构模式 / ILL），而不是假装成功。

它的价值不在"能下到难下的论文"，而在"把能下到的论文下得稳定、可预测、可编排"。

关于这个工具