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打开论文详情页点击机构登录搜索并选择所在学校在学校统一身份认证页面输入账号必要时完成 MFA返回出版商网站点击 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 SkillCodex 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 --interfacedisplay_nameIEEE Paper Downloader--interfaceshort_descriptionDownload IEEE papers through institutional access--interfacedefault_promptUse $ieee-download-paper to download an IEEE paper.Springer Skill 同理只需要替换名称与界面元数据。依赖保持最小化只安装playwright-core直接控制本机 Microsoft Edge不额外下载 Chromium{name:paper-download-skill,private:true,type:module,dependencies:{playwright-core:1.61.1}}安装依赖npm install--omitdev--prefix$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 users 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constcontextawaitchromium.launchPersistentContext(profileDir,{channel:msedge,headless:false,acceptDownloads:true,viewport:null,locale:en-US,});这里有两个关键点headless: false机构登录、MFA 和验证码必须在可见浏览器中完成使用专用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constprofileDirpath.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 DOIfunctionnormalizeInput(input){constvalueinput.trim();if(/^\d{6,12}$/.test(value)){returnhttps://ieeexplore.ieee.org/document/${value};}if(/^10\.\d{4,9}\//i.test(value)){returnhttps://doi.org/${value};}returnnewURL(value).toString();}Springer 版本则把 DOI 规范化为文章页if(/^10\.1007\//i.test(value)){returnhttps://link.springer.com/article/${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 PDFconstbodyawaitresponse.body();if(body.length1024body.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 PDFCookie 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 $ieee-download-paper 下载全文阅读全文后生成 HTML 论文目录 附上每篇论文的核心内容、IEEE 链接和本地 PDF 链接。这个任务不再是简单的“给定链接 → 下载文件”而是包含五个阶段检索组合产品名、coding agent、LLM code generation、firmware、microcontroller、PLC、RTL、HLS等关键词检索 IEEE筛选先读取题目、摘要和元数据排除只讨论传统多智能体、边缘推理或一般代码生成的论文分级区分直接相关、强相关近邻、方法基础和边界背景限量下载只对最高相关的少量论文调用$ieee-download-paper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){constencodeddoi.split(/).map(encodeURIComponent).join(/);returnhttps://link.springer.com/content/pdf/${encoded}.pdf;}未获得订阅权限时目标示例返回 204而文章页会显示Log in via an institution。脚本点击该入口后进入 Springer WAYF 页面https://wayf.springernature.com/?redirect_uri...机构搜索输入框名称为search可填写学校名称并回车constinputwayf.locator(input[namesearch]).first();awaitinput.fill(institution);awaitinput.press(Enter);用户完成统一身份认证后脚本通过同一持久化浏览器上下文重新请求 PDF。实测论文DOI10.1007/s10515-026-00637-6 标题SENTRY: an adversarial robust anomaly detection approach... 输出大小3,855,558 字节 页数40 文件头%PDF-十、文件名与重复下载处理标题优先从标准元数据读取consttitleawaitpage.locator(meta[namecitation_title]).first().getAttribute(content);Windows 文件名中的非法字符必须替换functionsafeFilename(value){returnvalue.replace(/[:/\\|?*\u0000-\u001f]/g,_).replace(/\s/g, ).trim().slice(0,180);}写文件时使用wx避免静默覆盖已有论文。如果文件已存在就追加时间戳生成新文件。十一、失败案例为什么 Elsevier Skill 被删除ScienceDirect 版本最初也采用相同架构但页面持续进入机器人检查循环用户勾选“不是机器人”后网站再次发起检查无法进入机构登录流程。诊断页面返回了类似以下信息There was a problem providing the content you requested CPE00001这不是换一个 CSS 选择器就能解决的问题而是网站综合自动化特征、网络出口、浏览器环境和行为风险进行判断。继续自动点击检查框属于规避机器人检测也无法保证稳定性。最终处理方式是明确停止自动化不尝试绕过 CAPTCHA删除不可靠的 Elsevier Skill建议使用普通浏览器、校园网或学校 VPN 手动下载。这个失败很重要。一个可靠的 Agent 工具不仅要知道如何完成任务也必须知道何时应该停止。十二、验证流程Skill 创建完成后至少执行四层验证。1. Skill 结构校验python$CODEX_HOME\skills\.system\skill-creator\scripts\quick_validate.py$CODEX_HOME\skills\springer-download-paper2. JavaScript 语法校验node--check$SKILL_DIR\scripts\springer-download.mjs3. 依赖审计npm audit--omitdev--prefix$SKILL_DIR4. 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将出版商差异抽象为统一适配器接口在下载前自动识别开放获取状态把 DOI、题目、作者和本地路径写入统一文献清单与 Zotero 或本地知识库联动下载后自动提取摘要、关键词并生成 HTML 目录为机构登录状态增加更清晰的过期检测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。