Document Workflow 深度评估
核心用法
Document Workflow 是一套面向学术研究的端到端自动化工具链，覆盖搜索→下载→提取→摘要完整流程。用户可通过单一命令启动全流程（research.py），或按需调用独立模块：
- 搜索层：优先使用 Tavily 引擎（~100% PDF 可用性），自动回退至 Semantic Scholar（ richer 元数据，~30% PDF 可用性）
- 下载层：支持从搜索结果管道化下载或直接 URL 抓取，自动保存元数据 JSON
- 提取层：PDF 分块提取（默认 5-10 页/块），解决长论文上下文溢出难题
- 摘要层：基于结构化 Schema 输出，包含任务定义、实验设置、数据集、基线方法、评估指标及关键发现
显著优点
1. 工程化设计：管道化架构支持灵活组合，JSON 中间产物可跨会话复用
2. 双引擎策略：Tavily 保障 PDF 获取成功率，Semantic Scholar 补充高引论文元数据
3. 上下文优化：分块提取机制适配大语言模型的上下文窗口限制
4. 标准化输出：预定义 Schema 降低下游分析成本，支持批量文献对比
潜在局限与风险
1. 路径硬编码风险：默认下载路径为 C:\Users\Lenovo\Desktop\papers，Windows -centric 设计可能引发跨平台问题
2. 依赖外部服务：Tavily 和 Semantic Scholar API 的可用性与速率限制直接影响功能稳定性
3. PDF 解析质量：未明确提及扫描版 PDF 或复杂排版的处理策略，存在文本提取失真可能
4. 版权合规模糊：自动化批量下载期刊论文可能触及出版商服务条款，用户需自行确认授权
5. Schema 刚性：预定义摘要结构可能无法适配非标准论文类型（如综述、短文、数据集论文）
适合人群
- 需要快速批量处理文献的研究生与科研人员
- 构建文献综述或元分析的研究团队
- 开发学术论文智能问答系统的工程师
常规风险提醒
- 建议定期清理下载目录避免存储膨胀
- 高并发请求可能触发 API 限流，需配置合理重试机制
- 涉及付费论文时，应确保机构订阅权限或选择预印本平台（arXiv）内容