用途：面向生物与医学领域，在主流期刊定义之前识别处于“孵化期”的研究热点，属于证据洞察类技能，强调明确假设、限定范围与可复现输出。
主要能力：持续监测 bioRxiv、medRxiv、arXiv（定量生物学）以及学术讨论中的社交与论坛提及；用趋势分析算法检测话题频率突增、跨平台提及与新兴关键词簇；输出趋势评分及热点话题列表。趋势评分算法为 Score = (Novelty × 0.4) + (Momentum × 0.4) + (CrossRef × 0.2)，其中 Novelty 为话题在历史数据中的逆频率，Momentum 为速度窗口内提及增长率，CrossRef 为跨平台提及。
使用方式：需 Python 3.10+，依赖见 requirements.txt 与 scripts/requirements.txt（含 requests、feedparser、pandas、scikit-learn、numpy、textblob、pyyaml 等）。安装：pip install -r scripts/requirements.txt。基本用法：python scripts/main.py --sources arxiv --days 7 --output json；推荐使用 arXiv：python scripts/main.py --sources arxiv --days 30。支持参数包括 --sources、--keywords、--days、--min-score、--max-topics、--output（json/markdown/csv）、--notify、--config。可用 python -m py_compile scripts/main.py 校验入口，python scripts/smoke_test.py 作为确定性回退验证。输出支持 JSON、Markdown、CSV。
适用场景：日常或每周扫描生物医学新兴话题、追踪特定研究领域（如 Alzheimer、neurodegeneration）、生成可复现的热点报告。历史数据存于 data/history.json 用于趋势对比、速度计算与去重。
限制：bioRxiv 与 medRxiv 的 RSS 目前受 Cloudflare JavaScript Challenge 保护，程序化访问被阻断，可能返回 0 结果；推荐改用 arXiv q-bio。若输入缺失、执行失败或证据不完整，需走回退路径并说明阻塞点；不得编造文件、引用、数据或执行结果。