用途：构建真实、可追溯的文献语料库，避免编造参考文献或抓取任意出版商页面。默认流程为：缩小主题、检索官方或稳定 API、仅下载合法可访问的 PDF、执行 OCR 或版面解析，最后输出干净的 Markdown 文献库与机器可读元数据。
目录约定：在 Oh My Paper 项目中语料库位于 .pipeline/literature/<corpus-name>/；独立项目使用 research/literature/<corpus-name>/。每个主题或会话一个文件夹，内含 search_results.json、library_index.json、library_index.jsonl 与 papers/。每篇论文一个文件夹，含 metadata.json、paper.pdf 与 ocr/（OCR 输出与 PDF 同目录）。--out-dir 必须指向 .pipeline/literature/<corpus-name>/，不能直接指向 .pipeline/literature/。OCR 完成后需在 literature_bank.md 中记录每篇论文的 ocr/ 路径。
主要能力与用法：按 arXiv ID 下载（已知 ID 时推荐）或按查询检索下载，支持 arxiv、semanticscholar、openalex、hf_daily 等来源；OCR 支持 PaddleOCR API（质量最佳，需设置 PADDLEOCR_TOKEN，不得硬编码）与 pdfminer 回退（仅文本、无版面，需先与用户确认）；可生成 library_index.json 与 library_index.jsonl；ingest_literature_library.py 可一次性完成完整摄取流程。
适用场景：需要可追溯文献来源的学术研究、综述写作与论文辅助工作流。
限制：仅下载合法可访问的 PDF；PaddleOCR 需用户提供 token；pdfminer 回退不保留版面；具体收费、价格与平台支持范围资料未提供。