用途
sustainability-rss-summary 是一个零抓取（zero-scraper）的可持续性情报流水线技能。其核心目标是在不爬取网页的前提下获取论文摘要：以 DOI 作为唯一查询键，通过官方 RSS DOI 事件配合开放 API 获取摘要，并处理论文因过新而尚未被索引的延迟问题，最终输出可直接供下游 LLM 摘要使用的摘要文本。
主要能力
- 从官方 RSS 源摄取 DOI 事件，至少保留 doi 字段，并在可用时包含 title、link 和 source_feed。
- 使用双塔 API 获取摘要：主用 OpenAlex（通过 abstract_inverted_index 重建摘要），回退使用 Semantic Scholar（读取 abstract 文本字段）。
- 通过 SQLite 队列管理任务状态，状态模型包括：new（等待首次尝试或延迟重试）、ready（摘要可用，已设置 abstract_source 与 abstract_text）、failed（重试预算耗尽，需人工跟进）。
- 支持延迟重试：当两个 API 均未命中时，递增 retry_count、设置 next_retry_at，并保持状态为 new；当 retry_count 达到 max_retries 时标记为 failed。
- 提供 fetch 命令用于单个 DOI 的即时检查与调试，queue-add 用于从 JSONL 批量入队，queue-run 用于按计划（如每日）运行队列，queue-list 用于查看队列状态。
使用方式
单 DOI 获取：
python3 scripts/abstract_pipeline.py fetch
--doi "10.1177/014920639101700108"
--openalex-email "you@example.com"
--pretty
从 JSONL 入队：
python3 scripts/abstract_pipeline.py queue-add
--db sustainability-rss-summary.db
--jsonl assets/rss-events.example.jsonl
--max-retries 3
运行队列（含重试）：
python3 scripts/abstract_pipeline.py queue-run
--db sustainability-rss-summary.db
--backoff-hours "24,24,48"
推荐通过环境变量设置凭据：
export OPENALEX_EMAIL="you@example.com" export S2_API_KEY="optional-semantic-scholar-key"
手动紧急重跑（忽略 next_retry_at）：
python3 scripts/abstract_pipeline.py queue-run
--db sustainability-rss-summary.db
--force
查看队列状态：
python3 scripts/abstract_pipeline.py queue-list
--db sustainability-rss-summary.db
--pretty
适用场景
- 需要为可持续性/科学论文构建或运行 RSS 到摘要的流水线。
- 收到包含 DOI/title/link 的 RSS 条目，需要合法、低维护的摘要获取方式。
- 需要 OpenAlex 优先、Semantic Scholar 回退的编排逻辑。
- 需要针对过新、尚未被索引的论文进行重试处理。
限制与操作规则
- 本技能不抓取出版商网页来提取摘要。
- 优先使用 OpenAlex（成本与开放性考虑），Semantic Scholar 仅作回退。
- 每次未命中都必须持久化到队列，不得静默丢弃 DOI 任务。
- 输出元数据中始终携带精确 DOI 以便追溯。
- 建议使用 --openalex-email（或 OPENALEX_EMAIL）以获得更礼貌、更快的 OpenAlex 路由。
- API 限流/网络错误应视为临时重试，而非永久失败。
- --force 仅用于手动回填或调试；计划任务应保持正常到期模式。
参考资料与资产
- references/architecture.md
- references/testing.md
- assets/rss-events.example.jsonl