文献自动入库流水线

1三条路线汇进一条流水线

每日跑邮件订阅、PMC、期刊页三条采集路线，统一成同一种记录形状，抽出文章与数据编号。

2缺的元信息逐级补齐

来源自带 → 落地页 → PubMed/PMC → Crossref 四级降级，按「成本从低到高、可信度从高到低」排，任一级失败不中断后续。

抓取只对 6% 的行发生（332 / 5539）—— 92.8% 的编号直接来自 PMC 全文。这 332 次里成功 125 次、撞付费墙 155 次；付费墙转人工上传 PDF，原地重写原记录，不新增行。

3用 LLM 判断引用类型

一篇论文与一个数据集的关系有三种：提交、复用、只是引用。原本是规则，改成 LLM —— 这个判断需要全文级语义，往往要交叉方法、数据可用性声明与致谢多处才能定。

同集同口径下，规则版误判率 35.8%，LLM 降到 9.2%。

4三路一致才自动落库

所有记录先进审核队列，不直接写发布库。确定性规则判一次、LLM 用两个不同 prompt 各判一次，三路完全一致才自动采信；任意不一致即置空转人工。

500 条标注集上逐档实测：仅 LLM 一次覆盖 71.4%（9 条误判），三路一致覆盖 44.8%、该区间零误判。剩下的 55.2% 不是没兜住的错误，是设计内的分流。