BioArticlePusher 1.1.0

生物文章推送系统 - 智能搜索、AI过滤和飞书推送

BioArticlePusher

生物文章推送系统 - 智能搜索、AI过滤和飞书推送

简介

一个智能的生物文章搜索、AI过滤和飞书推送系统。支持从PubMed和BioRxiv自动搜索最新生物文章，使用AI模型评估文章相关性，并推送筛选结果到飞书群聊。

安装

pip install BioArticlePusher

或从源码安装：

git clone https://github.com/ykongxiang/BioArticlePusher.git
cd BioArticlePusher
pip install -e .

快速开始

方法1：使用Python函数创建配置文件

from pusher import create_config_template, create_secrets_template

# 创建配置文件模板
config_path = create_config_template("article_search_config.yaml")
secrets_path = create_secrets_template("secrets.yaml")

print(f"配置文件已创建: {config_path}")
print(f"密钥文件已创建: {secrets_path}")

方法2：手动创建配置文件

1. 复制配置文件模板：

cp secrets.yaml.template secrets.yaml
cp article_search_config.yaml.example article_search_config.yaml  # 如果存在

2. 编辑 secrets.yaml，填入API密钥：

ai:
  kimi:
    api_key: "YOUR_KIMI_API_KEY_HERE"
    base_url: "https://api.moonshot.cn/v1"

feishu:
  webhook_url: "YOUR_FEISHU_WEBHOOK_URL_HERE"

3. 运行：

bioarticle-pusher

使用自定义配置文件

from pusher import ArticleSearcher

# 指定自定义配置文件路径
searcher = ArticleSearcher(
    config_file="my_config.yaml",
    secrets_file="my_secrets.yaml"
)

# 搜索文章
results = searcher.search_articles(days=7)

配置参数说明

搜索配置 (article_search_config.yaml)

search_config

• days: 搜索最近几天的文章（默认：7）
• max_results_per_journal: 每个期刊最大结果数（默认：20）

journals

• pubmed_journals: PubMed期刊列表，可添加或删除期刊
• biorxiv.enabled: 是否启用BioRxiv搜索（true/false）
• biorxiv.subjects: BioRxiv主题列表，如：bioinformatics, computational_biology, genomics

keywords

• any: 任意匹配的关键词列表（文章包含任一关键词即可）
• all: 必须全部包含的关键词列表（文章必须包含所有关键词）

authors

作者过滤配置，用于筛选特定作者的文章。

• mode: 过滤模式

  • "biorxiv_only": 仅对BioRxiv文章进行作者过滤，PubMed文章不受影响
  • "all": 对所有来源的文章（包括PubMed和BioRxiv）进行作者过滤

• include: 包含的作者列表

  • 只保留包含这些作者的文章
  • 支持部分匹配，例如配置 "Fabian Theis" 可以匹配 "Fabian J. Theis"
  • 作者姓名必须完全匹配（不区分大小写）
  • 示例：

    include:
      - "Fabian Theis"
      - "David Baker"
      - "Aviv Regev"
    

• exclude: 排除的作者列表

  • 排除包含这些作者的文章
  • 支持部分匹配
  • 如果同时设置了 include 和 exclude，先应用 include 过滤，再应用 exclude 过滤
  • 示例：

    exclude:
      - "Author Name"
    

使用示例：

authors:
  mode: "biorxiv_only"  # 只过滤BioRxiv文章
  include:
    - "Fabian Theis"
    - "David Baker"
  exclude: []  # 不排除任何作者

注意事项：

• 如果 include 列表为空，则不会进行包含过滤（所有文章都保留）
• 如果 mode 为 "biorxiv_only"，PubMed文章不会受到作者过滤影响
• 如果文章没有作者信息，在 mode: "all" 且有 exclude 列表时，文章会被保留；否则会被过滤掉

ai_filtering

AI过滤配置，用于使用AI模型评估文章相关性。

基本配置：

• enabled: 是否启用AI过滤（true/false）
• demo_mode: 演示模式，无需API key（true/false）
• language: AI描述语言设置（"zh" 中文，"en" 英文，默认："zh"）
  • 影响AI生成的description字段的语言
  • 需要在提示词中使用 {language} 占位符
• max_articles_for_filtering: 最大检索上限，控制交给AI过滤的文章数量（默认：100，0表示无限制）
  • 当检索到的文章数量超过此上限时，只对前N篇文章进行AI过滤
  • 可以有效控制AI过滤的处理时间，避免处理过多文章导致脚本运行时间过长
  • 示例：设置为 10 时，即使检索到209篇文章，也只会对前10篇进行AI过滤
• model.provider: 模型提供商（kimi, deepseek, openai）
• model.name: 模型名称
• model.api_key: API密钥（从secrets.yaml引用：${secrets.ai.kimi.api_key}）
• model.base_url: API基础URL（从secrets.yaml引用：${secrets.ai.kimi.base_url}）
• model.temperature: 模型温度参数（0.0-1.0，默认：0.1）
• model.max_tokens: 最大生成token数（默认：1000）
• prompt: AI过滤提示词，可自定义评估标准（可使用 {language} 占位符）

最大检索上限使用示例：

ai_filtering:
  enabled: true
  max_articles_for_filtering: 50  # 最多处理50篇文章
  # 设置为 0 表示无限制，处理所有检索到的文章
  # 设置为 10 可以快速测试，只处理前10篇文章

支持的AI提供商：

1. Kimi (Moonshot)

   ai_filtering:
     model:
       provider: "kimi"
       name: "kimi-k2-0905-preview"
       api_key: "${secrets.ai.kimi.api_key}"
       base_url: "https://api.moonshot.cn/v1"
   

   在 secrets.yaml 中配置：

   ai:
     kimi:
       api_key: "YOUR_KIMI_API_KEY"
       base_url: "https://api.moonshot.cn/v1"
   

2. DeepSeek

   ai_filtering:
     model:
       provider: "deepseek"
       name: "deepseek-chat"
       api_key: "${secrets.ai.deepseek.api_key}"
       base_url: "https://api.deepseek.com"
   

   在 secrets.yaml 中配置：

   ai:
     deepseek:
       api_key: "YOUR_DEEPSEEK_API_KEY"
       base_url: "https://api.deepseek.com"
   

3. OpenAI

   ai_filtering:
     model:
       provider: "openai"
       name: "gpt-4"
       api_key: "${secrets.ai.openai.api_key}"
       base_url: "https://api.openai.com/v1"
   

   在 secrets.yaml 中配置：

   ai:
     openai:
       api_key: "YOUR_OPENAI_API_KEY"
       base_url: "https://api.openai.com/v1"
   

添加新的AI提供商（无需修改代码）：

系统使用通用API调用方法，自动适配所有支持OpenAI兼容API格式的AI提供商。

✅ 无需修改代码 - 只需在配置文件中指定新的提供商即可

使用步骤：

1. 在 secrets.yaml 中添加新提供商的配置：

   ai:
     your_provider:  # 例如：claude, gemini, qwen等
       api_key: "YOUR_API_KEY"
       base_url: "https://api.yourprovider.com/v1"
   

2. 在 article_search_config.yaml 中配置：

   ai_filtering:
     model:
       provider: "your_provider"  # 使用新的提供商名称
       name: "your-model-name"    # 模型名称
       api_key: "${secrets.ai.your_provider.api_key}"
       base_url: "${secrets.ai.your_provider.base_url}"
       temperature: 0.1
       max_tokens: 1000
   

3. 完成！系统会自动使用新提供商。

API格式要求：

• 支持 /chat/completions 端点
• 使用 Bearer token认证（Authorization: Bearer {api_key}）
• 请求格式与OpenAI兼容
• 响应格式包含 choices[0].message.content 字段
• 响应内容为有效的JSON格式

注意事项：

• 如果API不支持 response_format: {"type": "json_object"}，系统仍会尝试解析响应，但需要在提示词中明确要求返回JSON格式
• demo_mode 模式可用于测试，无需真实的API密钥
• 建议先在演示模式下测试配置，确认无误后再使用真实API

feishu

• enabled: 是否启用飞书推送（true/false）
• webhook_url: 飞书机器人Webhook URL（从secrets.yaml引用：${secrets.feishu.webhook_url}）
• push_config.max_articles_per_push: 每次推送的最大文章数（默认：10）
  • 当启用主题分组推送时，这是每个主题单条消息的最大文章数
  • 如果某个主题的文章超过此限制，会自动分为多批推送
• push_config.group_by_topic: 是否按主题分批次推送（默认：true）
  • 设置为 true 时，文章会按AI识别的主题分组，每个主题单独推送一条消息
  • 设置为 false 时，使用原有的单次推送方式（所有文章一条消息）
  • 支持的主题类别：single-cell（单细胞分析）、genomics（基因组学）、proteomics（蛋白质组学）、metabolomics（代谢组学）、network（网络分析）、simulation（模拟建模）、foundation_model（基础模型）、aging（衰老研究）、other（其他）
• push_config.include_abstract: 是否推送文章摘要（true/false）
• push_config.abstract_max_length: 摘要最大长度（默认：200）
• push_config.include_ai_evaluation: 是否推送AI评估结果（true/false）
• push_config.language: 推送语言设置（"zh" 中文，"en" 英文，默认："zh"）
  • 影响推送消息的标签语言（如"期刊"→"Journal"、"作者"→"Authors"等）
  • 影响AI评估描述的语言（AI生成的description字段）
  • 影响主题名称的显示语言
• push_config.template: 推送消息模板，可自定义格式（仅在 group_by_topic: false 时使用）

主题分组推送示例：

feishu:
  push_config:
    max_articles_per_push: 10  # 每个主题单条消息最多10篇文章
    group_by_topic: true  # 启用主题分组推送

当启用主题分组推送时：

• 文章会按AI识别的主题自动分组
• 每个主题推送一条独立的消息，消息标题包含主题名称
• 如果某个主题的文章超过 max_articles_per_push 限制，会自动分为多批推送
• 推送顺序按主题文章数量降序排列
• 日志中会显示主题分组信息和推送进度

语言设置示例：

设置AI描述为英文，推送消息为中文：

ai_filtering:
  language: "en"  # AI描述使用英文

feishu:
  push_config:
    language: "zh"  # 推送标签使用中文

设置全部为英文：

ai_filtering:
  language: "en"

feishu:
  push_config:
    language: "en"

output

• filename_format: 输出文件名格式，支持 {days} 占位符（默认："search_results_{days}days.json"）
• show_details: 是否显示详细信息（true/false）
• abstract_max_length: 摘要长度限制，-1表示不限制（默认：-1）

命令行使用

Python 命令行工具

# 搜索最近7天的文章并推送
bioarticle-pusher

# 搜索最近3天的文章
bioarticle-pusher --days 3

# 使用自定义配置文件
bioarticle-pusher --config my_config.yaml --secrets my_secrets.yaml

# 只搜索，不推送
bioarticle-pusher --no-push

Shell 脚本使用（推荐用于定时任务）

项目提供了 article_pusher.sh 脚本，整合了文章搜索、cron任务管理和日志查看功能。

基本用法

# 1. 执行文章搜索（默认）
./article_pusher.sh
# 或
./article_pusher.sh run

# 2. 快速设置每天3点的cron任务
./article_pusher.sh setup-cron

# 3. 进入cron任务管理菜单
./article_pusher.sh manage

# 4. 查看帮助
./article_pusher.sh help

自定义配置

编辑脚本顶部的配置区域：

# Conda 环境名称
CONDA_ENV_NAME="bioinfopusher"

# 配置文件路径
YAML_PATH="article_search_config.yaml"
SECRET_PATH="root/secret.yaml"

# 调试模式（通过环境变量 DEBUG=1 启用）
DEBUG=${DEBUG:-0}

调试模式

启用调试模式查看详细信息：

DEBUG=1 ./article_pusher.sh

Cron 任务管理

进入管理菜单后，可以：

1. 查看当前 cron 任务
2. 设置新的执行时间（支持自定义 cron 表达式）
3. 删除 cron 任务
4. 测试执行脚本（立即运行）
5. 查看日志文件
6. 退出

定时执行示例

# 设置每天凌晨3点自动执行
./article_pusher.sh setup-cron

# 或使用管理菜单设置自定义时间
./article_pusher.sh manage
# 然后选择选项2，输入cron表达式，例如：
# 0 18 * * *  # 每天18点执行
# 0 */6 * * *  # 每6小时执行一次

日志文件

日志文件保存在 logs/ 目录下，按日期命名：

• bioinfo_search_YYYYMMDD.log

注意事项

• 确保脚本有执行权限：chmod +x article_pusher.sh
• 确保 conda 环境已正确配置
• 确保配置文件 article_search_config.yaml 存在
• 脚本会自动检测并激活指定的 conda 环境

Python API

from pusher import ArticleSearcher

# 初始化搜索器
searcher = ArticleSearcher()

# 搜索文章
results = searcher.search_articles(days=7)

# AI过滤
filtered_results = searcher.filter_with_ai(results)

# 推送到飞书
searcher.push_to_feishu(results, filtered_results, days=7)

# 保存结果
searcher.save_results(filtered_results, days=7)

# 完整工作流程
final_results = searcher.run_complete_workflow(days=7)

许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。