gleaner

Gleaner（Skill + CLI）

用本机仓库统一 CLI 做三线学术文献采集。

安装 skill = 先下载项目（禁止只拷 SKILL.md）

用户说「安装 skill / 注册 skill / 装 gleaner」时，第一条命令必须是 clone 仓库。 没有 gleaner_cli.py 就还没装完。只拷本文件到 ~/.cursor/skills/gleaner 无效。

# 用户指定了目录就用那个；否则当前工作区下的 gleaner\
git clone https://github.com/liuqiaodongdong/gleaner.git <dest>
cd <dest>
python -m pip install -r requirements.txt
python gleaner_cli.py install-skill
$env:GLEANER_ROOT = (Resolve-Path .).Path
python gleaner_cli.py status

本机已有仓库：在仓库根跑 python gleaner_cli.py install-skill。
Skill 目录里已有脚本时：python scripts/bootstrap.py（没有仓库会自己 clone）。

然后才能录 cookie、再采集。

录 cookie（Agent 自己做，不要问用户拖滑块）

status 里 cookies.ok=false 或用户说「登录 / 录 cookie」时：

1. 先确认 .env 有 CJY_USER / CJY_PASS / CJY_SOFTID（没有则协助写好，再 status）。
2. Agent 自己启动（不要只跑 login-hint，不要让用户手拖或从 DevTools 复制）：
   • 首次无文件：$env:ACQ_BROWSER_CHANNEL='msedge'; $env:ACQ_ALLOW_COLD_LOGIN='1'; python login.py
   • 已有文件（批间重录）：只设 ACQ_BROWSER_CHANNEL=msedge，再 python login.py
3. login.py 内部用超级鹰 9602 过滑块并立刻写 cookies.json。Agent 不要另调超级鹰 API、不要用浏览器工具抠 cookie。
4. 终端出现 已更新会话 后重跑 status，再采。无个人知网账号。

官方仓库：https://github.com/liuqiaodongdong/gleaner.git
需要 Python 3.11+。知网线建议 Windows + 系统 Edge。

clone + install-skill 之后设 GLEANER_ROOT，再 status。线未 ready → 配 .env；无 cookie → Agent 自己跑 login.py。不要未就绪就硬采。

$env:GLEANER_ROOT = "<本仓库绝对路径>"
python "$env:GLEANER_ROOT\gleaner_cli.py" status
pwsh "$env:USERPROFILE\.grok\skills\gleaner\scripts\gleaner.ps1" status

子命令：install-skill | status | sources | score | login-hint | prepare | cnki-list | cnki | els | intl

默认根目录

优先级：GLEANER_ROOT → CLI --root → Skill 目录 .gleaner_root（包装脚本）→ 仓库内 gleaner_cli.py 所在目录。详见 references/env.md。

铁律

1. 先 status：任何采集前必须先跑
   python "$env:GLEANER_ROOT\gleaner_cli.py" status
   看 lines.*.ready / blockers / next_steps_for_user。线未 ready → 引导配置，禁止硬采。

2. 知网先录 cookie：status 里 cookies.ok=false 时 禁止 跑 cnki / cnki-list。Agent 必须自己启动 python login.py（超级鹰在脚本里自动过滑块并写盘）。禁止：只打印 login-hint 就停、让用户手拖滑块、让用户从浏览器复制 cookie、用浏览器工具抠 cookie、另外调用超级鹰接口。仅第一次没有文件才加 ACQ_ALLOW_COLD_LOGIN=1。冷启动采集下不了全文，只会空烧超级鹰。