ADR-0004：下载逻辑收进包，scripts/download_paper.py 变薄壳¶
Context¶
仓库里「把一篇论文的 PDF 搞到手」有两个入口：
scripts/download_paper.py |
hydrolitagent/literature/download_pdf.py |
|
|---|---|---|
| 行数 | 650 | 484 |
| 形态 | 脚本，逻辑全在文件里，零测试 | 包内模块，有 tests/test_literature_download_pdf.py |
| 路由方式 | 按 DOI 前缀 | 按 URL 主机 |
| 覆盖 | Copernicus · science.org · SD · Wiley+AGU · AMS · Nature · SSRN | Elsevier · Springer · Wiley · T&F · AGU |
| 谁在用 | 全部 3 个 skill（download-pdf / paper-to-zotero / run-paper-to-zotero） |
只有文档 |
先澄清一个误判：这两个不是两份重复实现 —— 路由维度与覆盖面都不同，是互补的。
真正的问题是形态：scripts/ 下另外两个脚本（paper_input.py / paper_validate.py）
都已是「薄壳转发到包内」的形态，就它把 650 行逻辑内联在脚本里，且没有测试。
另有两处小病：verify_pdf 在两个文件里同名不同物
（脚本里返 bool 只查 %PDF-；模块里返 PdfMetadata 且会抛异常）；
sd_flow 里手写了 https://www.sciencedirect.com/science/article/pii/{pii}，
而模块里已有 pii_to_sciencedirect_url。
Decision¶
把下载逻辑收进包，scripts/download_paper.py 变薄壳。
- 新增
hydrolitagent/literature/download_browser.py（内部模块，无 CLI）：浏览器流程 （stealth / MCP 档案、5 个出版商 flow、playwright 惰性导入）。 单独成文件是为了不让download_pdf.py过千行。 hydrolitagent/literature/download_pdf.py成为公开模块：原有工具函数 + 并入 curl 优先、Crossref/Unpaywall、setup_check、sync_to_zotero，以及公开入口download_paper(...) -> int。原有 6 个子命令 CLI 不动。scripts/download_paper.py只解析 CLI → 调包内入口。 参数、help 文本、退出码逐项不变（3 个 skill 与多篇文档依赖它）。verify_pdf（bool 那个）改名is_pdf_file；sd_flow改用pii_to_sciencedirect_url。
明确不做：不合并 literature/ 与 cards/ 的取文献层（无重复代码，且 ADR-0002 仍然有效
——那两套 Zotero 客户端读的是不同库：群组库 vs 个人库）。
Consequences¶
- 下载逻辑可测了：
tests/test_literature_download_pdf.py41 → 59 个用例。 scripts/三个脚本形态一致：都是薄壳。脚本 650 → 68 行。- 同一件事不再有两个名字（
verify_pdf撞名消除；pii_to_sciencedirect_url不再有第二份）。 - 代价：付费墙浏览器流程（SD / Wiley / AMS / Nature / SSRN）本地跑不了 —— 本次只做到「原样搬运 + 可编译 + 静态核对」，其实跑行为未验证。将来改动这些流程时， 仍需真实 Chrome + 机构会话才能验证。
- 想统一的读者注意：
download_pdf.py的 6 个子命令（detect/doi/decode/verify/classify/output-path）仍在原处 —— 那是它的公开 CLI，未迁移。