ZotWatcher

ZotWatcher 是一个基于 Zotero 数据构建个人兴趣画像，并持续监测学术信息源的新文献推荐流程。它每日在 GitHub Actions 上运行，将最新候选文章生成 RSS/HTML 报告，必要时也可在本地手动执行。

功能概览

• Zotero 同步：通过 Zotero Web API 获取文库条目，增量更新本地画像。
• 画像构建：对条目向量化，提取高频作者/期刊，并记录近期热门期刊。
• 候选抓取：拉取 Crossref、arXiv、bioRxiv/medRxiv（可选）等数据源，并对热门期刊做额外精准抓取。
• 去重打分：结合语义相似度、时间衰减、引用/Altmetric、SJR 期刊指标及白名单加分生成推荐列表。
• 输出发布：生成 reports/feed.xml 供 RSS 订阅，并通过 GitHub Pages 发布；同样可生成 HTML 报告或推送回 Zotero。

快速开始

1. 登录GitHub后，打开仓库页面 ZotWatch

2. 在顶部点击Fork按钮创建分支，将仓库复制到自己的GitHub账号下：Fork - Create fork

3. 到fork后的ZotWatch页面，点击设置（Settings），在设置页面左侧找到Secrets and variables，展开并点击下级的Action。

4. 点击右侧的New repository secret按钮，添加几个必要的Repository secrets

5. 添加几个必要的键值对，包括：

   • ZOTERO_API_KEY，此为获取 Zotero 数据库中现有个人信息所必须。登录 Zotero 网站的个人账户后，在 Settings - Security - Applications 处点击 Create new private key，其中 Personal Library 给予 Allow library access，Default Group Permissions 给予 Read Only 权限，保存获得 API。
   • ZOTERO_USER_ID，该 ID 可从上述 Settings - Security - Applications 处 Create new private key 按钮下方一行 User ID: Your user ID for use in API calls is ****** 获取。
   • OPENALEX_MAILTO，邮箱地址，用于部分网站 API 请求时的礼貌标注。
   • CROSSREF_MAILTO，邮箱地址，用于部分网站 API 请求时的礼貌标注。

6. 回到自己仓库首页，点击顶部Settings，在左侧找到Pages，在页面中为其Source选择GitHub Actions，使得生成的RSS页面直接发布到GitHub Pages。

   

7. 接下来点击顶部的Actions栏目，并确认开启GitHub Actins

8. 点击左侧Daily Watch & RSS，默认情况下fork来仓库的Workflow是关闭状态，点击右侧Enable workflow激活。

9. 此时仓库理论上会在每天早上六点自动运行，要立刻运行请点击Run workflow。首次运行需要全量生成向量数据库，会比较慢，可以点击All workflows查看运行状态。

   

10. 运行完后去 Settings - Pages 页面上可以看到自己的站点地址，此时直接访问此地址并不能打开，需要复制地址并在末尾加上/feed.xml，例如https://[username].github.io/ZotWatch/feed.xml，该地址可以导入 Zotero 的 RSS 订阅，或用于导入你喜欢的 RSS 阅读器。

本地运行

1. 克隆仓库并准备环境

   git clone <your-repo-url>
   cd ZotWatcher
   mamba env create -n ZotWatcher --file requirements.txt  # 或使用 pip 安装
   conda activate ZotWatcher

2. 配置环境变量 在仓库根目录创建 .env 或 GitHub Secrets，至少包含：

   • ZOTERO_API_KEY：Zotero Web API 访问密钥
   • ZOTERO_USER_ID：Zotero 用户 ID（数字） 可选：
   • ALTMETRIC_KEY：用于获取 Altmetric 数据
   • OPENALEX_MAILTO/CROSSREF_MAILTO：覆盖默认监测邮箱

3. 本地运行

   # 首次全量画像构建
   python -m src.cli profile --full
   
   # 日常监测（生成 RSS + HTML）
   python -m src.cli watch --rss --report --top 20

目录结构

├─ src/                   # 主流程模块
├─ config/                # YAML 配置，含 API 及评分权重
├─ data/                  # 画像/缓存/指标文件（不纳入版本控制）
├─ reports/               # 生成的 RSS/HTML 输出
└─ .github/workflows/     # GitHub Actions 配置

自定义配置

• config/zotero.yaml：Zotero API 参数（user_id 可写 $ {ZOTERO_USER_ID}，将由 .env/Secrets 注入）。
• config/sources.yaml：各数据源开关、分类、窗口大小（默认 7 天）。
• config/scoring.yaml：相似度、期刊质量等权重；并提供手动白名单支持。

常见问题

• 缓存过旧：候选列表默认缓存 12 小时，可删除 data/cache/candidate_cache.json 强制刷新。
• 未找到热门期刊补抓：确保已运行过 profile --full 生成 data/profile.json。
• 推荐为空：检查是否所有候选都超出 7 天窗口或预印本比例被限制；可调节 CLI 的 --top、_filter_recent 的天数或 max_ratio。

许可证

本项目采用 MIT License。