新增 bioRxiv/medRxiv 搜索适配器

[jerry609]

动机

bioRxiv/medRxiv 是生物学和医学领域最大的预印本服务器。覆盖尚未正式发表但影响力大的研究。

API 信息

• URL: https://api.biorxiv.org/details/{server}/{start_date}/{end_date}/{cursor}
• server: biorxiv 或 medrxiv
• 认证: 免费, 无需 API key
• 限流: 无官方限制
• 返回: title, doi, authors (分号分隔), abstract, date, category

特殊性

bioRxiv API 不支持关键词搜索, 只能按日期范围返回所有论文 → 必须客户端 keyword 过滤:

def _matches_query(paper, keywords):
    text = f"{paper['title']} {paper['abstract']}".lower()
    return any(kw.lower() in text for kw in keywords)

因此更适合作为 daily digest / harvest pipeline 的数据源, 交互式搜索场景优先级较低。

涉及文件

文件	改动
infrastructure/harvesters/biorxiv_harvester.py	新建 — BioRxivHarvester
infrastructure/adapters/biorxiv_adapter.py	新建 — BioRxivAdapter(SearchPort)
infrastructure/adapters/__init__.py	注册 biorxiv adapter
tests/unit/test_biorxiv_adapter.py	新建

验收标准

• BioRxivAdapter 实现 SearchPort protocol
• 默认搜索最近 30 天的论文并过滤
• mock 测试通过