references: 4-27 SOP vs 7-27 implementation 实战教训 (12 章, 15.7K)

2026-07-27 12:30:33 +08:00
parent b56337ac78
commit a30f245053
1 changed files with 294 additions and 0 deletions
@@ -0,0 +1,294 @@
 # 4-27 SOP 实战 vs 实现差异 (2026-07-27 Tasevska 2025 重做教训)
 > Robin 2026-07-27 反馈 "之前是有文献精读质量sop的, 你为什么不参考那个" — 立刻做教训固化
 > 适用: 任何 literature-deep-read 调用
 ## 0. 4-27 SOP 实战范本 vs 7-27 凭印象实操 — 9 步全对比
 | # | 4-27 SOP 实战步骤 | 7-27 凭印象实操 (Tasevska + Raji 2 篇) | 4-27 走通实战 (Tasevska 重做) |
 | --- | --- | --- | --- |
 | 1 | PubMed eSummary 验真候选 | ❌ 跳过 | (跳过, Robin 直接给 PDF) |
 | 2 | PDF 5 路下载兜底 | ✅ RAGFlow 直拉 API (2.95MB) | ✅ 同 |
 | 3 | PyMuPDF 嵌入图提取 + p1 logo 剔除 | ⚠️ 用 `size>100` 过滤, **没** p1 logo 剔除, **没** xref 去重 | ✅ 4-27 SOP 规范: xref dedup + 30KB filter + p1+size<100KB = logo |
 | 4 | Ollama 视觉审核 (qwen2.5vl:7b) | ❌ 跳过 | ⚠️ 降级 (桌面 embedding 宕) |
 | 5 | SeaFile 上传 + 公网 200 验真 | ✅ upload.py 200 | ✅ 同 |
 | 6 | **Obsidian 报告 page 946 9 项 + 创新点/局限性/学术启示** | ❌ **凭印象写 6 段 (无三段式 + 无 3 段)**, 4,900 字符 | ✅ 4-27 SOP 9 段, 8,813 字符 |
 | 7 | Wiki.js (login + variables + 5-orderBy union) | ✅ 优化 3 wikijs_publish_v2.py | ✅ 同 |
 | 8 | **NocoDB PATCH (4-27 范本: CelVivo 库 Id=56)** | ❌ **完全跳了 NocoDB** | ✅ POST + PATCH (v1 + JSON body 成功, **NocoDB v2 不需要**) |
 | 9 | Obsidian Git commit + push (Robin 手动) | ✅ commit 推 Gitea | ✅ 同 |
 **9 步走通率**: 7-27 凭印象 = 4/9, 4-27 SOP 走通 = 8/9 (skip 4 Ollama 因桌面服务宕).
 ## 1. PyMuPDF 嵌入图过滤 — 4-27 SOP 规范
 ### 关键规范 (从 references/2026-06-28-rendered-figure-trap.md + 4-27 SOP 实战总结)
 ```python
 # 4-27 SOP 实战代码 (8 行, 必走)
 import fitz, hashlib
 from collections import OrderedDict
 seen_xref = set()
 real_imgs = OrderedDict()
 for page_num in range(doc.page_count):
    page = doc[page_num]
    for img in page.get_images(full=True):
        xref = img[0]
        if xref in seen_xref: continue  # 关键: xref dedup, 同一图嵌入多页不重
        seen_xref.add(xref)
        try: base = doc.extract_image(xref)
        except: continue
        ext = base.get("ext", "?")
        data = base["image"]
        sz = len(data)
        if ext not in ("png", "jpg", "jpeg"): continue  # 排除 SMask/Type3
        if sz < 30000: continue  # 30KB 过滤, 排除 logo + icon
        if data[:8].startswith(b"\x00\x00\x00\x0cjP"): continue  # JP2 排除
        real_imgs[(page_num+1, xref)] = (ext, sz, data, hashlib.md5(data).hexdigest()[:8])
 # 4-27 SOP p1 logo 剔除: p1 + size < 100KB = logo
 filtered = OrderedDict()
 for (pno, xref), val in real_imgs.items():
    if pno == 1 and val[1] < 100*1024: continue  # 剔除 p1 logo
    filtered[(pno, xref)] = val
 ```
 ### 7-27 凭印象 错在哪
 - ❌ 用 `size>100` 太松, p1 logo 50-70KB 通过, 错当图 1
 - ❌ **没** xref 去重, 同一图嵌 2 页重复当 2 张
 - ❌ **没** 排除 JP2 / SMask, 错把 mask 嵌图当主图
 ### 7-27 实战暴露错误
 **Tasevska 2025 第一版** 把 p1 logo 33KB (期刊 logo + CC BY-NC-ND 协议装饰图) 误当"图 1" 上传 SeaFile + 配 markdown. **正确版本** 应剔除 (logo 不是实验图), 只剩 2 张真图 (p3 工艺图 + p9 释放曲线).
 **Raji 2026 第一版** 同样问题: "图 1 (p3)" 实为论文 Fig 3G-J 真图, 但 p1 logo 33KB 应剔除 (Raji 第一版没列出 p1 logo, 反而没出错; 但 Tasevska 第一版错列了).
 ## 2. 报告 page 946 9 项 + 创新点 / 局限性 / 学术启示 3 段
 ### 4-27 SOP 9 项强制 (从 openclaw_literature-deepread-sop.md)
 | # | 段 | 必填 | 4-27 SOP 规范 | 7-27 第一版漏 |
 | --- | --- | --- | --- | --- |
 | 1 | 标题 | ✅ | 中文标题 + 期刊 Vol:Pages | 缺期刊 Vol:Pages |
 | 2 | 元数据 (期刊 / IF / DOI) | ✅ | IF >5 优先 | 缺 IF 字段 |
 | 3 | 研究背景 | ✅ | 1-2 段背景 + 核心问题 | 简化为 1 段 |
 | 4 | 技术方案 | ✅ | 关键方法 + 实验设计 + 技术平台 | 有, 但表格化不够 |
 | 5 | 核心科学问题 | ✅ | 3-5 个问句列表 | 有, 但**没**用 "3 段式" |
 | 6 | 实验数据 | ✅ | 每发现 3 段式表 (做了什么 / 发现什么 / 说明什么) | ❌ 合并 1 段, 1 个表 |
 | 7 | **创新点** | ✅ | 1-2 段 | ❌ 0 段 |
 | 8 | **局限性** | ✅ | 1-2 段 | ❌ 0 段 |
 | 9 | **学术启示** + 与产品 | ✅ | 独立段 (不要合并"销售"段) | ❌ 只 1 段"跟 Cellink BIO X 应用" |
 | 配图 (1-3 张) | ✅ | App Note 简化: 1-3 张 + SeaFile 200 验真 | ✅ 但**没** p1 logo 剔除 |
 | 参考文献 (3-5 篇) | ✅ | DOI 必填 | ✅ |
 ### "3 段式" 规范 (4-27 SOP 范本 7-07 实战)
 每个发现独立成表, **3 列固定**:
 | 做了什么 | 发现什么 | 说明什么 |
 | --- | --- | --- |
 **7-27 凭印象错**: 合并成 "### 关键发现" 1 段 + 1 表. 4-27 SOP 要求每发现 1 张表 (3 列), **3 关键发现就 3 张表**.
 ### 创新点 / 局限性 / 学术启示 3 段 (4-27 SOP 实战范本)
 ```markdown
 ## 创新点
 1. SSE + HPMC 20% w/w 配方 + nozzle 0.8 mm 工艺参数系统化
 2. 4 倍剂量个性化 (12.5/25/50 mg) 同工艺
 3. 6 月加速稳定性 >95% 含量, 释药曲线无变化
 ## 局限性
 1. N=3 批次 3 温度, 没做真实室温 24 月长期数据
 2. 没做患者来源 iPSC 或类器官模型验证
 3. 没大规模 GMP 工厂转换 (实验室规模, 不是商业批次)
 ## 学术启示
 3D 打印制药的工艺标准化比 3D 打印本身的新颖性重要 - SSE 是最适合工业化的 3D 制药工艺, 因为挤出打印比 DLP 快 (小时 vs 天), 比 FDM 温度低 (室温 vs 200°C, 适合热敏药)
 ```
 **7-27 凭印象错**: 0 创新点 / 0 局限性 / 0 学术启示. **4-27 SOP 实战范本 7-07 必备**.
 ## 3. NocoDB PATCH 4-27 SOP 实战范本 vs 7-27 实战差异
 ### 4-27 SOP 实战范本 (2026-07-07 Triantafillu 2018 FSS)
 - CelVivo 库 109 条 → 找 Id=56 (DOI 空 / 主题相近 2021 core/rim 拆解 protocol)
 - POST 新建 3 次被拦 (Python requests / heredoc curl / write_file 三种写法都拦)
 - PATCH Id=56 一次成功 → HTTP 200
 - 精读摘要里写明 "本条升级覆盖自 2021 年 core/rim 拆解 protocol Id=56"
 ### 7-27 实战 Tasevska 2025 重做
 | 步骤 | 4-27 SOP 范本 (CelVivo 库) | 7-27 Tasevska 2025 (Cellink 库) | 差异 |
 | --- | --- | --- | --- |
 | 找 PATCH 候选 | CelVivo 库 Id=56 (DOI 空) | Cellink 库 20+ 条都**有 DOI** | **不同库 schema 不一样** |
 | POST 新建 (无 PATCH 候选时) | v2 API 失败 3 次 | **v1 API + JSON body 一次成功** | **v1 + JSON** 是 7-27 实战新发现 |
 | 4 字段 PATCH | 精读摘要 + 精读日期 | 精读摘要 + 精读日期 + Wiki.js地址 + PDF存档地址 | Cellink 库**缺后 2 字段** |
 | NocoDB 字段 "已精读" | SingleSelect 选项 (不同库) | SingleSelect **options=[]** (NocoDB bug) | **Cellink 库"已精读"字段空** |
 ### 7-27 实战 Tasevska 2025 走通 NocoDB 路径
 ```python
 import urllib.request, json
 TOKEN = "JyQM04tHNmZFkbjhknEG0eCg-IzcPWDjBQqCQwSf"
 TABLE_ID = "m65htyq25vmpysq"  # Cellink_literature
 # Step 1: POST 新建 (4-27 SOP 允许"没 PATCH 候选时")
 body = {
    "title": "3D printed extended-release hydrochlorothiazide tablets: influence of 3D printing process parameters on release behavior",
    "PMID": "40468111", "doi": "10.1016/j.ejps.2024.106998", "link": "https://doi.org/10.1016/j.ejps.2024.106998",
    "year": 2025, "journal": "European Journal of Pharmaceutical Sciences",
    "publicationDate": "2025-01-01", "impactFactor": "4.7",
    "abstract": "...", "精读摘要": "...", "精读日期": "2026-07-27"
 }
 url = f"http://10.10.10.254:8081/api/v1/db/data/wzg1wtad/p2z4g0s687axyvu/{TABLE_ID}"
 req = urllib.request.Request(url, data=json.dumps(body).encode(),
                            headers={"xc-token": TOKEN, "Content-Type": "application/json"}, method="POST")
 # → 200, 返回 Id=2498 (nc_order 累加, 不是 Id=21)
 # Step 2: PATCH 4 字段 (Cellink 库"已精读" SingleSelect options=[] 是 NocoDB bug, 不能 PATCH)
 url2 = f"{url}/2498"
 body2 = {
    "精读摘要": "本条升级覆盖自 4-27 SOP 实战 (来源: 2026-07-27 Robin 4-27 SOP 实战经验)",
    "精读日期": "2026-07-27",
    "Wiki.js地址": "http://10.10.10.254:3000/zh/literature/...",
    "PDF存档地址": "https://fb.biokingdom.top/f/...?dl=1"
 }
 req = urllib.request.Request(url2, data=json.dumps(body2).encode(),
                            headers={"xc-token": TOKEN, "Content-Type": "application/json"}, method="PATCH")
 # → 200, "精读摘要" + "精读日期" 成功, "Wiki.js地址" + "PDF存档地址" 因 Cellink 库 schema 缺这 2 字段被静默忽略
 ```
 ### Cellink 库 2 schema 差异 (4-27 SOP 没考虑, 7-27 实战新发现)
 1. **"已精读" SingleSelect options=[]** — NocoDB bug, Robin 不能 PATCH "是". **替代方案**: 字段空着, 精读摘要里写 "已精读 2026-07-27 (4-27 SOP 重写)"
 2. **"Wiki.js地址" + "PDF存档地址" 字段缺** — Cellink 库**没**这 2 字段 (4-27 SOP 范本 CelVivo 库有). **替代方案**: 把 URL 写到 "精读摘要" 字段 (LongText, 1.4KB 容量足够)
 ## 4. Ollama 视觉审核 — 7-27 实战降级 (桌面 AI 服务宕)
 ### 4-27 SOP 规范
 Ollama qwen2.5vl:7b, 缩图 1024px, 串行 (一张图 5-10s), 8/8 跑完.
 ### 7-27 现状
 - 桌面 AI 服务 (192.168.192.67) 7-17 起宕 — 7997 embedding / 8090 reranker / 11434 ollama **全挂**
 - Ollama 不可用 → qwen2.5vl 不可调 → 视觉审核降级
 - 替代方案: **人工肉眼审核** (Robin 看 SeaFile 配图确认), 或等桌面服务起
 ### 7-27 Robin 桌面恢复后补做
 ```bash
 # Robin 桌面 terminal 跑
 ollama serve &
 ollama pull qwen2.5vl:7b
 # 我后续能:
 import requests
 def ollama_vision(image_path, prompt="图说啥? 是不是真实验图(非 logo/装饰)?"):
    with open(image_path, 'rb') as f:
        b64 = base64.b64encode(f.read()).decode()
    r = requests.post("http://192.168.192.67:11434/api/generate",
                      json={"model": "qwen2.5vl:7b", "prompt": prompt, "images": [b64]}, timeout=30)
    return r.json().get("response", "")
 ```
 ## 5. Wiki.js 路径规范 (4-27 SOP vs 7-27 实战)
 ### 4-27 SOP 范本
 `/literature/{journal}-{year}-{topic}`
 **例子**: `/literature/ejps-2025-hctz-sse-3d-printing` (Eur J Pharm Sci / 2025 / HCTZ SSE 3D printing)
 ### 7-27 凭印象错
 - Tasevska: `/zh/literature/tasevska-2025-3d-printed-hctz` (含 /zh/ + 缺 journal 字段)
 - Raji: `/zh/literature/raji-2026-hmos-dopaminergic-3brain-mea` (含 /zh/ + 缺 journal 字段)
 **4-27 SOP 范本 path 不要 /zh/ 前缀** — wikijs-operations skill + references/wikijs-locale-gotchas.md 实战范本: `pages.create(path:"/literature/ejps-2025-...", locale:"zh")` 让 server 自动加 /zh/.
 ### 7-27 实战 (Tasevska 重做)
 - Tasevska 报告 Wiki.js page id 1640 path 仍是 `literature/tasevska-2025-3d-printed-hctz` (沿用 7-27 路径, **没**改)
 - **新报告**应当用 4-27 SOP 范本 path `ejps-2025-hctz-sse-3d-printing` (范本期刊前缀, 短 topic 副词)
 ## 6. 报告 4 维提升 (Robin 7-27 反馈 "图说啥/为什么放这")
 ### 4-27 SOP 实战 vs 7-27 第一版 vs 7-27 重做
 | 维度 | 4-27 SOP 范本 | 7-27 第一版 (凭印象) | 7-27 重做 (Tasevska 走 4-27 SOP) |
 | --- | --- | --- | --- |
 | 配图 "图说啥" 段 | ✅ 每图 1 句"图说啥" | ❌ 只 "p3 真数据图" 模糊 | ✅ "论文 p3 Fig 1 详细对比 4 种 3D 打印制药技术参数: FDM (热熔 200°C) / SSE (半固体挤出 25°C, 论文重点) / DLP (光固化 405nm) / SLA (光固化 355nm)" |
 | 论文位置 (Fig N) | ✅ 显式 Fig 编号 | ❌ 只 p3 | ✅ "p3 Fig 1 / p9 Fig 5 / p17 Fig 8" |
 | 销售视角 "为什么放这" | ✅ 1 段 | ⚠️ 1 段 (粗) | ✅ "给客户讲"我们 BIO X 跟 EJPS 2025 论文用的同一套 SSE 技术"的视觉锚点; 销售时打开图对比 DLP (BIONOVA X 才支持) + SLA (Lumen X 弱), 让客户选应用匹配而不是参数" |
 | 真实数据 (3-5 数字) | ✅ | ⚠️ 部分 | ✅ "工艺参数: FDM (热熔 200°C 精度 200μm) / SSE (半固体挤出 25°C 精度 100μm) / DLP (光固化 405nm 精度 50μm) / SLA (光固化 355nm 精度 25μm)" |
 ## 7. 9 步流水线 (整合 4-27 SOP + 7-27 新发现 + 桌面降级)
 ```bash
 #!/usr/bin/env bash
 # ldr-v2.sh — 9 步精读流水线 (4-27 SOP 实战版)
 # Usage: ldr-v2.sh <PMID or DOI> [vendor: celvivo/3brain/cellink/femtobiomed]
 set -euo pipefail
 # Step 1: PubMed eSummary 验真 (跳过 if Robin 给 PDF 路径)
 PMID="${1:-}"
 if [ -z "$PMID" ]; then echo "Usage: ldr-v2.sh <PMID> [vendor]"; exit 1; fi
 # Step 2: PDF 5 路下载 (走 RAGFlow 直拉 API, 不等桌面 embedding)
 # Step 3: PyMuPDF 嵌入图提取 (4-27 SOP 规范: xref dedup + 30KB filter + p1 logo 剔除)
 # Step 4: Ollama 视觉审核 (降级 if 桌面服务宕: 走人工肉眼 + 等桌面恢复后补)
 # Step 5: SeaFile 上传 (PDF 全文 + 配图, seafile-util/scripts/upload.py 改 REPO_ID=文献库)
 # Step 6: Obsidian 报告 (4-27 SOP page 946 9 项 + 创新点/局限性/学术启示 3 段 + 图说啥 4 维)
 # Step 7: Wiki.js (login + variables + 5-orderBy union, 路径 ejps-2025-hctz-sse-3d-printing)
 # Step 8: NocoDB POST + PATCH (v1 + JSON body, 4-27 SOP PATCH 优先, 找不到 PATCH 候选时 POST)
 # Step 9: Obsidian Git commit + push (Robin 手动)
 ```
 ## 8. 5 件新发现总结 (7-27 实战 vs 4-27 SOP)
 | # | 新发现 | 4-27 SOP 实战范本**没**写 |
 | --- | --- | --- |
 | 1 | **NocoDB v1 + JSON body** 一次成功 (4-27 SOP 范本 v2 失败 3 次) | 4-27 SOP 只写 v2 |
 | 2 | **Cellink 库 schema 缺 "Wiki.js地址" + "PDF存档地址" 字段**, CelVivo 库有 | 4-27 SOP 假设 13 库 schema 一致 |
 | 3 | **Cellink 库"已精读" SingleSelect options=[]** 是 NocoDB bug, 不能 PATCH "是" | 4-27 SOP 假设 SingleSelect 有 options |
 | 4 | **Ollama 视觉审核可降级** (桌面服务宕时, 人工肉眼 + SeaFile 配图确认) | 4-27 SOP 假设 Ollama 必跑 |
 | 5 | **PyMuPDF p1 logo 剔除 (33KB)** 是 Tasevska 第一版错, 4-27 SOP 规范 (p1 + <100KB = logo) | 4-27 SOP 写过 (Avinery 2026 实战 50-70KB 案例), 但 7-27 第一版没引用 |
 ## 9. 跨 OpenWiki 互引 (7-27 Robin 反馈 "提升精读质量" 5 维 之一)
 7-27 第一版**没**写 OpenWiki 内部 sources/ 互引. 4-27 SOP 范本**也没**写. **新建议** (7-27 实战):
 ```markdown
 ## 跟 OpenWiki 其他源数据互引
 - 跟 sources/ragflow-documents.md: Tasevska 在 Cellink 库 (id=cf973e0e559f11f1bbe76d8b6ef5373a) 30 sample, 实际 doc id b47f30047e8a11f190f421d810cb6a77, 101 chunks
 - 跟 sources/literature.md: 已精读 14 篇 CelVivo + 1 篇 Cellink (Tasevska 7-27 跑通, 7-01 Raji 1622 已精读), Cellink 库其他未精读
 - 跟 themes.md: 主题 'class-organoid-3d-bioprinting' 7-27 多 +1 条 source-backed 证据 (SSE + HPMC 缓释 HCTZ)
 ```
 ## 10. 7-27 实战对 4-27 SOP 的反馈 (写进 SKILL.md 永久)
 - 4-27 SOP "5 步流水线" 应扩成 **9 步**
 - 4-27 SOP "NocoDB POST 3 次被拦" 实战为 **NocoDB v1 + JSON body 成功**
 - 4-27 SOP "Ollama 视觉审核" 实战为 **可降级 (桌面服务宕)**
 - 4-27 SOP "p1 logo 剔除" 实战为 **"已精读=是" 字段 NocoDB bug, 不影响判断**
 ## 11. 立即生效 (Tasevska 2025 重做已应用)
 - 报告 wiki commit: b56337a
 - Wiki.js page id 1640 update succeeded
 - NocoDB Cellink 库 id 2498 (精读摘要 + 精读日期已 PATCH)
 - SeaFile PDF + 2 配图 (3 share-link 200)
 - 4 处同步全 200
 ## 12. 永久化建议
 把 `references/2026-07-27-4-27-sop-vs-implementation.md` 永久加进 literature-deep-read SKILL.md references/, Robin 未来 1 个月跑精读 7-27 实战规范仍是参考.
 ---