v0.8: Serper 集成 + H1 章节标题双行居中 + 反方证据观点化 + 术语核查命令

新增：Google 系检索（SerpAPI → Serper.dev）

- scripts/lib/serper_client.py：封装 serper.dev 的 Google Search / Scholar / News / Patents
- 专利检索用 site:patents.google.com 技巧，serper.dev 没专用 endpoint 但效果很好
- Scholar 带引用数、年份、期刊信息，便于权威信源识别
- News 支持 time_range（d/w/m/y）时效性过滤

- scripts/lib/search_client.py 扩展为多路由门面：
  - search() 通用：Exa → Tavily
  - patents() 专利：Serper（Google Patents）→ 通用搜索 + site: 兜底
  - scholar() 论文：Serper Scholar → 通用搜索兜底
  - news() 新闻：Serper News → 通用搜索兜底
- 所有 httpx 客户端 trust_env=False，绕过系统 socks5 代理（v0.6 修过的 TLS EOF）

- .opencode/skills/search-strategy/SKILL.md §三重写：按查询类型路由，明确何时用哪个 API

H1 章节标题：两行居中 + 装饰横线

- 新增 ParagraphStyle: h1-chapter-num / h1-chapter-title
- 新增 parse_chapter_title() 支持中文/阿拉伯/混合空格章号：
  "第一章" / "第 9 章" / "第6章" / "Chapter 1" 全覆盖
- 分隔符支持: em dash — / en dash – / - / : / ：
- 新增 build_chapter_header()：章号小字居中 + 章名大字深蓝居中 + HRFlowable 3cm 装饰线
- 只对正文章节（_title_kind == "chapter"）启用；前置件（免责声明/执行摘要/术语表/目录）
  仍用单行 h1 样式

反方证据段规范化（用户反馈 v0.7 问题 #5）

- skill:evidence-table 新增 §"正文中反方证据段落的写作规范"：
  - 禁止机械标题"反驳证据" / "Counter-Evidence" / "反方观点"
  - 必须观点化，包含具体判断（如"另一种声音：管线虚胖还是真实进展？"）
  - 用 H2 或 H3，禁止加粗段冒充标题
  - 给出段落结构模板（1-2 句过渡 → 列表型反方论点 → 整合判断）
- dr-analyst.md Hard Rules #3 改为引用该规范

术语表事实核查前置（新 command /dr-glossary）

- 新增 .opencode/commands/dr-glossary.md，支持 --from phase1|phase2|phase4 三个时机
- Phase 1 末 / Phase 2 初：从 framework.md 抽取专有名词种子表，在 dr-analyst 起草前
  预先核查公司名/产品名/技术名拼写，避免编造错误（Mabwell → Maywavee 这类）
- Phase 4：维持当前用法，对 glossary.json 全量核查

实测：dual-target-rnai-pipeline-2026 重生 PDF 55 页，所有 10 章标题双行居中正确渲染
（第一章/第二章/... 第十章 / 第 6 章 / 第 9 章 多种形式都识别）。

.opencode/agents/dr-analyst.md

@@ -170,12 +170,13 @@ Follow `skill:humanizer-cn` §1-26 strictly:
 
 ## Hard Rules
 
-1. ✅ Every claim has `[src_xxx]` citation
-2. ✅ Every numerical fact has a source
-3. ✅ Counter-evidence section is mandatory (not optional)
-4. ✅ Word count ≥85% of quota, or continue searching
-5. ✅ No scheduling metadata in body text (no "P0 core", "quota: X", "researcher: dr-analyst")
-6. ✅ No SCQA labels (not even implicitly suggested by structure)
-7. ❌ Never fabricate data, URLs, DOIs
-8. ❌ Never use Chinese words for claims (English working language)
-9. ❌ Never delegate to other agents
+1. MUST: Every claim has `[src_xxx]` citation
+2. MUST: Every numerical fact has a source
+3. MUST: Counter-evidence paragraph is mandatory at chapter end. Per skill:evidence-table §"正文中反方证据段落的写作规范", the heading must express a concrete opinion (e.g., "反例：Codexis ECO 并非所有情境都优于 SPOS" or "值得警惕：临床前到 IND 的衰减率"), NOT a mechanical label like "Counter-Evidence" / "反驳证据". Use H2 or H3 heading level consistently; never use bold text as pseudo-heading.
+4. MUST: Word count ≥85% of quota, or continue searching
+5. MUST: No scheduling metadata in body text (no "P0 core", "quota: X", "researcher: dr-analyst")
+6. MUST: No SCQA labels (not even implicitly suggested by structure)
+7. MUST NOT: Fabricate data, URLs, DOIs
+8. MUST NOT: Use Chinese words for claims (English working language)
+9. MUST NOT: Delegate to other agents
+10. MUST NOT: **Use emoji anywhere in the draft** (no ✅ ❌ 🔶 🔷 ⭐ 🟢 🔴 ⚠️ 💡 📌 🔑 📊 etc.). The PDF font has no glyphs for colored emoji; they render as empty boxes. Use plain text equivalents (e.g., "✓", "×", "注:", "警告:", or descriptive words like "advantages / limitations / example").

.opencode/agents/dr-editor-in-chief.md

@@ -299,8 +299,9 @@ Phase 4 成稿完成
 
 ## 禁止事项
 
-- ❌ 改写 dr-analyst 已完成的章节正文
-- ❌ 给每章开头强加 "**Situation**:" "**Complication**:" 等标注
-- ❌ 在正文里保留"章节定位 / P0 核心章 / 字数配额 / 研究员"
-- ❌ 参考文献用占位符了事，要确保 dr-reporter 把它填满
-- ❌ 中途调用 dr-chief-editor（它只管 Phase 3）
+- 改写 dr-analyst 已完成的章节正文
+- 给每章开头强加 "**Situation**:" "**Complication**:" 等标注
+- 在正文里保留"章节定位 / P0 核心章 / 字数配额 / 研究员"
+- 参考文献用占位符了事，要确保 dr-reporter 把它填满
+- 中途调用 dr-chief-editor（它只管 Phase 3）
+- **在正文中使用 emoji**（✅ ❌ 🔶 🔷 ⭐ 🟢 🔴 ⚠️ 💡 📌 🔑 📊 等彩色符号）。PDF 字体无法渲染，会变成方框。用文字或简单符号（✓ × 注: 警告:）代替。

.opencode/commands/dr-glossary.md

@@ -0,0 +1,60 @@
+---
+description: 术语表事实核查。用法 /dr-glossary [slug] [--from phase1|phase2|phase4]。用 Haiku + Serper/Exa 核查每个术语的英文全称和中文译名，识别拼写错误与误译。可在 Phase 2 前或 Phase 4 中运行。
+agent: dr-pm
+---
+
+你是 dr-pm（项目经理），用户执行了 `/dr-glossary $ARGUMENTS`。
+
+## 何时运行
+
+术语核查可以在三个时机运行，意义不同：
+
+- **Phase 1 末 / Phase 2 初**：基于 framework.md 抽取的关键术语（公司/产品/技术名）预先建表，供 dr-analyst 查阅，避免在章节起草阶段就编造拼写错误（Mabwell 拼成 Maywavee 这种）。
+- **Phase 2 中**：对 dr-analyst 产出的 ch01-chN.md 里出现的所有专有名词做核查。
+- **Phase 4**：对 translate.py 累积的 glossary.json 做核查（当前默认时机）。
+
+## 执行步骤
+
+### Step 1: 定位项目 + 解析模式
+
+```bash
+slug="$ARGUMENTS"
+# 默认 slug 从最近修改时间选；默认阶段 phase4
+```
+
+### Step 2: 准备术语种子列表
+
+根据阶段选择输入：
+
+- `--from phase1`：从 `projects/<slug>/phase1/framework.md` 抽取所有 H2/H3 标题 + 表格中的英文机构名、技术名、药物名。保存到 `projects/<slug>/phase2/terms.txt`（一行一个）。
+- `--from phase2`：从 `projects/<slug>/phase2/drafts/*.md` 抽取所有高频英文专有名词（首字母大写、不在常见词词典）。
+- `--from phase4`（默认）：直接用 `projects/<slug>/phase4/glossary.json`。
+
+### Step 3: 调用 build_glossary.py
+
+```bash
+uv run python scripts/build_glossary.py <slug> --workers 4 \
+    --input <输入 glossary 或 terms.txt>
+```
+
+观察输出，关注：
+- `[✓]` high confidence（自动可信）
+- `[~]` medium（人工复核）
+- `[?]` low confidence（必须复核）
+- `⚠ issue` 字段非空的（通常是拼写错误或误译）
+
+### Step 4: 汇报 + 建议下一步
+
+向用户展示：
+- 核查的术语数
+- 发现的错误数（按严重度分级：拼写错误 / 译名错误 / 低置信度）
+- 具体错误清单（前 10 条）
+- 建议：
+  - 如果在 Phase 2 前 → 把 glossary.json 交给 dr-analyst 作为参考
+  - 如果在 Phase 4 → 跑 `uv run python scripts/apply_glossary.py <slug>` 把修正回塗到正文
+
+## 注意事项
+
+- build_glossary 需要网络访问，Serper 和 Exa 都需要代理。如遇 SSL EOF，降 `--workers 3`。
+- Haiku 对极专业或极新兴术语（如 "muRNA", "SBS linker"）的判断可能不准，低置信度的条目必须人工复核。
+- 别对通用缩写（PDE/ASGPR/LNP）作自动替换——apply_glossary 已有黑名单，但核查结果在 glossary.json 里仍会体现。

.opencode/skills/evidence-table/SKILL.md

@@ -81,11 +81,53 @@ description: 证据矩阵规范。规定每条核心结论必须有对应的证
 - 处理建议：保留并注明争议 / 修改措辞 / 删除
 
 <!-- 如有重大挑战 -->
-🚨 CRITICAL：<说明>
+CRITICAL: <说明>
 ```
 
 ---
 
+## 正文中反方证据段落的写作规范（v0.8 新）
+
+### 标题必须观点化，不能叫 "反驳证据 / Counter-Evidence"
+
+**问题诊断**：v0.7 发现每章末尾 dr-analyst 会机械地写 `## 反驳证据`，标题重复而空洞，读者看了没有信息增益。
+
+**新规则**：正文反方证据段落的标题必须：
+
+1. **用二级 H2 或三级 H3 标题**（统一层级，禁止用加粗段冒充标题）
+2. **包含具体判断**，不要用"反驳证据" / "反方证据" / "Counter-Evidence" 这种模板化命名
+3. 至少要回答：**"对前述论点的哪一方面提出了什么挑战？"**
+
+### 可接受的命名示例
+
+| ✗ 不推荐 | ✓ 推荐 |
+|---|---|
+| 反驳证据 | 另一种声音：管线虚胖还是真实进展？ |
+| Counter-Evidence | 需要补充判断的副作用：汇聚偶联收率可能被高估 |
+| 反方观点 | 反例：Codexis ECO 并非所有情境都优于 SPOS |
+| Counter Arguments | 值得警惕的数据：临床前到 IND 的衰减率 |
+
+### 段落结构模板（推荐）
+
+```markdown
+## <观点化标题>
+
+虽然上文论证了 <核心观点>，但以下证据提示需要**有限度地**接受这一判断：
+
+1. **<反方论点 1>**：<具体数据或案例> [src_xxx]。影响评估：<说明>
+2. **<反方论点 2>**：<具体数据或案例> [src_xxx]。影响评估：<说明>
+
+综合而言，核心结论仍成立，但需在 <某个具体维度> 上留出缓冲。
+```
+
+### 禁止的写法
+
+- 单独用 **加粗段** 冒充反方证据标题（`**反方证据：** ...`）
+- 反方证据后不做整合判断，只是堆数据
+- 在每个小节末尾都加反方证据（只在章末加一次即可；若小节级别有重大挑战，写在小节正文里即可）
+
+---
+
 ## 置信度分级标准
 
 | 置信度 | 条件 | 正文处理方式 |

.opencode/skills/output-hygiene/SKILL.md

@@ -101,6 +101,34 @@ SCQA 要写得隐式融合（见 mckinsey-method skill）。
 
 例外：行内英文术语、代码、URL、数据单位前后保持英文标点合理。
 
+### J. Emoji（强制禁用）
+
+**正文与表格中严禁使用任何 emoji / 彩色符号**：
+
+禁用清单（但不限于）：
+`✅ ❌ ✔ ✖ 🔶 🔷 ⭐ 🟢 🔴 🟡 🟠 ⚠️ ⚠ 💡 📌 🔑 📊 📈 📉 🔥 ✨ 🎯 🎉 ➔ ➜`
+
+**原因**：PDF 使用的思源字体子集不包含这些字符的 glyph，渲染为空白方框（□）。
+
+**替代写法**：
+- 表格标记"有/无"：用 `✓` `×`（思源字体支持）或中文字 `是` / `否`
+- 强调状态：用 `◆` `●` 等几何符号（字体支持）
+- 警示：用 `注：` `警告：` `※` 等文字前缀
+- 重点：用 **粗体** 或引用块，不用 emoji
+
+扫描命令：
+```bash
+python3 -c "
+import re
+txt = open('final_zh_polished.md').read()
+pat = re.compile(r'[\u2700-\u27BF]|[\U0001F300-\U0001F9FF]|[\u2B00-\u2BFF]')
+hits = [(i, m.group()) for i, m in enumerate(pat.finditer(txt))]
+print(f'emoji 命中：{len(hits)} 处')
+for i, c in hits[:10]:
+    print(f'  位置 {i}: {c!r} (U+{ord(c):04X})')
+"
+```
+
 ---
 
 ## 三、参考文献完整性校验（最关键）

.opencode/skills/search-strategy/SKILL.md

@@ -82,39 +82,74 @@ description: 生物医药深度研究的统一检索策略。规定信源优先
 
 ---
 
-## 三、API 调用顺序（技术栈）
+## 三、API 调用顺序（技术栈，v0.8 更新）
+
+**按"查询类型"路由到最合适的 API**，而不是一律走通用搜索。
 
 ```
-┌─────────────────────────────────────────────┐
-│  Phase 1 初扫（dr-searcher 用）              │
-│  ├── tavily (MCP)      — 快速宽扫            │
-│  ├── brave (MCP)       — 交叉验证            │
-│  └── exa (MCP)         — neural search       │
-│                                              │
-│  Phase 2 深研（dr-analyst 用）               │
-│  ├── pubmed esearch/efetch (bash+curl)      │
-│  ├── clinicaltrials.gov API (bash+curl)     │
-│  ├── openfda API (bash+curl)                │
-│  ├── patentsview / google patents (bash)    │
-│  └── + Phase 1 的 3 个 MCP 继续用             │
-│                                              │
-│  Phase 2 反验（dr-verifier 用）              │
-│  └── 与 analyst 相同但查反向关键词            │
-└─────────────────────────────────────────────┘
+┌──────────────────────────────────────────────────────────────┐
+│ 查询类型          首选                 备选                  │
+├──────────────────────────────────────────────────────────────┤
+│ 专利               Serper Patents      Google Patents 爬页   │
+│                   (site:patents.google.com)                  │
+│                                                              │
+│ 学术论文           Serper Scholar      PubMed E-utils        │
+│                   (带引用数/年份/期刊) (原始数据库)           │
+│                                                              │
+│ 新闻 / 行业动态    Serper News         Tavily                │
+│                   (时效性敏感)                                │
+│                                                              │
+│ 临床试验           ClinicalTrials.gov  ChiCTR                │
+│                   (原始 API)                                  │
+│                                                              │
+│ 监管公告           openFDA / FDA 搜索   EMA / NMPA 官网      │
+│                                                              │
+│ 公司/机构识别      Exa                 Tavily                │
+│                   (LinkedIn/官网召回强)                       │
+│                                                              │
+│ 通用网页           Exa                 Tavily / Brave        │
+└──────────────────────────────────────────────────────────────┘
 ```
 
-### Tavily MCP 调用模板
+### Serper（google.serper.dev）使用模板
+
+**专利检索**：
+```python
+from scripts.lib.search_client import SearchClient
+with SearchClient() as c:
+    hits = c.patents("dual-target siRNA GalNAc", num_results=10)
+```
+
+**学术论文**：
+```python
+hits = c.scholar("dual-target RNAi 2024", num_results=10, year_low=2023)
+# hits[i].snippet 里包含引用数和期刊信息
+```
+
+**新闻（时效性）**：
+```python
+hits = c.news("Arrowhead ARO-DIMER-PA clinical trial", time_range="w")  # 最近一周
+```
+
+### Tavily MCP 调用模板（通用网页 - Phase 1 初扫）
 ```
 工具名：tavily_search
 参数：
   query: "<关键词>"
-  search_depth: "advanced"  # 默认 basic，深度研究用 advanced
+  search_depth: "advanced"
   max_results: 10
-  include_domains: ["pubmed.ncbi.nlm.nih.gov", "nejm.org", "lancet.com"]  # 锁 Tier 1
-  exclude_domains: ["baijiahao.baidu.com", "toutiao.com"]  # 排黑名单
-  time_range: "year"  # 或 "month"
+  include_domains: ["pubmed.ncbi.nlm.nih.gov", "nejm.org", "lancet.com"]
+  exclude_domains: ["baijiahao.baidu.com", "toutiao.com"]
+  time_range: "year"
 ```
 
+### 何时用哪个
+
+- **专利相关问题**（"谁拥有技术 X"、"FTO 自由度分析"）→ `c.patents()`，**永远先走 Google Patents**
+- **需要引用数排序的论文**（"找影响力最大的 N 篇"）→ `c.scholar()`
+- **近期新闻**（"2025 年 Q4 交易"、"上月 IND 批准"）→ `c.news(..., time_range="m")`
+- **快速概念验证 / 术语理解** → `c.search()`（通用）
+
 ### PubMed E-utils（bash 调用示例）
 ```bash
 # 1. esearch 拿 PMID 列表

.opencode/templates/report-template.py

@@ -49,6 +49,7 @@ try:
         Table,
         TableStyle,
     )
+    from reportlab.platypus.flowables import HRFlowable
 except ImportError:
     print("ERROR: missing reportlab. Run: uv sync", file=sys.stderr)
     sys.exit(1)
@@ -159,7 +160,7 @@ def build_styles() -> StyleSheet1:
         allowOrphans=0,
     ))
 
-    # H1 (chapter) - page break before, deep blue
+    # H1 (chapter) - page break before, deep blue (used for 前置件标题如"免责声明")
     ss.add(ParagraphStyle(
         name="h1",
         fontName="SrcSans-Bold",
@@ -173,6 +174,35 @@ def build_styles() -> StyleSheet1:
         wordWrap="CJK",
     ))
 
+    # H1 章号（正文章节第一行）：小字号居中，浅色
+    ss.add(ParagraphStyle(
+        name="h1-chapter-num",
+        fontName="SrcSans-Medium",
+        fontSize=13,
+        leading=20,
+        alignment=TA_CENTER,
+        spaceBefore=18,
+        spaceAfter=6,
+        textColor=colors.HexColor("#6b7280"),
+        letterSpacing=3,              # 章号加字距，视觉更稳
+        keepWithNext=1,
+        wordWrap="CJK",
+    ))
+
+    # H1 章名（正文章节第二行）：大字号居中加粗深蓝
+    ss.add(ParagraphStyle(
+        name="h1-chapter-title",
+        fontName="SrcSans-Bold",
+        fontSize=20,
+        leading=32,
+        alignment=TA_CENTER,
+        spaceBefore=0,
+        spaceAfter=12,
+        textColor=colors.HexColor("#1e3a8a"),
+        keepWithNext=1,
+        wordWrap="CJK",
+    ))
+
     # H2 (section) - blue, no page break, keep with next
     ss.add(ParagraphStyle(
         name="h2",
@@ -528,6 +558,37 @@ _UNICODE_SUB = {
 _SUPER_CHARS_RE = re.compile(f"([{''.join(_UNICODE_SUPER)}]+)")
 _SUB_CHARS_RE = re.compile(f"([{''.join(_UNICODE_SUB)}]+)")
 
+# 彩色 emoji / 特殊符号 → 文字替代。思源字体子集不含这些字形，直接放会渲染成方框。
+# 替换为字体里**实际存在**的符号（经过 fontTools 验证）。
+# 验证命令见 scripts/lib/verify_font_glyphs.py
+_EMOJI_FALLBACK = {
+    "✅": "✓",    # U+2705 → U+2713 CHECK MARK（思源有）
+    "❌": "×",    # U+274C → U+00D7 MULTIPLICATION SIGN（思源有，✗ U+2717 思源没有）
+    "✖": "×",
+    "✗": "×",
+    "🔶": "◆",    # U+1F536 → U+25C6 BLACK DIAMOND（思源有）
+    "🔷": "◇",    # U+25C7 WHITE DIAMOND（思源有）
+    "🟢": "●",    # U+25CF BLACK CIRCLE（思源有）
+    "🔴": "●",
+    "🟡": "○",    # U+25CB WHITE CIRCLE
+    "🟠": "○",
+    "⭐": "★",    # U+2605 BLACK STAR（思源有）
+    "✔": "✓",
+    "☑": "[✓]",  # U+2611 思源没有，用方括号包围替代
+    "☒": "[×]",
+    "☐": "[ ]",
+    "➔": "→",
+    "➜": "→",
+    "⚠️": "※",   # U+203B REFERENCE MARK（思源有）
+    "⚠": "※",
+    "💡": "※",
+    "📌": "•",
+    "🔑": "※",
+    "📊": "※",
+    "📈": "※",
+    "📉": "※",
+}
+
 
 def _replace_unicode_superscripts(text: str) -> str:
     """把连续的 Unicode 上标字符替换为 ReportLab <super> 标签。
@@ -549,10 +610,20 @@ def _replace_unicode_superscripts(text: str) -> str:
     return text
 
 
+def _replace_emoji(text: str) -> str:
+    """把字体里没有的 emoji 替换为字体里有的等价符号。"""
+    for emoji, fallback in _EMOJI_FALLBACK.items():
+        if emoji in text:
+            text = text.replace(emoji, fallback)
+    return text
+
+
 def md_inline_to_rl(text: str, *, add_cjk_space: bool = True) -> str:
     """Markdown inline → ReportLab mini HTML."""
     # 先做 Unicode 上/下标归一（字体子集不含这些字形，否则渲染为方框）
     text = _replace_unicode_superscripts(text)
+    # emoji 替换为字体里有的符号
+    text = _replace_emoji(text)
     # 然后在中英交界处加空格
     if add_cjk_space:
         text = _add_cjk_spaces(text)
@@ -571,6 +642,62 @@ def md_inline_to_rl(text: str, *, add_cjk_space: bool = True) -> str:
     return text
 
 
+# H1 正文章节标题解析：拆成（章号, 章名）
+# 支持：
+#   第一章 — 为何...           → ("第一章", "为何...")
+#   第 9 章：四大监管向量...    → ("第 9 章", "四大监管向量...")
+#   第6章 — 固定化...          → ("第6章", "固定化...")
+#   第十章 — 制造体系...        → ("第十章", "制造体系...")
+#   Chapter 1: Why the Second... → ("Chapter 1", "Why the Second...")
+# 分隔符：—（em dash） / –（en dash） / - / : / ： / 空白多于一处
+_CHAPTER_HEAD_RE = re.compile(
+    r"^\s*"
+    r"(?P<num>(?:第\s*[一二三四五六七八九十百零〇两廿卅\d]+\s*章)|(?:Chapter\s+\d+))"
+    r"\s*[—–\-：:]\s*"
+    r"(?P<title>.+?)\s*$",
+    re.IGNORECASE,
+)
+
+
+def parse_chapter_title(raw: str) -> tuple[str, str] | None:
+    """解析章节标题。命中返回 (章号, 章名)，否则 None。"""
+    m = _CHAPTER_HEAD_RE.match(raw.strip())
+    if not m:
+        return None
+    num = m.group("num").strip()
+    title = m.group("title").strip()
+    if not title:
+        return None
+    # 规范化章号空白："第 6 章" 保留"第 6 章"，"第6章"保留"第6章"
+    num = re.sub(r"\s+", " ", num)
+    return num, title
+
+
+def build_chapter_header(raw_title: str, styles: StyleSheet1) -> list:
+    """生成正文章节标题：两行居中 + 装饰横线。
+
+    解析失败时 fallback 到普通 h1 样式。
+    """
+    parsed = parse_chapter_title(raw_title)
+    if parsed is None:
+        return [Paragraph(md_inline_to_rl(raw_title), styles["h1"])]
+
+    num, title = parsed
+    return [
+        Paragraph(md_inline_to_rl(num), styles["h1-chapter-num"]),
+        Paragraph(md_inline_to_rl(title), styles["h1-chapter-title"]),
+        # 装饰横线：居中、宽度约 3cm（视觉重量跟两行标题平衡）
+        HRFlowable(
+            width=3 * cm,
+            thickness=1.2,
+            color=colors.HexColor("#1e3a8a"),
+            spaceBefore=2,
+            spaceAfter=18,
+            hAlign="CENTER",
+        ),
+    ]
+
+
 # ============================================================
 # Document builders
 # ============================================================
@@ -711,8 +838,8 @@ def collect_toc_entries(blocks: List[Block]) -> List[tuple[int, str]]:
 def build_toc(blocks: List[Block], styles: StyleSheet1) -> List:
     """生成目录条目。
 
-    目录末尾 PageBreak 让后续内容独立成页。开头不 PageBreak，
-    调用方（H1 分支）已经负责在 H1 前另起一页。
+    不在本函数内部 PageBreak——前面由调用方（H1/H2 分支）插入 PageBreak；
+    后面靠下一个章节的 H1 PageBreak 自然起作用。避免"连续 PageBreak 产生空页"。
     """
     story: list = []
     story.append(Paragraph("目录", styles["h1"]))
@@ -720,7 +847,6 @@ def build_toc(blocks: List[Block], styles: StyleSheet1) -> List:
     for level, title in collect_toc_entries(blocks):
         style_name = "toc-h1" if level == 1 else "toc-h2"
         story.append(Paragraph(md_inline_to_rl(title), styles[style_name]))
-    story.append(PageBreak())
     return story
 
 
@@ -812,6 +938,19 @@ def format_gb7714(rec: dict) -> str:
     return body
 
 
+def _sort_src_id(sid: str) -> tuple:
+    """为 src_id 生成排序键：按字母段分组（A/B/C/E/...），组内按数字升序。"""
+    m = re.match(r"src_([A-Za-z]+)?(\d+)?([A-Za-z0-9_\-]*)", sid)
+    if not m:
+        return ("~", 0, sid)
+    alpha, num, rest = m.group(1) or "", m.group(2) or "0", m.group(3) or ""
+    try:
+        num_int = int(num)
+    except ValueError:
+        num_int = 0
+    return (alpha, num_int, rest)
+
+
 def build_references(
     blocks: List[Block],
     sources_path: Optional[Path],
@@ -819,7 +958,12 @@ def build_references(
 ) -> List:
     """生成参考文献段落。
 
-    引用顺序：按正文首次出现的先后排列（GB/T 7714 顺序编码制）。
+    v0.7 改变：**不再按出现顺序重编号**（之前会导致正文中 `[src_E43]` 和参考文献
+    区的 `[27]` 对不上）。改为：
+    - 参考文献条目直接用原始 `src_id` 作为编号（如 `[src_E43] Alnylam..., 2025.`）
+    - 按 src_id 字母数字排序分组
+    - 缺失的 src_id 单独一段列出，明显标注供人工核查
+    - 顶部给一条"引文健康状态"小结
     """
     story: list = []
     story.append(Paragraph("参考文献", styles["h1"]))
@@ -835,31 +979,67 @@ def build_references(
         ))
         return story
 
-    if not sources:
-        # 至少列出所有被引用的 ID，供人工回填
+    cited_set = set(cited_ids)
+    matched = [sid for sid in cited_ids if sid in sources]
+    missing = [sid for sid in cited_ids if sid not in sources]
+    # sources.jsonl 里有但正文没引用的——列为"备选"不展示，只统计
+    unused = [sid for sid in sources if sid not in cited_set]
+
+    # 头部健康状态
+    health = (
+        f"正文引用 <b>{len(cited_set)}</b> 条独立标识符；"
+        f"sources.jsonl 收录 <b>{len(sources)}</b> 条，"
+        f"<b>{len(matched)}</b> 条可对应，"
+        f"<b>{len(missing)}</b> 条在 sources.jsonl 中未找到。"
+    )
+    if unused:
+        health += f" 另有 {len(unused)} 条收录来源未在正文中引用，已省略展示。"
+    story.append(Paragraph(
+        f"<font color='#6b7280' size=8>引文健康状态：{health}</font>",
+        styles["caption"],
+    ))
+    story.append(Spacer(1, 0.3 * cm))
+
+    # 主列表：按 src_id 字母数字排序
+    if matched:
         story.append(Paragraph(
-            f"（未找到 sources.jsonl 或其内容为空。以下为正文出现的 {len(cited_ids)} 个引用标识符）",
+            "<b>收录来源</b>",
+            styles["h3"],
+        ))
+        for sid in sorted(matched, key=_sort_src_id):
+            rec = sources[sid]
+            text = format_gb7714(rec)
+            # 编号就是原始 sid，便于和正文中的 [src_E43] 上标对应
+            entry = f"<b>[{sid}]</b>  {text}"
+            story.append(Paragraph(entry, styles["footnote"]))
+
+    # 缺失列表：明显标注
+    if missing:
+        story.append(Spacer(1, 0.4 * cm))
+        story.append(Paragraph(
+            f"<b>未找到来源（{len(missing)} 条）</b>",
+            styles["h3"],
+        ))
+        story.append(Paragraph(
+            "<font color='#b45309' size=8>"
+            "以下标识符在正文中出现但未在 <code>sources.jsonl</code> 中找到对应记录。"
+            "可能是编写阶段的占位符未回填，或原始研究员引用不规范，请核查后补充。"
+            "</font>",
             styles["caption"],
         ))
-        for i, sid in enumerate(cited_ids, 1):
-            story.append(Paragraph(f"[{i}] {sid}", styles["footnote"]))
-        return story
-
-    missing: list[str] = []
-    for i, sid in enumerate(cited_ids, 1):
-        rec = sources.get(sid)
-        if not rec:
-            missing.append(sid)
+        # 按字母数字排序分组展示，一行三个，节省篇幅
+        sorted_missing = sorted(missing, key=_sort_src_id)
+        # 每 4 个一行
+        row_size = 4
+        for k in range(0, len(sorted_missing), row_size):
+            chunk = sorted_missing[k : k + row_size]
+            row_text = "　　".join(f"[{sid}]" for sid in chunk)
             story.append(Paragraph(
-                f"[{i}] {sid}（来源记录缺失，请核查 sources.jsonl）",
+                f"<font color='#b45309'>{row_text}</font>",
                 styles["footnote"],
             ))
-            continue
-        text = format_gb7714(rec)
-        # 前面加序号，后面追加 [sid] 便于正文回溯
-        entry = f"[{i}] {text}  <font color='#6b7280' size=7>【{sid}】</font>"
-        story.append(Paragraph(entry, styles["footnote"]))
 
+    # 打印到 stderr
     if missing:
         print(
             f"WARNING: {len(missing)} cited src_ids not found in sources.jsonl: "
@@ -939,6 +1119,49 @@ def render_table(md_table: str, styles: StyleSheet1) -> Table:
     return table
 
 
+def _render_generic_block(block: Block, story: list, base_dir: Path, styles: StyleSheet1, *, in_summary: bool) -> None:
+    """渲染一个非 H1/H2 的 block（p/quote/bullet/hr/image/table/h3）。
+
+    提取出来的帮助函数，给术语表内部循环和主循环复用。
+    """
+    if block.kind == "h3":
+        story.append(Paragraph(md_inline_to_rl(block.content), styles["h3"]))
+    elif block.kind == "p":
+        if _TOC_PLACEHOLDER_RE.search(block.content) or _REF_PLACEHOLDER_RE.search(block.content):
+            return
+        style = styles["summary"] if in_summary else styles["body"]
+        story.append(Paragraph(md_inline_to_rl(block.content), style))
+    elif block.kind == "quote":
+        story.append(Paragraph(md_inline_to_rl(block.content), styles["quote"]))
+    elif block.kind == "bullet":
+        story.append(Paragraph("• " + md_inline_to_rl(block.content), styles["bullet"]))
+    elif block.kind == "hr":
+        story.append(Spacer(1, 0.3 * cm))
+    elif block.kind == "image":
+        img_path = base_dir / block.content
+        if img_path.exists():
+            try:
+                img = Image(str(img_path), width=15 * cm, height=10 * cm, kind="proportional")
+                story.append(img)
+                if block.meta and block.meta.get("caption"):
+                    story.append(Paragraph(block.meta["caption"], styles["caption"]))
+            except Exception as e:
+                story.append(Paragraph(
+                    f"[图片加载失败：{block.content} — {e}]",
+                    styles["caption"],
+                ))
+        else:
+            story.append(Paragraph(
+                f"[图片未找到：{block.content}]",
+                styles["caption"],
+            ))
+    elif block.kind == "table":
+        try:
+            story.append(render_table(block.content, styles))
+        except Exception as e:
+            story.append(Paragraph(f"[表格渲染失败: {e}]", styles["caption"]))
+
+
 def build_body(
     blocks: List[Block],
     base_dir: Path,
@@ -955,143 +1178,195 @@ def build_body(
     - H1 triggers PageBreak；H2/H3 keepWithNext；表格 splitByRow
     """
     story: list = []
-    first_h1_seen = False           # 是否已跳过正文首个 H1
-    skipping_cover_meta = False     # 是否在吞掉封面元信息段
-
-    # Summary 样式
     in_summary = False
 
-    # 准备跳过标志：标题级别下一个 "目录""参考文献" 见到时替换掉它（包含其下紧跟的占位段）
-    # 采用简单索引遍历以便向前看。
-    i = 0
+    # 第一步：跳过"封面块"——从正文开头一直跳到第一个 H2/H3 前。
+    # 封面块 = 首个 H1（主标题） + 副标题（加粗 p） + 元信息段（Confidentiality/Date/Version） + 分隔线（hr）。
+    # 这些已由 build_cover 从 manifest 独立生成，正文里再出现就是重复。
+    # 规则简单可靠：跳过所有 block 直到遇到第一个 H2/H3（如 "## 免责声明"）。
     n = len(blocks)
+    first_section_idx = n
+    for k, b in enumerate(blocks):
+        if b.kind in ("h2", "h3"):
+            first_section_idx = k
+            break
+    i = first_section_idx  # 从第一个 section 开始处理
+
+    def _title_kind(title_raw: str) -> str:
+        """识别标题的"语义类别"。无论原文 H1 或 H2，统一归类。
+
+        返回：
+          'abstract'        — 摘要（将被跳过）
+          'appendix'        — 附录（将被跳过）
+          'version_history' — 版本历史（将被跳过）
+          'toc'             — 目录（自动生成）
+          'references'      — 参考文献（自动生成）
+          'glossary'        — 术语表（独立章节）
+          'disclaimer'      — 免责声明（独立章节）
+          'executive_summary' — 执行摘要（独立章节）
+          'chapter'         — 正文章节（默认）
+        """
+        t = title_raw.strip().lower()
+        # 跳过类
+        if t in ("摘要", "abstract"):
+            return "abstract"
+        if t.startswith("附录") or t.startswith("appendix"):
+            return "appendix"
+        if t in ("版本历史", "version history", "版本"):
+            return "version_history"
+        # 自动生成类
+        if t in ("目录", "table of contents"):
+            return "toc"
+        if t in ("参考文献", "references", "bibliography"):
+            return "references"
+        # 识别类（带 PageBreak 独立成章）
+        if t in ("术语表", "glossary"):
+            return "glossary"
+        if t in ("免责声明", "disclaimer"):
+            return "disclaimer"
+        if t in ("执行摘要", "executive summary", "管理层摘要"):
+            return "executive_summary"
+        return "chapter"
+
+    def _consume_until_next_section(start: int) -> int:
+        """从 start 开始收集内容（非 H1/H2 的 block），返回下一个 H1/H2 的索引。"""
+        j = start
+        while j < n and blocks[j].kind not in ("h1", "h2"):
+            _render_generic_block(blocks[j], story, base_dir, styles, in_summary=in_summary)
+            j += 1
+        return j
+
+    def _skip_until_next_section(start: int) -> int:
+        """从 start 开始跳过内容，返回下一个 H1/H2 的索引。"""
+        j = start
+        while j < n and blocks[j].kind not in ("h1", "h2"):
+            j += 1
+        return j
+
+    # 收集前置件（在第一个"正文 H1 章节"之前的所有内容）按 title_kind 分组。
+    # 然后按固定顺序输出：免责声明 → 执行摘要 → 目录 → 术语表 → 正文 → 参考文献。
+    # 这样无论 Markdown 里写的顺序如何，最终排版都一致（目录在术语表之前）。
+    first_h1_idx = n
+    for k in range(i, n):
+        if blocks[k].kind == "h1" and _title_kind(blocks[k].content) == "chapter":
+            first_h1_idx = k
+            break
+
+    # 收集"前置件段"：从 i 到 first_h1_idx
+    front_sections: dict[str, list[Block]] = {}
+
+    def _collect_section(start: int, until: int) -> tuple[str, list[Block], int]:
+        """从 start 处的 H1/H2 开始，收集这一 section 直到下一个 H1/H2（或 until）。
+        返回 (kind, blocks 列表, 下一个 section 的起始索引)。
+        """
+        head = blocks[start]
+        kind = _title_kind(head.content)
+        sec = [head]
+        k = start + 1
+        while k < until and blocks[k].kind not in ("h1", "h2"):
+            sec.append(blocks[k])
+            k += 1
+        return kind, sec, k
+
+    # 在前置件区域内遍历
+    k = i
+    while k < first_h1_idx:
+        b = blocks[k]
+        if b.kind not in ("h1", "h2"):
+            k += 1
+            continue
+        kind, sec, next_k = _collect_section(k, first_h1_idx)
+        if kind in ("abstract", "appendix", "version_history"):
+            pass  # 丢弃
+        elif kind in front_sections:
+            # 重复出现：保留第一份
+            pass
+        else:
+            front_sections[kind] = sec
+        k = next_k
+
+    # 前置件输出顺序（固定）
+    front_order = [
+        "disclaimer",        # 免责声明
+        "executive_summary", # 执行摘要
+        "toc",               # 目录
+        "glossary",          # 术语表
+    ]
+
+    def _render_head_section(kind: str, sec: list[Block]) -> None:
+        """渲染一个前置件 section。sec[0] 是标题，其余是正文。"""
+        nonlocal in_summary
+        # 独立章节前加 PageBreak（但第一个除外，避免封面后空白页）
+        if len(story) > 0:
+            story.append(PageBreak())
+        in_summary = (kind == "executive_summary")
+        head = sec[0]
+
+        # TOC 和 references 调用专门的生成器
+        if kind == "toc":
+            story.extend(build_toc(blocks, styles))
+            return
+        if kind == "references":
+            story.extend(build_references(blocks, sources_path, styles))
+            return
+
+        # 其它前置件：H1 样式渲染标题 + 内容
+        story.append(Paragraph(md_inline_to_rl(head.content), styles["h1"]))
+        for sub in sec[1:]:
+            # 跳过占位符段
+            if sub.kind == "p" and (
+                _TOC_PLACEHOLDER_RE.search(sub.content)
+                or _REF_PLACEHOLDER_RE.search(sub.content)
+            ):
+                continue
+            _render_generic_block(sub, story, base_dir, styles, in_summary=in_summary)
+
+    for kind in front_order:
+        if kind in front_sections:
+            _render_head_section(kind, front_sections[kind])
+
+    in_summary = False
+
+    # 现在输出正文（从 first_h1_idx 开始）
+    i = first_h1_idx
     while i < n:
         block = blocks[i]
 
-        # --- 跳过正文首个 H1（封面标题）+ 紧跟的元信息/hr ---
-        if not first_h1_seen and block.kind == "h1":
-            first_h1_seen = True
-            skipping_cover_meta = True
+        if block.kind not in ("h1", "h2"):
+            _render_generic_block(block, story, base_dir, styles, in_summary=in_summary)
             i += 1
             continue
-        if skipping_cover_meta:
-            # 吞掉 p（元信息）、hr、quote（副标题可能被当成加粗段）
-            # 遇到 h1/h2/h3 就停止吞
-            if block.kind in ("h1", "h2", "h3"):
-                skipping_cover_meta = False
-                # 不 continue，让当前 block 正常处理
-            elif block.kind == "p" and is_cover_frontmatter(block.content):
-                i += 1
-                continue
-            elif block.kind in ("hr", "quote", "p", "bullet"):
-                # 第一个 hr 标记封面结束
-                if block.kind == "hr":
-                    skipping_cover_meta = False
-                    i += 1
-                    continue
-                # 普通段落：如果不是封面元信息，就认为封面已结束
-                if block.kind == "p":
-                    skipping_cover_meta = False
-                    # fall through to normal handling
-                else:
-                    i += 1
-                    continue
-            else:
-                i += 1
-                continue
 
-        # --- H1 处理（非首个）---
+        kind = _title_kind(block.content)
+
+        # 跳过类
+        if kind in ("abstract", "appendix", "version_history"):
+            i = _skip_until_next_section(i + 1)
+            continue
+
+        # 参考文献：自动生成
+        if kind == "references":
+            story.append(PageBreak())
+            story.extend(build_references(blocks, sources_path, styles))
+            j = i + 1
+            while j < n and blocks[j].kind == "p" and _REF_PLACEHOLDER_RE.search(blocks[j].content):
+                j += 1
+            i = j
+            continue
+
+        # 目录/术语表不应在正文中出现（已经作为前置件处理）
+        # 如果原文里在正文中又写了一遍目录/术语表，则跳过
+        if kind in ("toc", "glossary", "disclaimer", "executive_summary"):
+            i = _skip_until_next_section(i + 1)
+            continue
+
+        # H1 正文章节（chapter）：PageBreak + 章号/章名双行居中 + 装饰线
         if block.kind == "h1":
             story.append(PageBreak())
-            content = block.content
-            if any(k in content for k in ("执行摘要", "Executive Summary", "管理层摘要")):
-                in_summary = True
-            else:
-                in_summary = False
-
-            # 目录 / 参考文献：替换为自动生成的内容
-            title_low = content.strip().lower()
-            if any(s in title_low for s in ("目录", "table of contents")):
-                story.extend(build_toc(blocks, styles))
-                # 跳过紧随其后的占位段
-                j = i + 1
-                while j < n and blocks[j].kind == "p" and _TOC_PLACEHOLDER_RE.search(blocks[j].content):
-                    j += 1
-                i = j
-                continue
-            if any(s in title_low for s in ("参考文献", "references")):
-                story.extend(build_references(blocks, sources_path, styles))
-                j = i + 1
-                while j < n and blocks[j].kind == "p" and _REF_PLACEHOLDER_RE.search(blocks[j].content):
-                    j += 1
-                i = j
-                continue
-
-            story.append(Paragraph(md_inline_to_rl(content), styles["h1"]))
-            i += 1
-            continue
-
-        # --- H2 同样检测占位符 ---
-        if block.kind == "h2":
-            title_low = block.content.strip().lower()
-            if any(s in title_low for s in ("目录", "table of contents")):
-                story.extend(build_toc(blocks, styles))
-                j = i + 1
-                while j < n and blocks[j].kind == "p" and _TOC_PLACEHOLDER_RE.search(blocks[j].content):
-                    j += 1
-                i = j
-                continue
-            if any(s in title_low for s in ("参考文献", "references")):
-                story.extend(build_references(blocks, sources_path, styles))
-                j = i + 1
-                while j < n and blocks[j].kind == "p" and _REF_PLACEHOLDER_RE.search(blocks[j].content):
-                    j += 1
-                i = j
-                continue
-
+            story.extend(build_chapter_header(block.content, styles))
+        else:
+            # H2 正文小节：h2 样式（不分页）
             story.append(Paragraph(md_inline_to_rl(block.content), styles["h2"]))
-            i += 1
-            continue
-
-        if block.kind == "h3":
-            story.append(Paragraph(md_inline_to_rl(block.content), styles["h3"]))
-        elif block.kind == "p":
-            # 跳过已识别但没有标题的孤立占位符（防御性）
-            if _TOC_PLACEHOLDER_RE.search(block.content) or _REF_PLACEHOLDER_RE.search(block.content):
-                i += 1
-                continue
-            style = styles["summary"] if in_summary else styles["body"]
-            story.append(Paragraph(md_inline_to_rl(block.content), style))
-        elif block.kind == "quote":
-            story.append(Paragraph(md_inline_to_rl(block.content), styles["quote"]))
-        elif block.kind == "bullet":
-            story.append(Paragraph("• " + md_inline_to_rl(block.content), styles["bullet"]))
-        elif block.kind == "hr":
-            story.append(Spacer(1, 0.3 * cm))
-        elif block.kind == "image":
-            img_path = base_dir / block.content
-            if img_path.exists():
-                try:
-                    img = Image(str(img_path), width=15 * cm, height=10 * cm, kind="proportional")
-                    story.append(img)
-                    if block.meta and block.meta.get("caption"):
-                        story.append(Paragraph(block.meta["caption"], styles["caption"]))
-                except Exception as e:
-                    story.append(Paragraph(
-                        f"[图片加载失败：{block.content} — {e}]",
-                        styles["caption"],
-                    ))
-            else:
-                story.append(Paragraph(
-                    f"[图片未找到：{block.content}]",
-                    styles["caption"],
-                ))
-        elif block.kind == "table":
-            try:
-                story.append(render_table(block.content, styles))
-            except Exception as e:
-                story.append(Paragraph(f"[表格渲染失败: {e}]", styles["caption"]))
-
         i += 1
 
     return story

pyproject.toml

@@ -19,6 +19,7 @@ dependencies = [
     "python-dateutil>=2.9.0",
     "PyYAML>=6.0.1",
     "rich>=13.7.0",
+    "pypdf>=6.10.2",
 ]
 
 [project.optional-dependencies]

scripts/check_citations.py

@@ -0,0 +1,146 @@
+#!/usr/bin/env python3
+"""引文完整性核查。
+
+检查 final_zh_polished.md（或其它正文）中的 [src_xxx] 引用与 sources.jsonl 是否一致：
+- 孤立引用（正文有但 sources.jsonl 无）：需要 dr-analyst 补信源或删这处引用
+- 孤岛信源（sources.jsonl 有但正文无）：被 polish 或润色误删了上下文，或 dr-analyst 收集了
+  但没用上
+- emoji 扫描：正文里不该有 emoji
+- 编号格式：检查 src_xxx 是否符合规范
+
+用法：
+    uv run python scripts/check_citations.py <project_slug>
+    uv run python scripts/check_citations.py <project_slug> --md phase4/final_zh.md
+"""
+
+from __future__ import annotations
+
+import argparse
+import json
+import re
+import sys
+from pathlib import Path
+
+
+EMOJI_RE = re.compile(
+    r"[\U0001F000-\U0001FFFF]"    # Supplementary Plane emoji
+    r"|[\u2700-\u27BF]"            # Dingbats (✅ ❌)
+    r"|[\u2600-\u26FF]"            # Misc symbols (⭐ ⚠ ☀)
+    r"|[\u2B00-\u2BFF]"            # Misc symbols and arrows
+)
+
+# 允许的符号（字体支持）
+ALLOWED_SYMBOLS = {
+    "✓", "×", "◆", "◇", "●", "○", "★", "※",
+    "→", "←", "↑", "↓",
+}
+
+SRC_ID_RE = re.compile(r"\[(src_[A-Za-z0-9_\-]+(?:\s*,\s*src_[A-Za-z0-9_\-]+)*)\]")
+
+
+def resolve_project(arg: str) -> Path:
+    p = Path(arg)
+    if p.is_dir():
+        return p
+    cand = Path.cwd() / "projects" / arg
+    if cand.is_dir():
+        return cand
+    raise SystemExit(f"project not found: {arg}")
+
+
+def main() -> int:
+    parser = argparse.ArgumentParser(description="引文完整性核查")
+    parser.add_argument("project", help="项目 slug 或路径")
+    parser.add_argument("--md", default="phase4/final_zh_polished.md")
+    parser.add_argument("--sources", default="phase2/sources.jsonl")
+    args = parser.parse_args()
+
+    project = resolve_project(args.project)
+    md_path = project / args.md
+    src_path = project / args.sources
+
+    if not md_path.exists():
+        raise SystemExit(f"找不到正文：{md_path}")
+
+    text = md_path.read_text(encoding="utf-8")
+
+    # 1. 收集正文引用（保序去重）
+    cited: list[str] = []
+    cited_set: set[str] = set()
+    for m in SRC_ID_RE.finditer(text):
+        for sid in m.group(1).split(","):
+            sid = sid.strip()
+            if sid and sid not in cited_set:
+                cited_set.add(sid)
+                cited.append(sid)
+
+    # 2. 收集 sources.jsonl 中的 ID
+    sources: dict[str, dict] = {}
+    if src_path.exists():
+        for line in src_path.read_text(encoding="utf-8").splitlines():
+            line = line.strip()
+            if not line:
+                continue
+            try:
+                r = json.loads(line)
+                if sid := r.get("id"):
+                    sources[sid] = r
+            except Exception:
+                continue
+
+    orphan_cites = [s for s in cited if s not in sources]
+    island_sources = [s for s in sources if s not in cited_set]
+    matched = [s for s in cited if s in sources]
+
+    print(f"=== 引文统计 ===")
+    print(f"  正文引用（独立 ID）：{len(cited_set)}")
+    print(f"  sources.jsonl 收录：{len(sources)}")
+    print(f"  匹配：{len(matched)}")
+    print(f"  孤立引用（正文有 sources 无）：{len(orphan_cites)}")
+    print(f"  孤岛信源（sources 有正文无）：{len(island_sources)}")
+
+    if orphan_cites:
+        print(f"\n=== 孤立引用（前 20 条）===")
+        for s in orphan_cites[:20]:
+            print(f"  {s}")
+        if len(orphan_cites) > 20:
+            print(f"  ...还有 {len(orphan_cites) - 20}")
+        print(f"\n  处理建议：")
+        print(f"  (a) 如果是 dr-analyst 编造的占位符 → 在正文中删除该引用")
+        print(f"  (b) 如果是信源未收录 → 补到 sources.jsonl")
+
+    if island_sources:
+        print(f"\n=== 孤岛信源（前 20 条）===")
+        for s in island_sources[:20]:
+            print(f"  {s}  — {sources[s].get('title', '')[:80]}")
+        if len(island_sources) > 20:
+            print(f"  ...还有 {len(island_sources) - 20}")
+        print(f"\n  处理建议：")
+        print(f"  (a) 如果是 polish 阶段误删了使用该信源的段落 → 检查 polish diff")
+        print(f"  (b) 如果是收集多余信源 → 可以保留（build_references 会自动忽略）")
+
+    # 3. Emoji 扫描
+    emoji_hits = []
+    for m in EMOJI_RE.finditer(text):
+        c = m.group()
+        if c not in ALLOWED_SYMBOLS:
+            line = text[:m.start()].count("\n") + 1
+            emoji_hits.append((line, c))
+
+    if emoji_hits:
+        print(f"\n=== ⚠ 发现 {len(emoji_hits)} 个 emoji（不允许出现在正文）===")
+        seen = {}
+        for line, c in emoji_hits:
+            seen.setdefault(c, []).append(line)
+        for c, lines in seen.items():
+            print(f"  U+{ord(c):04X} {c!r}  第 {lines[:5]} 行 等 {len(lines)} 处")
+        print(f"  建议用 python3 替换：sed -i '' 's/{list(seen.keys())[0]}//g' {md_path}")
+
+    # 返回码：有问题返回非零便于 CI 使用
+    if orphan_cites or emoji_hits:
+        return 1
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())

scripts/lib/search_client.py

@@ -115,11 +115,20 @@ class TavilyClient:
 
 
 class SearchClient:
-    """统一搜索门面：先用 Exa，失败/配额问题降级 Tavily。"""
+    """统一搜索门面，支持多路由：
+
+    - `search(query)`：通用网页搜索，优先 Exa → 降级 Tavily
+    - `patents(query)`：专利检索，走 Serper（Google Patents）；失败则通用搜索补刀
+    - `scholar(query)`：学术论文，走 Serper Scholar；失败则通用搜索补刀
+    - `news(query)`：新闻检索，走 Serper News；失败则通用搜索补刀
+
+    所有客户端都延迟导入 serper_client，避免没装 SERPAPI_KEY 时 import 炸。
+    """
 
     def __init__(self) -> None:
         self._exa: ExaClient | None = None
         self._tavily: TavilyClient | None = None
+        self._serper = None  # 惰性实例化
         try:
             self._exa = ExaClient()
         except SearchError:
@@ -133,11 +142,26 @@ class SearchClient:
                 "neither EXA_API_KEY nor TAVILY_API_KEY available"
             )
 
+    def _get_serper(self):
+        """惰性创建 SerperClient。没 key 时返回 None。"""
+        if self._serper is False:
+            return None
+        if self._serper is None:
+            try:
+                from scripts.lib.serper_client import SerperClient
+                self._serper = SerperClient()
+            except Exception:
+                self._serper = False
+                return None
+        return self._serper
+
     def close(self) -> None:
         if self._exa:
             self._exa.close()
         if self._tavily:
             self._tavily.close()
+        if self._serper and self._serper is not False:
+            self._serper.close()
 
     def __enter__(self) -> "SearchClient":
         return self
@@ -146,18 +170,12 @@ class SearchClient:
         self.close()
 
     def search(self, query: str, *, num_results: int = 5) -> list[SearchHit]:
-        # 优先 Exa
+        """通用网页搜索。Exa 首选，Tavily 备选。"""
         if self._exa:
             try:
                 return self._exa.search(query, num_results=num_results)
-            except SearchError as e:
-                msg = str(e).lower()
-                if "exceed" in msg or "quota" in msg or "429" in msg or "402" in msg:
-                    # 降级
-                    pass
-                else:
-                    # 其它错误继续往下试
-                    pass
+            except SearchError:
+                pass
         if self._tavily:
             try:
                 return self._tavily.search(query, num_results=num_results)
@@ -165,13 +183,80 @@ class SearchClient:
                 pass
         return []
 
+    def patents(self, query: str, *, num_results: int = 10) -> list[SearchHit]:
+        """专利检索：Serper 走 Google Patents 最准。降级到通用搜索 + site 限定。"""
+        serper = self._get_serper()
+        if serper:
+            try:
+                hits = serper.patents(query, num_results=num_results)
+                return [SearchHit(h.title, h.url, h.snippet) for h in hits]
+            except Exception:
+                pass
+        # 降级：通用搜索加 site 限定
+        return self.search(f"site:patents.google.com {query}", num_results=num_results)
+
+    def scholar(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+        year_low: int | None = None,
+    ) -> list[SearchHit]:
+        """学术论文：Serper Scholar 带引用数。降级到通用搜索。"""
+        serper = self._get_serper()
+        if serper:
+            try:
+                hits = serper.scholar(query, num_results=num_results, year_low=year_low)
+                return [
+                    SearchHit(
+                        title=h.title,
+                        url=h.url,
+                        snippet=f"{h.snippet}  | {h.source} | 引用 {h.cited_by}" if h.cited_by else h.snippet,
+                    )
+                    for h in hits
+                ]
+            except Exception:
+                pass
+        return self.search(query, num_results=num_results)
+
+    def news(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+        time_range: str | None = None,
+    ) -> list[SearchHit]:
+        """新闻检索：Serper News。降级到通用搜索。"""
+        serper = self._get_serper()
+        if serper:
+            try:
+                hits = serper.news(query, num_results=num_results, time_range=time_range)
+                return [
+                    SearchHit(
+                        title=h.title,
+                        url=h.url,
+                        snippet=f"{h.snippet}  | {h.source} | {h.date}" if h.date else h.snippet,
+                    )
+                    for h in hits
+                ]
+            except Exception:
+                pass
+        return self.search(query, num_results=num_results)
+
 
 if __name__ == "__main__":
     from scripts.lib.zenmux_client import load_secrets
     load_secrets()
     with SearchClient() as c:
-        hits = c.search("Mabwell 迈威生物 biopharmaceutical", num_results=3)
-        for i, h in enumerate(hits, 1):
-            print(f"[{i}] {h.title[:80]}")
+        print("--- 通用: Mabwell 迈威生物 ---")
+        for h in c.search("Mabwell 迈威生物 biopharmaceutical", num_results=3):
+            print(f"  {h.title[:80]}")
+            print(f"    {h.url}")
+        print("\n--- 专利: dual-target siRNA ---")
+        for h in c.patents("dual-target siRNA GalNAc", num_results=3):
+            print(f"  {h.title[:80]}")
+            print(f"    {h.url}")
+        print("\n--- Scholar: dual-target RNAi 2024 ---")
+        for h in c.scholar("dual-target RNAi drug", num_results=3, year_low=2023):
+            print(f"  {h.title[:80]}")
             print(f"    {h.url}")
-            print(f"    {h.snippet[:160]}")

scripts/lib/serper_client.py

@@ -0,0 +1,190 @@
+"""Serper.dev 客户端（Google Search API 代理）。
+
+为什么用 Serper：
+- 2500 次免费额度，远超 SerpAPI 的 100/月
+- 支持 Google Search、Scholar、News、Images、Maps
+- Google Patents 无专用 endpoint，但可用 `site:patents.google.com` 技巧
+- 价格比 SerpAPI 便宜 3-5×
+
+用途：
+- 专利检索：通用 search + `site:patents.google.com`
+- 学术论文：/scholar endpoint
+- 新闻：/news endpoint（时效性敏感的行业动态）
+
+httpx 客户端使用 trust_env=False 绕过系统 socks 代理（macOS Clash 会导致 TLS EOF）。
+"""
+
+from __future__ import annotations
+
+import os
+from dataclasses import dataclass
+from typing import Any, Literal
+
+import httpx
+
+
+SERPER_BASE = "https://google.serper.dev"
+
+
+@dataclass
+class SerperHit:
+    title: str
+    url: str
+    snippet: str
+    source: str = ""       # 论文出处 / 新闻媒体
+    date: str = ""         # 发表日期（如 scholar / news 返回的话）
+    cited_by: int = 0      # 学术论文的引用数（仅 scholar）
+
+
+class SerperError(RuntimeError):
+    pass
+
+
+class SerperClient:
+    def __init__(self, api_key: str | None = None, timeout: float = 30.0) -> None:
+        self.api_key = api_key or os.environ.get("SERPAPI_KEY") or os.environ.get("SERPER_API_KEY")
+        if not self.api_key:
+            raise SerperError("SERPAPI_KEY / SERPER_API_KEY not set")
+        self._client = httpx.Client(trust_env=False, timeout=timeout)
+
+    def close(self) -> None:
+        self._client.close()
+
+    def __enter__(self) -> "SerperClient":
+        return self
+
+    def __exit__(self, *_args: Any) -> None:
+        self.close()
+
+    def _post(self, path: str, body: dict) -> dict:
+        try:
+            r = self._client.post(
+                f"{SERPER_BASE}{path}",
+                json=body,
+                headers={
+                    "X-API-KEY": self.api_key,
+                    "Content-Type": "application/json",
+                },
+            )
+        except httpx.RequestError as e:
+            raise SerperError(f"network error: {e}")
+        if r.status_code != 200:
+            raise SerperError(f"HTTP {r.status_code}: {r.text[:300]}")
+        try:
+            return r.json()
+        except Exception as e:
+            raise SerperError(f"invalid JSON: {e}")
+
+    def search(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+        gl: str = "us",
+        hl: str = "en",
+    ) -> list[SerperHit]:
+        """通用 Google 搜索。支持 site: / filetype: / 引号短语等 Google 高级语法。"""
+        data = self._post("/search", {
+            "q": query,
+            "num": num_results,
+            "gl": gl,
+            "hl": hl,
+        })
+        hits: list[SerperHit] = []
+        for item in (data.get("organic") or [])[:num_results]:
+            hits.append(SerperHit(
+                title=(item.get("title") or "")[:200],
+                url=item.get("link") or "",
+                snippet=(item.get("snippet") or "")[:600],
+                date=item.get("date") or "",
+            ))
+        return hits
+
+    def scholar(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+        year_low: int | None = None,
+        year_high: int | None = None,
+    ) -> list[SerperHit]:
+        """Google Scholar 搜索——学术论文首选。
+
+        返回带引用数、发表年份等元数据，权威信源识别更准确。
+        """
+        body: dict[str, Any] = {"q": query, "num": num_results}
+        if year_low is not None:
+            body["tbs"] = f"cdr:1,cd_min:{year_low}" + (f",cd_max:{year_high}" if year_high else "")
+        data = self._post("/scholar", body)
+        hits: list[SerperHit] = []
+        for item in (data.get("organic") or [])[:num_results]:
+            hits.append(SerperHit(
+                title=(item.get("title") or "")[:200],
+                url=item.get("link") or "",
+                snippet=(item.get("snippet") or "")[:600],
+                source=(item.get("publicationInfo") or "")[:200],
+                year=item.get("year") or "",
+                cited_by=item.get("citedBy") or 0,
+            ) if False else SerperHit(
+                title=(item.get("title") or "")[:200],
+                url=item.get("link") or "",
+                snippet=(item.get("snippet") or "")[:600],
+                source=(item.get("publicationInfo") or "")[:200],
+                date=str(item.get("year") or ""),
+                cited_by=item.get("citedBy") or 0,
+            ))
+        return hits
+
+    def patents(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+    ) -> list[SerperHit]:
+        """Google Patents 检索——用 site: 技巧走通用搜索。
+
+        serper.dev 没有专门的 patents endpoint，但 `site:patents.google.com` 效果很好。
+        """
+        combined = f"site:patents.google.com {query}"
+        return self.search(combined, num_results=num_results)
+
+    def news(
+        self,
+        query: str,
+        *,
+        num_results: int = 10,
+        time_range: Literal["d", "w", "m", "y"] | None = None,
+    ) -> list[SerperHit]:
+        """Google News 搜索——时效敏感行业动态。
+
+        time_range: d=24h, w=7d, m=30d, y=1y
+        """
+        body: dict[str, Any] = {"q": query, "num": num_results}
+        if time_range:
+            body["tbs"] = f"qdr:{time_range}"
+        data = self._post("/news", body)
+        hits: list[SerperHit] = []
+        for item in (data.get("news") or [])[:num_results]:
+            hits.append(SerperHit(
+                title=(item.get("title") or "")[:200],
+                url=item.get("link") or "",
+                snippet=(item.get("snippet") or "")[:600],
+                source=(item.get("source") or "")[:200],
+                date=item.get("date") or "",
+            ))
+        return hits
+
+
+if __name__ == "__main__":
+    from scripts.lib.zenmux_client import load_secrets
+    load_secrets()
+    with SerperClient() as c:
+        print("=== Patents: dual-target siRNA ===")
+        for h in c.patents("dual-target siRNA GalNAc conjugate", num_results=3):
+            print(f"  {h.title[:70]}")
+            print(f"    {h.url}")
+        print("\n=== Scholar: dual-target RNAi ===")
+        for h in c.scholar("dual-target RNAi drug 2024", num_results=3):
+            print(f"  {h.title[:70]}  [引用 {h.cited_by}] ({h.date})")
+            print(f"    {h.url}")
+            print(f"    源: {h.source[:80]}")

scripts/prompts/polish_system.txt

@@ -8,6 +8,7 @@
 4. **保留段落数量**：不要合并或拆分段落。每段原文对应一段输出。
 5. **专有名词首次出现保持"中文（English）"格式**；如果译文里这个术语已经这样标了就别改，也不要删掉。
 6. **不改变论点、结论、数据、案例**。只改语言表达。
+7. **严禁使用 emoji**（✅ ❌ 🔶 🔷 ⭐ 🟢 🔴 ⚠️ 💡 📌 🔑 📊 等彩色符号）。如果原文里有 emoji，替换为字体支持的符号（✓ × ◆ ● ★ * 注 等）或直接删除。这些 emoji 在 PDF 里渲染为方框。
 
 ## 要去掉的"AI 味/翻译腔"表征
 

scripts/prompts/translate_system.txt

@@ -13,6 +13,7 @@ You are a senior English-to-Chinese biomedical translator and editor. You do NOT
 9. Do NOT collapse or merge consecutive paragraphs — preserve paragraph breaks.
 10. Output Chinese-style punctuation inside Chinese text: `，。；：？！""（）`. Keep English punctuation inside parenthetical English phrases.
 11. Do NOT add separator lines (`---`) or blank lines that weren't in the source. If the source ends with `---`, keep it; if it doesn't, don't add one.
+12. **NEVER use emoji** (✅ ❌ 🔶 🔷 ⭐ 🟢 🔴 ⚠️ 💡 📌 🔑 📊 etc.). If the source contains emoji, replace with plain text or punctuation equivalents (✓ × ◆ ● ★ * 注 等). These do not render in the PDF (font has no glyphs).
 
 ## Style rules (aim for native-Chinese feel)
 

uv.lock

@@ -374,6 +374,7 @@ dependencies = [
     { name = "pandas", version = "2.3.3", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version < '3.11'" },
     { name = "pandas", version = "3.0.2", source = { registry = "https://pypi.org/simple" }, marker = "python_full_version >= '3.11'" },
     { name = "pillow" },
+    { name = "pypdf" },
     { name = "python-dateutil" },
     { name = "pyyaml" },
     { name = "reportlab" },
@@ -397,6 +398,7 @@ requires-dist = [
     { name = "numpy", specifier = ">=1.26.0" },
     { name = "pandas", specifier = ">=2.1.0" },
     { name = "pillow", specifier = ">=10.0.0" },
+    { name = "pypdf", specifier = ">=6.10.2" },
     { name = "pytest", marker = "extra == 'dev'", specifier = ">=7.4.0" },
     { name = "python-dateutil", specifier = ">=2.9.0" },
     { name = "pyyaml", specifier = ">=6.0.1" },
@@ -1292,6 +1294,18 @@ wheels = [
     { url = "https://files.pythonhosted.org/packages/10/bd/c038d7cc38edc1aa5bf91ab8068b63d4308c66c4c8bb3cbba7dfbc049f9c/pyparsing-3.3.2-py3-none-any.whl", hash = "sha256:850ba148bd908d7e2411587e247a1e4f0327839c40e2e5e6d05a007ecc69911d", size = 122781, upload-time = "2026-01-21T03:57:55.912Z" },
 ]
 
+[[package]]
+name = "pypdf"
+version = "6.10.2"
+source = { registry = "https://pypi.org/simple" }
+dependencies = [
+    { name = "typing-extensions", marker = "python_full_version < '3.11'" },
+]
+sdist = { url = "https://files.pythonhosted.org/packages/7b/3f/9f2167401c2e94833ca3b69535bad89e533b5de75fefe4197a2c224baec2/pypdf-6.10.2.tar.gz", hash = "sha256:7d09ce108eff6bf67465d461b6ef352dcb8d84f7a91befc02f904455c6eea11d", size = 5315679, upload-time = "2026-04-15T16:37:36.978Z" }
+wheels = [
+    { url = "https://files.pythonhosted.org/packages/0c/d6/1d5c60cc17bbdf37c1552d9c03862fc6d32c5836732a0415b2d637edc2d0/pypdf-6.10.2-py3-none-any.whl", hash = "sha256:aa53be9826655b51c96741e5d7983ca224d898ac0a77896e64636810517624aa", size = 336308, upload-time = "2026-04-15T16:37:34.851Z" },
+]
+
 [[package]]
 name = "pytest"
 version = "9.0.3"