Pipeline #1 demo：Drugs Vol 86 Issue 6 journal-TOC JC 製作過程

藥學系 journal-TOC JC demo — Drugs Vol 86 Issue 6 (2026)

Pipeline #1 for 6/3 CMU 藥學系 talk live demo。

本 demo 並陳兩本期刊，對照 fetch 模式：Drugs（Springer，付費牆，靠既有 subscriber session 跨牆）+ JFDA（食藥署，OA，純 server-side urllib 直取）。這正是 Part B 主軸「fetch 是 cloud LLM 的 hard limit」的具體對照——付費牆才需要跨牆工具，OA 不需要。

同目錄下的 drugs-2026-05-26.md 是本期 13 篇 article 自動抽取後的 mega-md 原貌（1.5 MB，含 13 篇 full-text body + abstract + figure caption），可直接打開審視 deterministic pipeline 的輸出長相。

目標

Show 藥學系學生「sandbox LLM ≠ agentic pipeline」的具體分野：

一份 publisher web 上 13 篇 review articles，不靠人手 copy-paste，10 分鐘自動產出可餵 LLM 的 mega-md + GPT 導讀 + 落點對齊 corpus。

製作過程（4 步）

1. Bundler 設定（一次性 onboarding，~15 min）

   • journals.json 加 drugs entry：browser、toc_url、selectors、article-card 結構。
   • extractor.js 加 parseDrugs_TOC：card = article.app-card-open，DOI 從 /article/10.1007/s40265-... href 取，section 從 span.c-meta__type 取，OA 看 .c-meta__item 文字含 Open access。
   • 用 Chrome Beta 既有 subscriber session（已 logged-in Springer Link），不需另外手動 download。

2. 跑 bundler（每月一次 demo cmd）

   python3 journal-toc/scripts/journal_bundler/bundler.py drugs

   • 從 TOC 抓 13 篇 article cards
   • 每篇 sync XHR 到 Springer Link 全文頁，selector union（h1.c-article-title / div.c-article-body.main-content）抓 title / abstract / body markdown
   • 組成 drugs-2026-05-26.md mega-md（1.5 MB，含 13 篇全文 / abstract / figure caption）

3. Quality gate（deterministic 7-criteria 自審）

   python3 journal-toc/scripts/quality-check.py --journal drugs drugs-2026-05-26.md

   • count_integrity：h2 count = unique DOI count = 宣告 article count
   • extraction_success_rate：abstract + body 都得 ≥ expected
   • section_coverage：article-type 標籤齊備
   • file_size、frontmatter、peer_compare：宣告期刊規模 sanity
   • 本期：7/7 PASS

4. 餵 LLM 拿導讀 + apply to corpus

   • mega-md 一鍵 push 到剪貼簿 → 貼到 GPT-Pro / Gemini Pro
   • GPT 依固定 prompt 回導讀草稿
   • Agent 接 draft → 寫到 agent-share/journal/Drugs/86/6/index.md（含 frontmatter + publish gate）
   • launchctl kickstart deploy → CF Pages 公開 /notes/journal/drugs-86-6/

同樣模式已 cover 9 journals

新增一個 journal 的工程量 = journals.json + extractor.js 各加一個 parser、約 30-60 min（DOM structure 是穩定的，照前例改 selector 即可）。

演講當天的 5 分鐘 live demo flow

重點 takeaway 給藥學系

• 不靠 LLM 智商，靠 deterministic pipeline 紀律。每一個 step 都是 pure function（fetch / parse / quality check）；只有「導讀寫作」是 LLM agentic 那一格。
• 新加一份期刊 ≠ 整重做。共用 bundler 引擎，只改 selectors。
• content 全在自己硬碟 + git。Springer / Cloudflare / OpenAI 任一家明天倒了，pipeline 不動。

OA 對照組：JFDA Vol 33 Issue 4（2025）

教授辦公室建議的示範期刊（2026-05-28）。jfda-2025-12-15.md 是本期 13 篇全 OA article 的 mega-md（TOC + DOI + section + abstract + authors，全程 server-side 抓取）。

跟 Drugs 的關鍵分野：付費牆 vs OA

為什麼這個對照正中 talk 主軸

Part B 講「fetch 是 cloud LLM 的 hard limit」：cloud LLM（ChatGPT / Gemini）連付費牆內的全文都拿不到，是結構性限制；要靠 local agent + 你自己 logged-in 的 session 才跨得過去。

• Drugs 示範「跨牆」：付費期刊，local agent 沿用你瀏覽器既有的 subscriber session，cloud LLM 做不到。
• JFDA 示範「不需跨牆」：OA 期刊一行 urllib 就拿到 TOC + abstract + 全文 PDF link，連 session 都不用——因為 OA 本來就沒牆。

兩本並陳，學生一眼看懂：fetch 限制只在付費牆出現；判斷一個來源能不能自動化抓取，第一步是看它 OA 還是 paywall。同一個 bundler 引擎，差別只在「要不要餵 session」。

bundler 怎麼加 JFDA（server-side parser）

不同於 Drugs 的 browser-session 路徑，JFDA 走 parse_toc 的 server-side HTML 分支（與 Science / Lancet 的 server-side RSS 對稱）：

• journals.json 加 jfda：toc_format: html、toc_parser: jfda、expected_oa_pct: 100。
• bundler.py 加 parse_jfda_html：解析 bepress 首頁的 <h2 id> section + viewcontent.cgi?article=<id> PDF link，DOI 確定性構造，逐篇 landing meta 抓 abstract + authors。
• 全程無瀏覽器 session 依賴，任何機器都能跑（OA 沒有登入綁定）。

本期實測：13 篇，13/13 OA，13/13 abstract，約 12 秒，純 server-side。