上海前端兼职程序员外包

需求描述

项目名称：肿瘤学文献自动转微信公众号推文流水线开发
Project Title: Automated Pipeline for Oncology Literature PDF to WeChat OA Post

1. 项目概述 (Project Overview)
开发一套端到端的自动化程序。系统需监控特定邮箱，当收到包含肿瘤学 PDF 文献的邮件时，自动提取内容、识别并分割高精度子图、生成符合特定格式的公众号文案，并最终实现公众号后台的自动上传与定时发布。

2. 核心业务流程 (Workflow)
邮件触发：通过 IMAP/POP3 监控指定邮箱，下载 PDF 附件。

文献解析：识别 PDF 中的文字和插图。

子图精准分割 (核心难点)：识别复合图（Compound Figures），提取并命名子图（如 Fig 1A, 2C）。

内容润色与格式化：根据预设模板（由 AI 或规则引擎）生成推文，并将对应的子图插入指定位置。

公众号发布：通过 API 或自动化工具（RPA）将推文上传至微信公众平台草稿箱并设置定时发布。

3. 详细功能模块与技术指标 (Technical Requirements)
模块 A：PDF 智能解析与子图提取 (The Engine)
需求：不能仅提取整张 Figure，必须能够识别并裁剪子图。

技术要求：

采用 Layout Analysis（布局分析）技术（如 LayoutLMv3, YOLOv11 或基于 Vision Transformer 的模型）。

识别子图标签（A, B, a, b...）的坐标，并按逻辑合并周围的相关图表区域。

输出：清晰命名的图片文件（例如：PaperID_Fig1A.png）。

模块 B：内容转换与推文生成
需求：将枯燥的医学文献转化为适合新媒体阅读的文案，并遵循固定格式。

技术要求：

集成大模型（Claude 或肿瘤学微调模型等等）。

Prompt Engineering：需支持将特定图片 ID 嵌入文案占位符，例如：{INSERT_FIGURE_1C_HERE}。

支持特定的排版格式（标题、正文、重点摘要、图片说明）。

模块 C：微信公众平台自动化 (Deployment)
需求：全自动操作，无需人工登录。

技术要求：

方案 1 (API)：使用微信官方 API（需注意 API 只能存入草稿箱，且部分发布功能有权限限制）。

方案 2 (RPA/Headless Browser)：使用 Playwright 或 Selenium 模拟登录，完成图片上传、排版、设置定时任务。

安全：需处理扫码登录过期或验证码校验的策略。

4. 交付物 (Deliverables)
完整源代码：包含 PDF 处理、AI 接口对接、自动化发布脚本。

环境部署文档：支持 Docker 部署或主流服务器环境配置说明。

管理后台/配置文件：允许用户修改推文模板、邮箱配置、定时时间等参数。

测试报告：提供 20 篇不同排版文献的成功解析与发布案例。

5. 验收标准 (Acceptance Criteria)
子图提取准确率：Fig 1A, 1B 等子图的识别与裁剪准确率需达到 99% 以上。

全流程闭环：从发邮件到公众号草稿箱出现推文，整个过程无需人工干预。

排版一致性：生成的推文必须严格符合提供的样式模板。


特别提醒开发者：

在描述中强调："Normal PDF-to-Image tools are NOT enough. Semantic sub-figure extraction is mandatory."（普通的 PDF 转图工具不够，必须具备语义化的子图提取能力）。