chore: add Gitea service to docker-compose, fix gitignore

- Gitea (postgres-backed) on ports 3000/2222
- Exclude .claude/ dir and *.db from git
- Update CLAUDE.md with Gitea remote info

.gitignore

@@ -24,6 +24,9 @@ frontend/dist/
 .vscode/settings.json
 .idea/
 
+# Claude Code local config (per-machine, not for repo)
+.claude/
+
 # OS
 .DS_Store
 Thumbs.db
@@ -36,7 +39,8 @@ Thumbs.db
 # Runtime data (token store, etc.)
 backend/data/
 
-# Database (PostgreSQL data dir - local only)
+# Database
+*.db
 /pgdata/
 
 # Logs

CLAUDE.md

@@ -29,7 +29,7 @@ docker compose -f docker-compose.prod.yml up -d  # production（自动运行迁
 
 # PubMed pipeline (real data)
 curl -X POST localhost:8000/api/v1/admin/pipeline/run -H "Authorization: Bearer $(admin_token)"
-# FTP bulk import
+# FTP baseline import (first-time full data)
 cd backend && python scripts/pubmed_baseline.py --dir /path/to/pubmed/baseline/ --demo
 # 批量刷新被引次数（PubMed elink，免费，3 req/s。全库约N分钟/N秒）
 curl -X POST localhost:8000/api/v1/admin/pipeline/refresh-citations -H "Authorization: Bearer $(admin_token)"
@@ -88,13 +88,17 @@ Three layouts: `PublicLayout` (no auth, no sidebar), `AuthLayout` (centered card
 
 ### PubMed Pipeline
 
-Two modes: API (`pubmed_api.py` using NCBI E-utilities, 3 req/s) and FTP (`pubmed_baseline.py` for bulk). Both filter articles by MeSH tags defined in `config/specialties/oncology.yaml`. Tagging is bidirectional: MeSH UI → `global_tags` lookup → `global_literature_tags` INSERT.
+**FTP 每日更新文件为主数据源**（2026-07-25 决策）。取代旧 E-utilities API 多路搜索策略。
 
-**两阶段召回策略：**
+日常运行：
-1. **MAJR 高精度** — `ONCOLOGY_SEARCH_QUERIES`，`[MAJR]` 限定 MeSH Major Topic，仅 indexed 记录
+1. **FTP 下载** `pubmed25updateNNNN.xml.gz`（每日 ~10MB，含全部新增/修改/删除记录）
-2. **Title/Abstract 高召回** — `BROAD_ONCOLOGY_QUERIES`，关键词覆盖 in-process + publisher 记录
+2. **解析**：`_extract_article()`（复用 `pubmed_baseline.py` 的 lxml 解析器）
+3. **过滤**：`_is_oncology()` 按 MeSH 肿瘤科筛选（复用 `pubmed_baseline.py`）
+4. **处理**：`<PubmedArticle>` → `_update_lit_from_article()` upsert；`<DeleteCitation>` → 标记 `retracted=True`
+5. **打标**: MeSH UI → `global_tags` lookup → `global_literature_tags` INSERT
+6. **检查点**：`pipeline_runs.processed_date` 记录已处理的 EDAT 日期
 
-`_run_pipeline()` 是共享核心（`pubmed_api.py:498`），通过 `use_majr`/`use_broad` 标志控制执行集合。标题/抽象查询通过 `seen_pmids` 集合自动去重。已存在的 PMID 通过 `_update_lit_from_article()` 原地覆盖更新。
+降级：FTP 不可用时，回退到 `pubmed_api.py`（NCBI E-utilities，3 req/s）的 `reldate=1&datetype=edat` 查询。
 
 ### ARQ Scheduled Tasks (`backend/app/tasks/worker.py`)
 
@@ -102,19 +106,19 @@ Two modes: API (`pubmed_api.py` using NCBI E-utilities, 3 req/s) and FTP (`pubme
 
 | 任务 | 函数 | Cron (UTC) | 北京时间 | 说明 |
 |---|---|---|---|---|
-| 每日精搜 | `daily_pubmed_pipeline` | `03:07` 每天 | 11:07 | MAJR MeSH 高精度搜索，20 篇/query |
+| 每日 FTP 增量 | `daily_ftp_update` | `03:07` 每天 | 11:07 | FTP 下载更新文件，处理新增/修改/删除（取代精搜+宽搜+retagger） |
-| 每周宽搜 | `weekly_broad_pipeline` | `03:37` 周日 | 11:37 | Title/Abstract 覆盖 in-process + publisher |
 | 引用更新 | `daily_citation_update` | `05:13` 每天 | 13:13 | 刷新最近文献被引次数 |
 | 摘要邮件 | `daily_digest_task` | `22:30` 每天 | 06:30 (次日) | 每日摘要推送 |
 
-`weekly_broad_pipeline` 与 `daily_pubmed_pipeline` 错开 30 分钟执行，避免 PubMed API 限速竞争。
+> **旧任务已移除：** `daily_pubmed_pipeline`（MAJR 精搜）、`weekly_broad_pipeline`（Title/Abstract 宽搜）和 `mesh_retagger.py`（回查）已被 `daily_ftp_update` 完全取代。FTP 每日更新文件包含所有新/改/删记录，覆盖 MeSH in-process→medline 过渡，不再需要多路搜索和回查。
 
 手动触发：
 ```bash
-# 全量运行（MAJR + 宽搜）
+# FTP 增量更新
 curl -X POST localhost:8000/api/v1/admin/pipeline/run -H "Authorization: Bearer $(admin_token)"
-# 仅宽搜
+# 批量刷新被引次数
-curl -X POST "localhost:8000/api/v1/admin/pipeline/run?mode=broad" -H "Authorization: Bearer $(admin_token)"
+curl -X POST localhost:8000/api/v1/admin/pipeline/refresh-citations -H "Authorization: Bearer $(admin_token)"
+curl -X POST "localhost:8000/api/v1/admin/pipeline/refresh-citations?limit=500" -H "Authorization: Bearer $(admin_token)"
 ```
 
 ### Citation Counts (PubMed elink)
@@ -166,3 +170,4 @@ curl -X POST "localhost:8000/api/v1/admin/pipeline/run?mode=broad" -H "Authoriza
 - **SQLite in dev, PostgreSQL in prod.** SQLAlchemy generic types enable this.
 - **Dev mode password reset** returns the reset link directly in API response (no SMTP needed).
 - **`user["sub"]` is a string.** Always convert to `uuid.UUID()` before passing to SQLAlchemy queries.
+- **搜索功能必须与 PubMed 完全一致。** 这是硬性要求，不是"未来优化"。所有 PubMed 字段标签必须全量支持，已存储数据的立即接通搜索路径，缺失数据的补充 XML 抽取和存储。不允许任何字段退化到纯文本搜索。

docker-compose.prod.yml

@@ -259,8 +259,33 @@ services:
         max-size: "10m"
         max-file: "3"
 
+  gitea:
+    image: gitea/gitea:latest-rootless
+    restart: unless-stopped
+    networks:
+      - scilit
+    volumes:
+      - gitea_data:/var/lib/gitea
+    environment:
+      GITEA__database__DB_TYPE: postgres
+      GITEA__database__HOST: postgres:5432
+      GITEA__database__NAME: gitea
+      GITEA__database__USER: gitea
+      GITEA__database__PASSWD: gitea_pass_2026
+      GITEA__server__DOMAIN: 123.207.9.209
+      GITEA__server__HTTP_PORT: 3000
+      GITEA__server__ROOT_URL: http://123.207.9.209:3000
+      GITEA__server__START_SSH_SERVER: "true"
+      GITEA__server__SSH_DOMAIN: 123.207.9.209
+      GITEA__server__SSH_PORT: 2222
+      GITEA__server__SSH_LISTEN_PORT: 22
+    ports:
+      - "3000:3000"
+      - "2222:22"
+
 volumes:
   pgdata:
   redisdata:
   esdata:
   miniodata:
+  gitea_data: