mcpField
A
agent-survey-corpus

agent-survey-corpus

github.com/willoscar文档处理51742 次安装3 周前更新
代码仓库

关于 agent-survey-corpus

用于从 arXiv PDF 构建 Agent 综述本地参考库的可选工具集。研究者和写作流程可借此分析真实综述的结构、比较方式与写作风格。

主要功能

  1. 01下载 arXiv 综述 PDF
  2. 02提取指定页数的文本
  3. 03检查章节与子章节结构
  4. 04生成风格报告

适用场景

  1. 01研究论文式章节组织
  2. 02比较子章节篇幅与过渡
  3. 03识别有证据支持的比较模式

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill agent-survey-corpus

安装后在 Claude Code 中输入/agent-survey-corpus确认已加载。

附带文件scripts/run.py

详细介绍

Agent 综述语料库（arXiv PDF → 文本提取）

触发条件与路由

  • 触发条件：agent survey corpus、ref corpus、download surveys、学习综述写法、下载 survey。
  • 适用场景：你想研究真实的 Agent 综述如何组织章节（6–8 个 H2）、安排小节篇幅，以及撰写有证据支持的比较。

目标：创建一个小型本地参考库，方便你在完善以下内容时借鉴真实的 Agent 综述：

  • C2 大纲结构（类似论文的章节划分）
  • C4 表格／论点组织
  • C5 写作风格与信息密度

这有意不纳入工作流，而是一个可选的仓库级工具包。

输入

  • ref/agent-surveys/arxiv_ids.txt

输出

  • ref/agent-surveys/pdfs/
  • ref/agent-surveys/text/
  • ref/agent-surveys/STYLE_REPORT.md（纳入版本控制；自动生成的摘要）

工作流

  1. 编辑 ref/agent-surveys/arxiv_ids.txt（每行填写一个 arXiv id）。
  2. 运行下载器以获取 PDF，并提取前 N 页的文本。
  3. 浏览 ref/agent-surveys/text/ 下提取的文本：
    • 查看章节数（H2）、小节粒度（H3），以及章节之间的过渡方式。
    • 找出你希望工作流写作器模仿的重复修辞模式。

脚本

快速开始
  • uv run python .codex/skills/agent-survey-corpus/scripts/run.py --help
  • uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace . --max-pages 20
所有选项
  • --workspace <dir>（使用 . 将内容写入仓库根目录）
  • --inputs <semicolon-separated>（默认：ref/agent-surveys/arxiv_ids.txt）
  • --max-pages <N>（默认：20）
  • --sleep <seconds>（默认：1.0）
  • --overwrite（重新下载并重新提取）
示例
  • 下载／提取到仓库根目录下的 ref/：
    • uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace . --max-pages 20
  • 下载／提取到指定文件夹（视为工作区根目录）：
    • uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace /tmp/surveys --max-pages 30

故障排除

  • 下载失败／超时：使用更大的 --sleep 值重新运行，或减少 id 数量。
  • 提取的文本为空：PDF 可能是扫描件；请尝试其他综述，或增大 --max-pages 值。
  • 文件出现在 git status 中：PDF／文本文件已通过 .gitignore 忽略（ref/**/pdfs/、ref/**/text/）。

评论

支持 Markdown