Cleaning Up Research Sessions

清理研究会话

概述

删除研究工作流中创建的中间文件，同时保留所有重要数据。

核心原则： 谨慎清理，并征求用户确认。绝不删除任何重要内容。

适用场景

在以下情况下使用此技能：

• 研究会话已完成并整理汇总
• 准备归档或分享研究会话文件夹
• 研究文件夹中积累了临时文件或中间文件
• 用户明确要求清理

不适用场景：

• 研究仍在进行中
• 用户尚未检查最终输出
• 不确定哪些文件可以安全删除

始终保留的文件

绝不删除以下文件（受保护列表）：

核心输出：

• SUMMARY.md - 包含方法论的扩展研究发现
• relevant-papers.json - 筛选出的相关论文
• papers-reviewed.json - 完整的筛选历史
• papers/ 目录 - 所有 PDF 和补充文件
• citations/citation-graph.json - 引用关系

方法论文档：

• screening-criteria.json - 评分标准定义（如果存在）
• test-set.json - 用于验证评分标准的论文（如果存在）
• abstracts-cache.json - 用于重新筛选的缓存摘要（如果存在）
• rubric-changelog.md - 评分标准版本历史（如果存在）

辅助文档（如果存在）：

• README.md - 项目概述
• TOP_PRIORITY_PAPERS.md - 精选优先级列表
• evaluated-papers.json - 丰富的结构化数据

项目配置：

• .claude/ 目录 - 权限和设置
• 已创建的 *.py 辅助脚本 - 为确保可复现性而保留

可以清理的文件

可考虑删除的文件（需确认）：

中间搜索结果：

• initial-search-results.json - 筛选前的原始 PubMed 结果
  • 可以安全删除：数据已包含在 papers-reviewed.json 中
  • 保留理由：可查看原始搜索结果，确保可复现性

临时文件：

• *.tmp 文件
• *.swp 文件（vim 交换文件）
• .DS_Store（macOS）
• __pycache__/（Python 缓存）
• *.pyc（Python 编译文件）

日志文件：

• *.log 文件
• debug-*.txt 文件

清理工作流

步骤 1：分析研究会话

cd research-sessions/YYYY-MM-DD-description/

# List all files with sizes
find . -type f -exec ls -lh {} \; | awk '{print $5, $9}' | sort -rh

按类别识别文件：

• 核心输出（必须保留）
• 方法论文档（应当保留）
• 中间文件（可考虑清理）
• 临时文件（可以安全删除）

步骤 2：向用户展示清理计划

展示将要删除的内容：

🧹 Cleanup Analysis for: research-sessions/2025-10-11-btk-selectivity/

Files to KEEP (protected):
  ✅ SUMMARY.md (45 KB)
  ✅ relevant-papers.json (12 KB)
  ✅ papers-reviewed.json (28 KB)
  ✅ papers/ (14 PDFs, 32 MB)
  ✅ citations/citation-graph.json (5 KB)
  ✅ screening-criteria.json (2 KB)
  ✅ abstracts-cache.json (156 KB)

Files that CAN be removed (intermediate):
  🗑️  initial-search-results.json (8 KB) - Raw PubMed results
  🗑️  .DS_Store (6 KB) - macOS metadata

Total space to recover: 14 KB

Proceed with cleanup? (y/n/review)

选项：

• y - 删除中间文件
• n - 取消清理，保留所有文件
• review - 在决定前展示每个文件的内容

步骤 3：确认删除

删除任何文件前：

1. 确认文件不在受保护列表中
2. 检查 SUMMARY.md 是否引用了该文件
3. 再次征求用户确认

确认示例：

About to delete:
- initial-search-results.json (8 KB)

This file contains raw PubMed search results. The data is preserved in
papers-reviewed.json, so this is safe to delete.

Confirm deletion? (y/n)

步骤 4：执行清理

删除已确认的文件：

# Move to trash instead of rm (safer)
# On macOS:
mv initial-search-results.json ~/.Trash/

# On Linux:
mv initial-search-results.json ~/.local/share/Trash/files/

# Or use rm if user confirms
rm initial-search-results.json

报告结果：

✅ Cleanup complete!

Removed:
- initial-search-results.json (8 KB)
- .DS_Store (6 KB)

Space recovered: 14 KB

Protected files preserved:
- All 8 core files kept
- All 14 PDFs kept
- All methodology documentation kept

步骤 5：验证完整性

清理后，验证关键文件：

# Check core files exist
test -f SUMMARY.md && echo "✓ SUMMARY.md"
test -f relevant-papers.json && echo "✓ relevant-papers.json"
test -f papers-reviewed.json && echo "✓ papers-reviewed.json"
test -d papers && echo "✓ papers/ directory"

# Verify JSON files are valid
jq empty relevant-papers.json && echo "✓ relevant-papers.json valid JSON"
jq empty papers-reviewed.json && echo "✓ papers-reviewed.json valid JSON"

向用户报告：

✅ Integrity check passed
   - All core files present
   - All JSON files valid
   - All PDFs intact

特殊情况

情况 1：较大的 abstracts-cache.json

如果 abstracts-cache.json 非常大（>100 MB）：

⚠️  abstracts-cache.json is 256 MB

This file enables re-screening if you update the rubric. Options:
1. Keep (recommended if you might refine rubric)
2. Compress (gzip to ~50 MB, can decompress later)
3. Delete (only if research is final and won't be updated)

Choice? (1/2/3)

如果用户选择压缩：

gzip abstracts-cache.json
# Creates abstracts-cache.json.gz

echo "Compressed abstracts-cache.json to $(du -h abstracts-cache.json.gz | cut -f1)"

情况 2：辅助脚本

如果用户在研究期间创建了辅助脚本：

📝 Found helper scripts:
   - screen_papers.py (created for batch screening)
   - deep_dive_papers.py (created for data extraction)

These scripts document your methodology. Recommendations:
- Keep for reproducibility
- Add comments if not already documented
- Reference in SUMMARY.md under "Reproducibility" section

Keep scripts? (y/n)

情况 3：多个研究会话

如果要清理多个会话：

# Find all research sessions
find research-sessions/ -maxdepth 1 -type d

# For each session:
for session in research-sessions/*/; do
    echo "Analyzing: $session"
    # Run cleanup analysis
done

询问用户：

Found 5 completed research sessions.

Clean up all sessions? (y/n/select)
- y: Analyze and clean all sessions
- n: Cancel
- select: Choose which sessions to clean

安全机制

受保护文件列表

维护一份硬编码的模式列表，绝不删除匹配项：

PROTECTED_PATTERNS = [
    'SUMMARY.md',
    'relevant-papers.json',
    'papers-reviewed.json',
    'papers/*.pdf',
    'papers/*.zip',
    'citations/citation-graph.json',
    'screening-criteria.json',
    'test-set.json',
    'abstracts-cache.json',
    'rubric-changelog.md',
    'README.md',
    'TOP_PRIORITY_PAPERS.md',
    'evaluated-papers.json',
    '*.py',  # Helper scripts
    '.claude/*',  # Project settings
]

删除任何文件前：

def is_protected(filepath):
    """Check if file matches any protected pattern"""
    for pattern in PROTECTED_PATTERNS:
        if fnmatch(filepath, pattern):
            return True
    return False

# Never delete protected files
if is_protected(file_to_delete):
    print(f"⚠️  ERROR: {file_to_delete} is protected and cannot be deleted")
    return

空运行模式

始终先展示将要删除的内容，再执行删除：

# Dry run (show only, don't delete)
echo "DRY RUN - No files will be deleted"

for file in $candidate_files; do
    if is_safe_to_delete "$file"; then
        echo "Would delete: $file ($(du -h $file | cut -f1))"
    fi
done

echo ""
echo "Proceed with actual deletion? (y/n)"

与其他技能集成

完成 answering-research-questions 工作流后：

1. 完成阶段 8（整理汇总）
2. 用户检查 SUMMARY.md 和 relevant-papers.json
3. 可选： 运行 cleaning-up-research-sessions
4. 归档或分享研究文件夹

添加到 answering-research-questions 的阶段 8：

### Optional: Cleanup

After reviewing outputs, optionally clean up intermediate files:

"Research session is complete. Would you like me to clean up intermediate files?
I'll show you what will be deleted before removing anything."

If yes: Use `cleaning-up-research-sessions` skill

常见错误

**删除 papers-reviewed.json：**这是用于去重的数据库，绝对不要删除 → 始终通过硬编码列表保护 **删除 abstracts-cache.json：**重新筛选时需要用到 → 先询问用户，默认保留 **删除辅助脚本：**对可复现性很重要 → 默认保留，询问用户是否要移除 **不向用户展示将要删除的内容：**用户需要查看计划 → 始终先展示试运行结果 **未经确认就删除：**风险太高 → 始终征求最终确认 **清理后未验证：**文件可能已损坏 → 删除后运行完整性检查

快速参考

操作	命令
列出所有文件及其大小	find . -type f -exec ls -lh {} \; | sort -rh
检查 JSON 是否有效	jq empty file.json
移至废纸篓（macOS）	mv file ~/.Trash/
移至废纸篓（Linux）	mv file ~/.local/share/Trash/files/
压缩大文件	gzip file
计算文件夹大小	du -sh .

成功标准

满足以下条件即表示清理成功：

• 所有受保护文件仍然存在且有效
• 仅删除已确认的中间文件
• 用户知道删除了什么以及原因
• 已报告释放的空间
• 完整性检查已通过
• 研究会话仍可正常运行

示例会话

User: "Can you clean up the research session folder?"

Agent: "I'll analyze the research session and show you what can be safely cleaned up."

[Analyzes folder]

Agent: "🧹 Cleanup Analysis for: research-sessions/2025-10-11-btk-selectivity/

Files to KEEP (protected):
  ✅ SUMMARY.md (45 KB) - Final findings
  ✅ relevant-papers.json (12 KB) - Filtered results
  ✅ papers-reviewed.json (28 KB) - Complete history
  ✅ papers/ (14 PDFs, 32 MB) - Downloaded papers
  ✅ citations/citation-graph.json (5 KB) - Citation network
  ✅ screening-criteria.json (2 KB) - Rubric definition
  ✅ abstracts-cache.json (156 KB) - Cached abstracts

Files that CAN be removed:
  🗑️  initial-search-results.json (8 KB) - Raw PubMed results
     → Data is preserved in papers-reviewed.json
  🗑️  .DS_Store (6 KB) - macOS metadata
     → Not needed

Total space to recover: 14 KB

Proceed with cleanup? (y/n/review)"

User: "y"

Agent: "Final confirmation - About to delete:
- initial-search-results.json (8 KB)
- .DS_Store (6 KB)

All protected files will be preserved. Confirm? (y/n)"

User: "y"

Agent: [Deletes files]

"✅ Cleanup complete!

Removed:
- initial-search-results.json (8 KB)
- .DS_Store (6 KB)

Space recovered: 14 KB

Running integrity check...
✅ All core files intact
✅ All JSON files valid
✅ All 14 PDFs present

Research session is ready for archiving or sharing."

后续步骤

清理后：

• 研究文件夹已整理干净，可供归档
• 与协作者共享文件夹
• 移至长期存储
• 如有需要，继续后续研究