mcpField
S
subsection-briefs

subsection-briefs

github.com/willoscar生产力51744 次安装3 周前更新
代码仓库

关于 subsection-briefs

subsection-briefs 根据大纲、映射和论文笔记生成确定性的小节规划卡,适用于文献综述写作流程。它保留现有 JSONL 字段结构,并提供领域与措辞资源包供生成器使用。

主要功能

  1. 01生成 H3 小节简报卡
  2. 02输出范围规则、主题轴与聚类
  3. 03生成证据锚点和段落计划
  4. 04通过领域包调整措辞与主题轴

适用场景

  1. 01为文献综述小节建立写作计划
  2. 02为后续证据与写作环节提供衔接词
  3. 03在证据不足时生成保守的规划内容

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 subsection-briefs

安装后在 Claude Code 中输入/subsection-briefs确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

assets/domain_packs/
embodied_ai.json
generic.json
llm_agents.json
rag_evaluation.json
text_to_image.json
assets/phrase_packs/
bridge_contrast.json
thesis_patterns.json
references/
axis_catalog_generic.md
axis_catalog_llm_agents.md
bridge_terms.md
examples_good.md
overview.md
tension_patterns.md
thesis_patterns.md
scripts/
run.py

详细介绍

小节简介

触发条件与路由

  • 触发词:subsection briefs、writing cards、intent cards、H3 briefs、scope_rule、axes、clusters、写作意图卡、小节卡片、段落计划。

outline/subsection_briefs.refined.ok 仅当标记的更新时间晚于简介、声明的输入、领域包和生成器时,才会冻结已审阅的简介。重新生成并备份前,会移除过期标记。

从大纲、映射和论文笔记中,确定性地构建 H3 简介卡片。

兼容模式已启用:此技能保留当前的 outline/subsection_briefs.jsonl 字段约定和段落计划结构,同时将短语和领域逻辑移入 references/ 和 assets/。

快速使用

  • 将 scripts/run.py 用作确定性物化器。
  • 输出必须不包含散文:仅包含小节范围内的计划、轴、集群和衔接线索。
  • 保持与下游 transition-weaver、writer-context-pack 和 subsection-writer 的现有兼容性。

加载顺序

始终阅读:

  • references/overview.md

按任务阅读:

  • 如果 thesis 显得重复或容易照搬,请阅读 references/thesis_patterns.md。
  • 如果 tension_statement 太笼统,请阅读 references/tension_patterns.md。
  • 如果轴较弱或偏向特定领域,请阅读 references/axis_catalog_generic.md 和 references/axis_catalog_llm_agents.md。
  • 如果衔接线索显得平淡,请阅读 references/bridge_terms.md。
  • 如需校准,请阅读 references/examples_good.md。

机器可读资源:

  • assets/phrase_packs/thesis_patterns.json
  • assets/phrase_packs/bridge_contrast.json
  • assets/domain_packs/generic.json
  • assets/domain_packs/llm_agents.json
  • assets/domain_packs/embodied_ai.json
  • assets/domain_packs/rag_evaluation.json
  • assets/domain_packs/text_to_image.json

脚本会先加载这些包;如果问题出在措辞、领域路由、轴清单、集群纯度或词汇衔接覆盖范围上,请先修改这些包,再改 Python。

输入

  • outline/outline.yml
  • outline/mapping.tsv
  • papers/paper_notes.jsonl
  • 可选:GOAL.md
  • 可选:outline/claim_evidence_matrix.md

输出

  • outline/subsection_briefs.jsonl

必需的记录结构保持兼容:

  • 标识信息:sub_id、title、section_id、section_title
  • 规划核心:rq、thesis、scope_rule、axes、bridge_terms、contrast_hook、tension_statement
  • 证据线索:evaluation_anchor_minimal、required_evidence_fields、clusters
  • 执行计划:paragraph_plan、evidence_level_summary、generated_at

run.py 应执行的操作

  • 读取大纲、映射和笔记。
  • 根据大纲项目规范化小节种子。
  • 从 assets/ 加载论点、张力和领域轴包。
  • 按现有约定生成稳定的 JSONL 记录。

run.py 不应执行的操作

  • 不要编造论文、引文或主张。
  • 不要输出面向读者的叙述性散文。
  • 如果资源包可以承载领域专用句式模板,就不要将其硬编码。

阻止 / 重新路由

  • 如果缺少大纲、映射或笔记,请停止。
  • 如果证据薄弱,请让 thesis / tension_statement 保持谨慎,并交由下游证据技能加强小节内容。
  • 如果对比集群合并成重叠的论文池,请在写作前重新路由:移除衔接论文后,每一侧仍应至少保留 2 篇独有论文。
  • 使用 bridge_terms 提取具体的词汇线索,供后续证据和排序阶段匹配(OOD、sim-to-real、world model、failure detector、特定基准系列),而不只是通用轴名称。
  • 如果映射集规模已足以支持互不相交的集群,优先使用领域包中的 cluster_rules,而不是临时采用重叠规则。
  • 不要通过编造更具体的轴或更强的主张来“修复”证据薄弱的问题。

执行说明

在兼容模式下运行时,scripts/run.py 目前会读取:

  • outline/outline.yml,用于获取章节/小节结构
  • outline/mapping.tsv,用于获取论文到小节的覆盖关系
  • papers/paper_notes.jsonl,用于获取结构化证据
  • GOAL.md,用于获取主题/领域线索
  • outline/claim_evidence_matrix.md,作为可选的补充上下文(如果存在)

脚本

快速开始
  • uv run python .codex/skills/subsection-briefs/scripts/run.py --workspace <workspace>
所有选项
  • --workspace <dir>
  • --unit-id <id>
  • --inputs <a;b;...>
  • --outputs <a;b;...>
  • --checkpoint <C*>
示例
  • uv run python .codex/skills/subsection-briefs/scripts/run.py --workspace <workspace>

故障排除

  • 如果选中了错误的领域包,请检查 GOAL.md 和资源包,再考虑修改脚本。
  • 如果简报听起来过于笼统,请调整措辞包/领域包,而不是添加更多 Python 文字说明。
  • 如果 papers/paper_notes.jsonl 内容单薄,请改为进行笔记提取,而不是凭空编造分析维度。

评论

支持 Markdown