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
- 01生成 H3 小节简报卡
- 02输出范围规则、主题轴与聚类
- 03生成证据锚点和段落计划
- 04通过领域包调整措辞与主题轴
适用场景
- 01为文献综述小节建立写作计划
- 02为后续证据与写作环节提供衔接词
- 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.jsongeneric.jsonllm_agents.jsonrag_evaluation.jsontext_to_image.jsonassets/phrase_packs/bridge_contrast.jsonthesis_patterns.jsonreferences/axis_catalog_generic.mdaxis_catalog_llm_agents.mdbridge_terms.mdexamples_good.mdoverview.mdtension_patterns.mdthesis_patterns.mdscripts/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.jsonassets/phrase_packs/bridge_contrast.jsonassets/domain_packs/generic.jsonassets/domain_packs/llm_agents.jsonassets/domain_packs/embodied_ai.jsonassets/domain_packs/rag_evaluation.jsonassets/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.ymloutline/mapping.tsvpapers/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