mirror of
https://github.com/lllin000/PaperForge.git
synced 2026-07-22 06:50:53 +00:00
feat: add agent commands deployment
- Add command/ directory with core lp commands: lp-selection-sync, lp-index-refresh, lp-ocr, lp-status ld-deep, ld-paper - Update setup.py to deploy commands to .opencode/command/
This commit is contained in:
Research Assistant
parent
51e2612e9e
commit
68f65ea69a
7 changed files with 355 additions and 0 deletions
221
command/ld-deep.md
Normal file
221
command/ld-deep.md
Normal file
|
|
@ -0,0 +1,221 @@
|
|||
# /LD-deep
|
||||
|
||||
基于单篇论文的组会式精读入口。
|
||||
|
||||
## 功能
|
||||
|
||||
1. 解析 `/LD-deep <query>` 中的查询词
|
||||
2. 支持 Zotero key、标题片段、DOI、PMID、关键词
|
||||
3. 优先搜索本地 Zotero 并锁定单篇论文
|
||||
4. 绑定该论文对应的：
|
||||
- `99_System/LiteraturePipeline/ocr/<KEY>/fulltext.md`
|
||||
- `99_System/LiteraturePipeline/ocr/<KEY>/meta.json`
|
||||
- `03_Resources/Literature/.../KEY - Title.md`
|
||||
5. 在正式文献卡片中检查或创建 `## 🔍 精读`
|
||||
6. 以“研究思路 + figure-by-figure”方式一次性完成精读写回
|
||||
|
||||
## 执行原则
|
||||
|
||||
- `/LD-deep` 对用户来说是一次触发直接完成。
|
||||
- 内部逻辑分两步：
|
||||
1. 先生成 `## 🔍 精读` 骨架和 figure 标题位
|
||||
2. 再补全所有空段
|
||||
- **覆盖确认（强制）**：
|
||||
在启动精读前，主 agent **必须**读取 `{{FORMAL_NOTE}}`，检查是否已存在 `## 🔍 精读` 区域且包含非占位符的实质内容（如已填写的分析段落、非"（待补充）"的文本）。
|
||||
- 若检测到已有实质内容 → **必须**使用 Question tool 询问用户：
|
||||
- "追加"（保留现有内容，仅补充新增/空缺部分）
|
||||
- "覆盖"（删除现有精读，重新生成）
|
||||
- "跳过"（取消本次操作）
|
||||
- 用户选择"追加"时，subagent 应保留已有内容，仅填充空缺或补充新 section。
|
||||
- 用户选择"覆盖"时，subagent 应**先删除现有 `## 🔍 精读` 区域**（从 `## 🔍 精读` 到下一个同级或更高级 heading），再重新生成骨架并填写。
|
||||
- 用户选择"跳过"时，直接终止流程。
|
||||
- 后续再次运行时（未询问用户或用户选择追加）：
|
||||
- 只补空段
|
||||
- 不覆盖已有内容
|
||||
- 不覆盖用户手改内容
|
||||
|
||||
## 精读定位
|
||||
|
||||
这不是综述提取，也不是信息摘录。
|
||||
目标是模拟高水平博士/博士后组会讲解单篇论文的学习型精读。
|
||||
|
||||
主线必须是：
|
||||
|
||||
1. 文章整体研究思路
|
||||
2. 主文 figure 逐张解析
|
||||
3. 关键方法补课
|
||||
4. 主要发现、新意、疑点与启发
|
||||
|
||||
## Supplementary 规则
|
||||
|
||||
- 默认不逐张展开 supplementary figure/table。
|
||||
- 仅在以下情况下纳入：
|
||||
- 对主结论形成关键支撑
|
||||
- 补足方法可信度
|
||||
- 限制主文结论的解释范围
|
||||
- 作者在正文中明显依赖该补充材料
|
||||
|
||||
## 精读结构
|
||||
|
||||
骨架为纯文本 + 粗体标题，不使用 Obsidian callout 格式。采用 Keshav 三阶段阅读法组织：
|
||||
|
||||
```md
|
||||
## 🔍 精读
|
||||
|
||||
**证据边界**：区分三层信息：`论文结果`、`作者解释`、`我的理解/推断`。不要把样本内观察直接写成普遍规律，不要把相关性写成因果，不要把未进入最终模型的指标写成已被稳定验证的联合诊断结论。
|
||||
|
||||
### Pass 1: 概览
|
||||
|
||||
**一句话总览**
|
||||
（待补充）
|
||||
|
||||
**5 Cs 快速评估**
|
||||
- **Category**（类型）：
|
||||
- **Context**（上下文）：
|
||||
- **Correctness**（合理性初判）：
|
||||
- **Contributions**（贡献）：
|
||||
- **Clarity**（清晰度）：
|
||||
|
||||
**Figure 导读**
|
||||
- 关键主图：
|
||||
- 证据转折点：
|
||||
- 需要重点展开的 supplementary：
|
||||
- 关键表格：
|
||||
|
||||
### Pass 2: 精读还原
|
||||
|
||||
#### Figure-by-Figure 解析
|
||||
（每张 figure 下方按以下顺序填写）
|
||||
- **图像定位与核心问题**：页码 + 要回答什么问题
|
||||
- **方法与结果**：方法 + 结果
|
||||
- **作者解释**：作者对该图的解读
|
||||
- **我的理解**：自己的理解（区分于作者解释）
|
||||
- **在全文中的作用**：该图在整体故事线中的位置
|
||||
- **疑点 / 局限**：读图时发现的疑问（可酌情用 `> [!warning]` 突出）
|
||||
|
||||
#### Table-by-Table 解析
|
||||
（如有重要表格，按同样结构展开）
|
||||
|
||||
#### 关键方法补课
|
||||
- 方法 1：
|
||||
- 方法 2：
|
||||
|
||||
#### 主要发现与新意
|
||||
**主要发现**
|
||||
- 发现 1：
|
||||
- 发现 2：
|
||||
|
||||
### Pass 3: 深度理解
|
||||
|
||||
#### 假设挑战与隐藏缺陷
|
||||
- 隐含假设：
|
||||
- 如果放宽某个假设，结论还成立吗？
|
||||
- 缺少哪些关键引用？
|
||||
- 实验/分析技术的潜在问题：
|
||||
|
||||
#### 哪些结论扎实，哪些仍存疑
|
||||
**较扎实**
|
||||
-
|
||||
|
||||
**仍存疑**
|
||||
-
|
||||
|
||||
#### Discussion 与 Conclusion 怎么读
|
||||
- 作者真正完成了什么：
|
||||
- 哪些地方有拔高：
|
||||
- 哪些地方是推测：
|
||||
|
||||
#### 对我的启发
|
||||
- 研究设计上：
|
||||
- figure 组织上：
|
||||
- 方法组合上：
|
||||
- 未来工作想法：
|
||||
|
||||
#### 遗留问题
|
||||
**遗留问题**
|
||||
-
|
||||
```
|
||||
|
||||
## Figure 节要求
|
||||
|
||||
每个 figure 小节按以下顺序填写：
|
||||
|
||||
- **图像定位与核心问题**：页码 + 要回答什么问题
|
||||
- **方法与结果**：方法 + 结果
|
||||
- **作者解释**：作者对该图的解读
|
||||
- **我的理解**：自己的理解（区分于作者解释）
|
||||
- **在全文中的作用**：该图在整体故事线中的位置
|
||||
- **疑点 / 局限**：读图时发现的疑问（可酌情用 `> [!warning]` 突出）
|
||||
|
||||
图像优先直接引用 `fulltext.md` 里已有的 OCR 图像链接。
|
||||
|
||||
## 使用示例
|
||||
|
||||
### 单篇精读（已知 key）
|
||||
|
||||
```bash
|
||||
/LD-deep XGT9Z257
|
||||
/LD-deep Predictive findings on magnetic resonance imaging
|
||||
/LD-deep 10.1016/j.jse.2018.01.001
|
||||
```
|
||||
|
||||
### 批量从待精读队列启动（/LD-deep queue）
|
||||
|
||||
```
|
||||
/LD-deep queue
|
||||
```
|
||||
|
||||
当不提供具体 key/标题时，agent 自动执行以下流程：
|
||||
|
||||
1. 运行 `python {{SCRIPT}} queue --vault {{VAULT}}`
|
||||
2. 解析输出的 JSON 队列（`analyze=true` + `deep_reading_status != done` + `ocr_status`）
|
||||
3. 按 OCR 状态分组展示：
|
||||
- **就绪**：OCR 已完成，可直接精读
|
||||
- **阻塞**：OCR 未完成，需先跑 `ocr` worker
|
||||
4. 由用户选择篇目：
|
||||
- 若只有 1 篇就绪 → 直接执行单篇精读（等同于 `/LD-deep <key>`）
|
||||
- 若多篇 → 展示清单，用户选择后批量 spawn subagent 并行处理
|
||||
|
||||
**注意**：`queue` 模式只扫描 `library-records`（Base 控制记录），不扫描正式卡片。只有在 Base 里勾选 `analyze=true` 的论文才会进入队列。
|
||||
|
||||
## Subagent Spawn 指南（多篇并行时使用）
|
||||
|
||||
当需要并行处理多篇论文时，使用 Task tool 启动 subagent，每个 subagent 独立处理一篇。
|
||||
|
||||
### 变量替换
|
||||
|
||||
对每篇论文，替换以下四个变量：
|
||||
|
||||
| 变量 | 示例值 |
|
||||
| ----------------- | ----------------------------------------------------------------- |
|
||||
| `{{ZOTERO_KEY}}` | `Y5KQ4JQ7` |
|
||||
| `{{FORMAL_NOTE}}` | `D:\L\Med\Research\03_Resources\Literature\骨科\Y5KQ4JQ7 - 3D printed hydrogel for articular cartilage regeneration.md` |
|
||||
| `{{FULLTEXT_MD}}` | `D:\L\Med\Research\99_System\LiteraturePipeline\ocr\Y5KQ4JQ7\fulltext.md` |
|
||||
| `{{SCRIPT}}` | `D:\L\Med\Research\.opencode\skills\literature-qa\scripts\ld_deep.py` |
|
||||
|
||||
### Spawn 命令格式
|
||||
|
||||
```
|
||||
Task(
|
||||
description="LD-deep {{ZOTERO_KEY}}",
|
||||
prompt="加载 subagent prompt: D:\L\Med\Research\.opencode\skills\literature-qa\prompt_deep_subagent.md\n\n填入以下变量：\n- ZOTERO_KEY: {{ZOTERO_KEY}}\n- FORMAL_NOTE: {{FORMAL_NOTE}}\n- FULLTEXT_MD: {{FULLTEXT_MD}}\n- SCRIPT: {{SCRIPT}}",
|
||||
subagent_type="general"
|
||||
)
|
||||
```
|
||||
|
||||
### 多篇并行示例
|
||||
|
||||
假设要对 LMD5YVLP、NDPUMMCI、Y5KQ4JQ7、UBM39DTB 四篇并行精读：
|
||||
|
||||
1. 先行查询 formal-library.json 或检查文件系统，确认每篇的 FORMAL_NOTE 路径
|
||||
2. 用 Bash tool 预跑 `python {{SCRIPT}} figure-index {{FULLTEXT_MD}}` 确认 OCR 存在
|
||||
3. 四个 Task 并行启动，每篇独立
|
||||
4. 等待所有 Task 完成，收集各篇的写入行数和验证结果
|
||||
|
||||
### 预检（必须）
|
||||
|
||||
在 spawn 之前，确认：
|
||||
- `{{FULLTEXT_MD}}` 存在且非空（OCR 已完成）
|
||||
- `{{FORMAL_NOTE}}` 所在目录存在（note 已被 selection-sync 创建）
|
||||
|
||||
如有任何一项不满足，subagent 应报错退出，不静默失败。
|
||||
55
command/ld-paper.md
Normal file
55
command/ld-paper.md
Normal file
|
|
@ -0,0 +1,55 @@
|
|||
# /LD
|
||||
|
||||
基于 Zotero OCR 文本的单篇论文工作台入口。
|
||||
|
||||
## 功能
|
||||
|
||||
1. 解析 `/LD <query>` 中的查询词
|
||||
2. 支持 Zotero key、标题片段、DOI、PMID、关键词
|
||||
3. 优先搜索本地 Zotero，解析到单篇目标论文
|
||||
4. 加载 `D:\L\Med\Research\99_System\LiteraturePipeline\ocr\<KEY>\fulltext.md` 作为主文本
|
||||
5. 读取 `meta.json` 显示论文标题、作者、期刊、年份
|
||||
6. 进入 Q&A 模式，用中文回答用户关于该论文的问题
|
||||
7. 在当前论文上下文中，用户可再说“精读这篇文章”切换到 deep 层
|
||||
|
||||
## 加载后提示语
|
||||
|
||||
```
|
||||
已加载论文: [title] ([year], [journal])
|
||||
Zotero Key: [key]
|
||||
请基于论文原文回答问题。如信息未在论文中提及，会明确说明。
|
||||
请问有什么问题？
|
||||
```
|
||||
|
||||
## 回答原则
|
||||
|
||||
- **严格基于** `fulltext.md` 中的文本内容回答
|
||||
- 引用原文时标注来源页码/章节
|
||||
- 用中文（简体中文）回答
|
||||
- 论文中未提及的内容，明确说明"论文中未提及该内容"
|
||||
- 需要结合论文以外知识的问题，说明"该问题需要结合论文以外的知识回答"
|
||||
|
||||
## 多篇论文
|
||||
|
||||
多个 key 时依次加载所有 `fulltext.md`，回答时说明来源：
|
||||
```
|
||||
来源 [KEY1]: ...
|
||||
来源 [KEY2]: ...
|
||||
```
|
||||
|
||||
## 解析规则
|
||||
|
||||
1. 如果输入看起来像 8 位 Zotero key，则直接按 key 解析。
|
||||
2. 否则先在本地 Zotero 中搜索标题/摘要。
|
||||
3. 若命中唯一结果或明显最佳结果，则直接载入。
|
||||
4. 若存在多个合理候选，则先列候选清单再让用户选。
|
||||
5. 不要强迫用户先知道 Zotero key。
|
||||
|
||||
## 使用示例
|
||||
|
||||
```bash
|
||||
/LD XGT9Z257
|
||||
/LD Predictive findings on magnetic resonance imaging
|
||||
/LD 10.1016/j.jse.2018.01.001
|
||||
/LD XGT9Z257 PQR8KLM
|
||||
```
|
||||
16
command/lp-index-refresh.md
Normal file
16
command/lp-index-refresh.md
Normal file
|
|
@ -0,0 +1,16 @@
|
|||
# /lp-index-refresh
|
||||
|
||||
刷新 LiteraturePipeline 索引，包含孤立记录清理逻辑。
|
||||
|
||||
## Commands
|
||||
|
||||
```bash
|
||||
python 99_System/LiteraturePipeline/worker/scripts/literature_pipeline.py --vault D:\L\Med\Research index-refresh
|
||||
```
|
||||
|
||||
## 输出示例
|
||||
|
||||
```
|
||||
index-refresh: wrote 684 index rows
|
||||
index-refresh: cleaned 0 orphaned records in 骨科
|
||||
```
|
||||
9
command/lp-ocr.md
Normal file
9
command/lp-ocr.md
Normal file
|
|
@ -0,0 +1,9 @@
|
|||
# /lp-ocr
|
||||
|
||||
触发 OCR 处理队列。
|
||||
|
||||
## Commands
|
||||
|
||||
```bash
|
||||
python 99_System/LiteraturePipeline/worker/scripts/literature_pipeline.py --vault D:\L\Med\Research ocr
|
||||
```
|
||||
9
command/lp-selection-sync.md
Normal file
9
command/lp-selection-sync.md
Normal file
|
|
@ -0,0 +1,9 @@
|
|||
# /lp-selection-sync
|
||||
|
||||
同步 Zotero 选中项到 library-records。
|
||||
|
||||
## Commands
|
||||
|
||||
```bash
|
||||
python 99_System/LiteraturePipeline/worker/scripts/literature_pipeline.py --vault D:\L\Med\Research selection-sync
|
||||
```
|
||||
27
command/lp-status.md
Normal file
27
command/lp-status.md
Normal file
|
|
@ -0,0 +1,27 @@
|
|||
# /lp-status
|
||||
|
||||
查看 LiteraturePipeline 状态。
|
||||
|
||||
## 检查 exports 记录数
|
||||
|
||||
```bash
|
||||
python -c "import json; from pathlib import Path; data = json.loads(Path('99_System/LiteraturePipeline/exports/骨科.json').read_text('utf-8')); items = [i for i in data.get('items',[]) if i.get('itemType') != 'attachment']; print(f'骨科: {len(items)} records')"
|
||||
```
|
||||
|
||||
## 检查 library-records 总数
|
||||
|
||||
```bash
|
||||
python -c "from pathlib import Path; count = sum(1 for _ in Path('03_Resources/LiteratureControl/library-records').rglob('*.md')); print(f'library-records: {count} records')"
|
||||
```
|
||||
|
||||
## 检查 OCR 完成数
|
||||
|
||||
```bash
|
||||
python -c "from pathlib import Path; done = sum(1 for p in Path('99_System/LiteraturePipeline/ocr').glob('*/meta.json') if 'done' in Path(p).read_text('utf-8')); print(f'OCR done: {done}')"
|
||||
```
|
||||
|
||||
## 检查索引记录数
|
||||
|
||||
```bash
|
||||
python -c "import json; data = json.load(open('99_System/LiteraturePipeline/indexes/formal-library.json', encoding='utf-8')); print(f'Index: {len(data)} records')"
|
||||
```
|
||||
|
|
@ -523,6 +523,24 @@ def deploy_workflow_scripts(vault_path: Path, agent_key: str, agent_config: dict
|
|||
print_warning(f"Template not found (skipping): {src_rel}")
|
||||
fail_count += 1
|
||||
|
||||
# Deploy agent commands
|
||||
command_src = repo_root / "command"
|
||||
command_dst = vault_path / ".opencode/command"
|
||||
|
||||
if command_src.exists() and command_src.is_dir():
|
||||
command_files = list(command_src.glob("*.md"))
|
||||
if command_files:
|
||||
command_dst.mkdir(parents=True, exist_ok=True)
|
||||
for cmd_file in command_files:
|
||||
try:
|
||||
dst_file = command_dst / cmd_file.name
|
||||
shutil.copy2(cmd_file, dst_file)
|
||||
success_count += 1
|
||||
except Exception as e:
|
||||
print_error(f"Failed to deploy command {cmd_file.name}: {e}")
|
||||
fail_count += 1
|
||||
print_success(f"Deployed {len(command_files)} agent commands")
|
||||
|
||||
print(f"\nDeployment summary: {success_count} succeeded, {fail_count} failed")
|
||||
return fail_count == 0
|
||||
|
||||
|
|
|
|||
Loading…
Reference in a new issue