paper-select-journal

name paper-select-journal description 当用户明确要求“推荐投稿期刊”“帮我的论文选 SCI 杂志”“这篇 manuscript 适合投哪些 journal”“期刊匹配/选刊/投稿建议”时必须使用。适用于用户提供全文、摘要、Markdown、LaTeX、PDF、Word 或混合材料的场景；本 skill 会基于 manuscript 与用户偏好，先用内置 `2023IF.xlsx` 做最小硬过滤生成候选池，再由宿主模型自主规划 Set1/Set2/Set3，并联网核验 scope / 质量 / 近 3 个月 PubMed 论文，最后输出 1 份按推荐度排序的 Markdown 选刊报告。⚠️ 不适用：用户只是想润色论文、只想翻译摘要、或只问某个单一期刊的官网信息而不需要系统选刊。 metadata {"author":"Bensz Conan"} Paper Select Journal 核心原则 当前信息必须实时核验：scope、官网、业内认可度、中科院分区、近 3 个月论文都属于时效性信息，不能靠旧记忆。 中间文件只允许落在当前工作目录下的 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/ 隐藏目录；用户若明确指定其他目录，才可覆盖默认值。 Set1 不再依赖固定语义权重。脚本只负责最小硬过滤与候选池整理，真正的语义规划由当前宿主模型完成。 Set1 不是最终答案。最终报告只保留证据充分的 Set3，最多 10 个期刊。 不能推荐明显预警、垃圾期刊或影响因子低于 3 的期刊；若确实保留低于 3 的例外，必须写明“为何它仍是领域内人类专家认可的稳妥选择”。 宁可少报，也不要为了凑满 10 个而硬凑。 输入与工作区 用户需求可选，manuscript 必选。 manuscript 可来自粘贴的标题 / 摘要 / 全文片段，或本地 .md 、 .txt 、 .tex 、 .pdf 、 .docx ，也可混合提供。 一旦进入隐藏工作区流程，后续供脚本读取的 analysis/*.json 必须保留在当前 run 目录内；不要把 manuscript_profile.json 、 set2_scope_review.json 、 final_recommendations.json 指到 run 目录外。 先初始化隐藏工作区： python3 <skill_root>/scripts/init_workspace.py --project-root . 脚本会创建 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm}/ ，其中至少包含： inputs/ analysis/ candidates/ pubmed/ reports/ 后续所有中间文件都必须留在该 run 目录内。 流程 输入 按用户请求和配置文件提供必要输入；缺失信息应明确列出并停止依赖该输入的步骤。 执行步骤 先写 manuscript 画像 完整理解论文后，把结果写入 analysis/manuscript_profile.json 。 模板： templates/manuscript_profile.template.json 写法： references/manuscript-profile.md 最低字段： title abstract keywords manuscript_summary 画像的作用是帮助 AI 理解稿件，而不是喂给固定打分公式。 如果用户偏好复杂，优先把偏好写成自然语言放进 target_journal_brief 或 notes ，不要为了脚本凑很多硬编码线索。 如果确实需要保留低 IF 的人工例外期刊，只能作为后续人工补录候选，并且必须在最终报告里解释“为什么它虽然低于阈值，仍是领域内稳妥选择”。 用内置 2023IF.xlsx 做 Set1 候选池 内置目录： assets/journal_catalog/2023IF.xlsx 运行： python3 <skill_root>/scripts/shortlist_journals.py \ --workspace .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm} \ --profile .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm}/analysis/manuscript_profile.json 产物： candidates/set1_candidates.json candidates/set1_candidates.md 这里的脚本只做最小硬过滤： 影响因子下限 用户明确排除的期刊 基础元数据整理（JIF、分区、OA 比例、引用量） 不要把这一步输出误解为“已经按语义排好序的最终 shortlist”。 你必须读取该候选池，再结合 manuscript 自主规划真正值得进入 Set2 的期刊。 联网核验 scope、官网、分区与质量，得到 Set2 根据 candidates/set1_candidates.json 与 manuscript 画像，自主决定先核验哪些候选，并逐个联网核验： 官方网站 Aims & Scope 中科院小类及其分区 业内认可度 是否存在预警 / 垃圾期刊信号 优先使用： 期刊官网 PubMed / NLM 主流出版社页面 可信的分区信息来源 把通过核验的期刊写入： analysis/set2_scope_review.json 模板： templates/scope_review.template.json 核验口径： references/journal-quality-checklist.md 4a. 抓取 Set2 最近 3 个月 PubMed 原始论文证据 运行： python3 <skill_root>/scripts/fetch_pubmed_recent.py \ --workspace .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm} \ --profile .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm}/analysis/manuscript_profile.json \ --scope-review .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm}/analysis/set2_scope_review.json 产物： pubmed/recent_articles.json pubmed/recent_articles.md 这里只提供原始证据，不负责打分或排序。脚本只做 API 调用、XML 解析和按日期整理。 4b. AI 评定主题相似性，决定哪些期刊进入 Set3 你必须同时阅读： analysis/manuscript_profile.json pubmed/recent_articles.json 这里的“AI”指当前执行本 skill 的宿主模型本身： Claude Code 中由当前 Claude 会话完成 Codex 中由当前 Codex 会话完成 不要为 Step 4b 额外调用外部 AI API、独立模型服务或单独打分脚本 也就是说，Step 4b 的规划、语义判断、Set3 去留决策和 set3_similarity_review.json 写入，都必须用当前工作环境已提供的 AI 算力原生完成。 逐个判断 Set2 期刊最近 3 个月论文与稿件在以下维度上的语义相关性： 主题是否真的对口，而不只是 token 碰撞 研究问题是否接近 方法学是否接近 相关论文数量与密度是否足以支持进入最终推荐 执行时先快速浏览全部 Set2 近期论文形成比较框架，再逐刊做语义判断，最后统一决定 Set3 去留并写出可复核理由。 不要再把这一步退化成机械 token 打分或硬编码加权公式。 把结论写入： analysis/set3_similarity_review.json 模板： templates/set3_similarity_review.template.json 每个期刊至少要写： journal_name include_in_set3 similarity_assessment relevant_articles irrelevant_articles_count overall_relevance_level overall_relevance_level 只允许： high medium low none 形成最终推荐 JSON 基于 analysis/set3_similarity_review.json ，把最终最多 10 个期刊写入 analysis/final_recommendations.json 。 模板： templates/final_recommendations.template.json 字段说明： references/report-schema.md 必须保留： 影响因子 中科院小类及其分区 业内认可度 官方网站 为什么推荐 最近 3 个月类似主题论文 每篇证据论文的 AI relevance 渲染最终 Markdown 报告 运行： python3 <skill_root>/scripts/render_report.py \ --workspace .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm} \ --final-json .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/paper-select-journal/{yyyy-mm-dd-hh-mm}/analysis/final_recommendations.json 最终输出： reports/paper-select-journal-report.md 如需 --output 覆盖默认文件名，也只能写到当前 run 目录内部，不能把最终 Markdown 报告写到隐藏工作区之外。 所有期刊写在同一个 Markdown 文件里 每个期刊使用 # 层级，下面按需用 ## 、 ### 每个期刊都要写明：影响因子、中科院小类及分区、业内认可度、官方网站、推荐理由，以及最近 3 个月类似主题论文表格和 AI 相关性说明 scope 不匹配，再高 IF 也不要强推 有明显预警 / 垃圾期刊风险，直接淘汰 近 3 个月没有相似主题论文，不一定淘汰，但推荐度要下调 include_in_set3 为 false 的期刊，不要进入最终推荐 中科院分区无法可靠核验时，优先换成信息更透明的候选 用户未明确偏好时，自主选择最稳妥方案，不要把提问变成阻塞 <skill_root> 表示当前 skill 的真实安装目录。 不要假设用户当前工作目录里一定有 paper-select-journal/ 源码副本。 如果你已经处在 skill 根目录，也可以直接运行 python3 scripts/... 。 references/manuscript-profile.md references/journal-quality-checklist.md references/report-schema.md 输出 输出 Skill description 所承诺的交付物，并明确格式、路径和失败返回形式。 输出管理 本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/ 。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/ 。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。 校验 完成后执行 Skill 已有的静态检查、脚本验证或人工复核，并记录通过标准。 失败与恢复 保留错误证据和已完成产物；仅在输入、环境或外部依赖恢复后从最近的失败步骤重试。 约束 遵守以下公共约束，并执行本 Skill 的专属边界。 公共硬约束 任务需要落盘时，使用唯一的 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/ 根目录；共享材料放入 shared/ ，Skill 专属材料放入该 Skill 的 input/ 、 output/ 、 log/ 。 正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。 文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。 Skill 版本唯一记录在自身 config.yaml:skill_info.version ；公开 API、协议、目录或配置变更同步文档与 CHANGELOG.md 。 仅将 Skill 或 Bensz 基础设施本身的设计缺陷交给 bensz-collect-bugs ；先脱敏写入 ~/.bensz-skills/bugs/ ，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。 Skill 专属约束 不得超出本 Skill description 和上方流程所声明的范围；不将未验证的信息伪装成确定结论。