📰 paper-reading

paper-reading 是 yogsoth-ai 生态下的 skill 仓库，专做一件事：把一篇指定论文读成结构化的东西。

🧭 属于 De-Anthropocentric Research Engine。 与 literature-engine、deep-insight、knowledge-acquisition 同为独立 package——单独构建、单独测试，稳定后再注册进 DARE 主仓。

当前状态：v2 — 30 个 SOP、5 个 tactic 已建成

skills/ 下有 30 个 SOP 和 5 个 tactic。每个 SOP 都是 execution: subagent；tactic 只声明编排，不自行执行。paper-fetch 是唯一检索入口：它把论文落到 context/papers/<timestamp>-<title-slug>/source.md，同时生成带分节行号索引的 source.meta.json。下游 SOP 接收路径，并按任务读取需要的范围。

尚未做的：skill-creator 的 with-skill/baseline 评测循环与 description-triggering 优化循环。

v1（单篇论文 → 微信公众号文章的固定三段式管线，18 个 skill）已整体暂存至 staged/wechat-article-v1/，见该目录下的 STAGED.md。分支 v1-wechat-pipeline 是它的恢复锚点。

v2 换了立足点。v1 只服务一个终点（出一篇文章），schema 是为「写文章好用」设计的；v2 要做的是一批彼此不同的单篇阅读法，各自产出不同形状的结构化物，用同一篇论文横向测——测出哪种形状真的扛得住下游需求，再谈优化。

下游有两类，形状要求不同：

• 单篇终点 — 出一篇解读、一份精读笔记、一次质量审计
• 跨篇起点 — 喂给跨篇提取管线（见 docs/temp/pipeline-preview.md），此时单篇产出必须跨篇可对齐，字段语义不能因论文而异

v2 的 skill 来源分两条线，都是成文、可引的方法论，不自造：

线	内容
人类学界的成文阅读法	Keshav 三遍法、QALMRI、Teufel argumentative zoning、CoreSC、Swales move analysis、CASP / JBI / RoB2 等批判性评估工具、ML Reproducibility Checklist、PRISMA 抽取表
NLP 的单篇结构化抽取	CSFCube facet、SciERC / SciREX、TDMS 抽取、QASPER 证据定位、SciFact、ACU / 原子事实分解、nugget 评估、CODA-19

每条方法论先做成初始形态的 skill，先能跑，再逐个测、逐个优化。不预先套四层架构——层级由实际用法归纳，不由设计预判（这条的论证见 context/2026-07-29-18-19-paper-reading-pkg-scoping.md 的红队 checkpoint）。

目录

skills/         v2 的 30 个 SOP、5 个 tactic
staged/         暂存的 v1 全套
context/        调研与设计记录（过程线 + 报告线）
docs/           v2 设计 spec 与实现 plan（含 v1 历史，文件名带日期）
docs/temp/      跨篇管线预览
scripts/        validate_skill.py — 通用 SKILL.md 校验器
tests/          test_validate_skill.py

v2 SOP 清单

分组	SOP
入口	paper-fetch
Keshav 三遍法	first-pass-skim → second-pass-grasp → third-pass-deep-read
独立单步	qalmri、qasper-evidence-qa、template-slot-filling、question-framing、research-question-appraisal、dual-column-self-check
单元分类族	unit-segmentation → unit-classification → rhetorical-structure-quality（提案）；multi-stage-cascade-extraction（SciERC/SciREX/NCG，直连 paper-fetch）
原子单元族	atomic-unit-writing → atomic-unit-matching → atomic-unit-recall-aggregate
SciFact 族	claim-writing → rationale-selection → claim-label-prediction
门控+偏倚风险族	study-design-tool-gate → signalling-question-answering → domain-level-judgment → worst-case-lookup；star-awarding → sum-threshold-scoring
清单族	quality-appraisal-checklist（含提案 entry_mode="completeness_check"）、reporting-standard-checklist、engineering-config-grading（提案）、reproducibility-third-party-verification（提案）

Tactics

Tactic	Chain	Output
keshav-three-pass	fetch → skim → grasp → deep-read	三层递进式 prose notes
qalmri-worksheet	fetch → qalmri	六槽阅读工作表
argumentative-zoning	fetch → segment → classify	每句一个修辞标签
acu-nugget-recall	fetch → write units → match → aggregate	recall 分数与遗漏单元
reforms-grading	fetch → gate → grade	complete/partial/none 配置等级

Where output goes

context/papers/<timestamp>-<title-slug>/
  source.md
  source.meta.json
  <tactic-name>/
    01-<sop-name>.md
    02-<sop-name>.json

所有名称小写。Prose 输出使用带 frontmatter 的 Markdown；结构化结果使用 JSON。再次读取同一论文时，paper-fetch 先按 identifier 或 title_slug 检查缓存，避免重复抓取。

调研记录

文件	内容
context/2026-07-29-18-19-paper-reading-pkg-scoping.md	v1 前置调研：DARE 内部谱系盘点、外部方法论横评、「涌现式建 skill」方案的红队审查
context/2026-08-06-13-24-carry-forward-v1-findings.md	v1 smoke test 挖出的真缺陷，v2 的设计输入
context/2026-08-06-16-35-single-paper-reading-sop-research.md	v2 前置调研：A1/A2/B1/B2 四线铺面 + 7条独立轴线 + 评估取向×关注层次矩阵
context/2026-08-07-10-26-sop-menu-final.md	46 个候选 SOP 完整清单 + 全量 7 轴 tag 表
context/2026-08-07-13-42-sop-pipeline-graph.html	SOP 依赖图：46 方法论 → 31 个 SOP 节点，边标注 pipeline 调用序
context/2026-08-07-14-08-sop-graph-coverage-audit.md	依赖图覆盖度审核（Opus 独立核查），修补建议已落实进图