paper-notes

paper-notes 技能是证据导向研究工作流程的基础组件。它协助将原始研究论文转换为结构化、可检索的证据库，专门设计用于填补阅读与撰写文献之间的鸿沟。它强制执行严格的“无叙事”政策，要求用户将内容提取为要点与结构化字段（如方法、指标与限制），确保后续任务（如主张验证、可视化与撰写综述）能以高可靠性与低幻觉风险进行。

• 将原始研究输入转换为标准化的 JSONL 记录，支持高优先级论文的丰富化与全文提取工作流。

• 整合领域特定的分类法，如限制分类法与结果提取示例，防止产生泛泛的低质量笔记。

• 具备自动质量检查功能，确保 papers/core_set.csv 的全面覆盖，并防止使用预留标记或重复、过于空泛的叙事摘要。

• 支持建立证据库，针对大规模系统性文献回顾 (A150++) 进行优化，确保最终论文中的每一项主张都能追溯至可寻址的结构化证据片段。

• 专为执行文献综述、实证评估与毕业论文工程的研究人员设计，适合需要维持阅读过程可审计轨迹的用户。

• 执行前需要现有的核心集（如经由 dedupe-rank 或手动筛选），对于休闲式或快照类型的研究则建议跳过。

• 输入：papers/core_set.csv，可选全文导出或映射文件。输出：papers/paper_notes.jsonl 与 papers/evidence_bank.jsonl。

• 操作提示：使用 scripts/run.py 公用程序进行确定性的骨架生成。对于高优先级论文，请补充具体的任务描述、具体基准测试与特定论文的限制，而非仅记录通用观察。