Paper Write Zh Literature Search

prepare阶段来源池生成

本参考只服务 make prepare：把可追溯来源整理进 .workflow/source_pool.md。它不是独立爬虫说明，也不是正文写作入口；正文写作必须等来源池和 meta.json 通过准备阶段检查后再开始。

在 paper-write-zh 中，本参考服务 prepare 阶段。核验后的来源必须写入 .workflow/source_pool.md（每条含题录与可访问 URL），不得只在对话中口头声明“已检索”。

什么时候进入本参考

只要任务会产生或依赖学术引用，就先使用本技能，尤其是：

• 用户要求写论文、开题报告、引言、研究背景、国内外研究现状、相关工作、文献综述。
• 用户要求“找几篇中文文献”“查知网”“补参考文献”“生成 GB/T 7714 引用”。
• 用户给出论文题目、摘要、关键词，希望继续写正文。
• 用户已有正文但缺少中文参考文献或引用格式不规范。

如果没有browser-task返回的真实引用，且用户也没有手动回填真实引用，不得开始撰写带引用的正文。页面可见题名、作者、来源、年份及链接只能完成候选身份核验，状态仍记为待核验，不能计入prepare最低来源数或进入正式参考文献。只有知网导出引用原文，或用户提供可追溯的完整引用及页面证据，才可标记已核验。不能把“已打开知网”“正在检索”“检索完成”当作引用证据。

本参考只解决中文文献真实性和 GB/T 7714 引用获取，不替代英文证据合成。技术类论文进入 Draft Mode 时，CNKI 中文引用池应与英文引用池配合使用；若英文基础文献不足，回到 ../literature-review/SKILL.md 补 DOI、出版社页面、Google Scholar 引用入口、arXiv 或用户 PDF 来源。Semantic Scholar、OpenAlex 只能作为候选发现工具，不能用作正式引用来源，也不能用中文文献填满“国内外研究现状”。中文候选文献默认优先选择近几年、主题高度相关、来源可核验的条目；经典基础理论、政策文本和代表性研究可放宽年份。

核心原则

1. 真实来源优先：所有中文文献引用必须来自知网页面或知网导出的引用文本。
2. browser-task 强制触发：默认必须显式调用豆包 browser-task（浏览器任务）完成多步骤网页操作；只有 browser-task 不可用、登录/验证码阻塞或用户明确要求手动时，才改为用户手动浏览器操作。不在主对话里手工执行 DOM 选择器级爬取，也不得在未尝试 browser-task 前先用 scholar_search、general_search、普通搜索工具、搜索面板或其他后台检索工具建立候选文献池。
3. 用户登录介入，但不误判机构登录：知网未登录、机构认证、扫码、手机号验证、滑块验证码都必须交给用户在浏览器中手动完成。若页面显示学校/机构名称、机构已登录、IP 登录、CARSI/统一认证成功、可访问检索结果或可打开导出/引用功能，即视为具备继续检索和导出条件；页面上同时出现“个人登录/登录”按钮不等于未登录，不得因此停止或偷懒。
4. 先引用后写作：引言、相关工作、文献综述等引用密集内容，必须先形成引用池和 evidence map。
5. 不绕过限制：不尝试绕过验证码、付费墙、机构权限或反爬机制；只获取用户有权访问的检索结果和引用信息。
6. 失败要明说：如果无法拿到页面可见元数据、来源链接/检索词、导出引用或用户回填，必须输出“中文文献真实性核验未完成”，不能补写、猜写或润色成看似真实的中文参考文献。
7. 后台检索不算核验：scholar_search、general_search、普通搜索工具、CrossRef、Semantic Scholar、OpenAlex 或其他 API 返回的元数据不得冒充知网页面可见结果，也不得整理成“知网引用”；这些工具也不得在未尝试 browser-task 前先行建立中文候选文献池。

browser-task 使用模型

将 browser-task 当作高层执行流程：用自然语言描述目标，让豆包浏览器任务完成导航、输入、点击、等待、提取和导出。不要把某个命令名当成必然存在的 API；但必须在任务文本中明确写出“启动 browser-task/浏览器任务”。在未尝试启动 browser-task 前，不得直接切换为手动流程（manual fallback），也不得先调用 scholar_search、general_search、普通搜索工具、搜索面板或其他后台检索工具建立候选文献池；如果当前豆包环境明确没有 browser-task 入口，就停止自动获取，给用户明确的手动操作步骤和需要回填的结果格式。

不要这样做

• 不要默认在主对话里逐个调用 navigate、click、evaluate。
• 不要把知网选择器当作主流程。
• 不要直接伪造 GetExport 返回结果。
• 不要在用户未登录时继续声称“已导出引用”。
• 不要只说“已打开知网/已检索到相关文献”后填充中文参考文献。
• 不要把模型记忆里的中文题名、作者、期刊、年份整理成“知网引用”。
• 不要因为担心 browser-task 不可用，就先用 direct search、scholar_search、general_search、普通搜索工具或搜索面板建立候选池，再把 browser-task 当补验证步骤。
• 不要使用 scholar_search、general_search、普通搜索工具、CrossRef、Semantic Scholar、OpenAlex 或其他 API 返回的元数据冒充 browser-task 页面可见结果。

应该这样做

把浏览器目标写成一次高层任务：打开 CNKI，判断是否具备检索和导出条件，检索指定关键词，返回候选文献的题名、作者、来源、年份、类型、链接和相关性说明。若页面显示机构登录、IP登录、CARSI认证成功，或可看到检索结果与导出入口，即继续执行；只有无法检索、无法打开导出入口，或页面明确要求扫码、账号、验证码、机构认证时，才停下让用户处理。

复杂任务拆成更窄的浏览器目标；返回结果不完整时继续要求补页面可见字段，不切换为自写爬虫或后台搜索兜底。

prepare 工作流

本参考只跑到来源池，不直接进入正文：

1. 从题目、摘要或章节目标提取检索词。
2. 启动 browser-task 检索 CNKI，必要时等待用户处理登录、机构认证或验证码。
3. 验证返回内容是页面可见字段或导出原文，而不是后台检索/API 元数据。
4. 让用户确认引用范围；若用户授权“你来选”，按相关性、来源可靠性、年份互补性和主题覆盖度选择。
5. 导出 GB/T 7714 引用，或在失败时标记为待核验。
6. 写入 .workflow/source_pool.md，再运行 make prepare。

1. 提取检索词

根据用户的题目、摘要、研究问题或章节目标提取 2-5 个核心概念。

输出给用户确认：

我会先检索中文文献，拟用以下检索式：
- 主题词：...
- 同义词：...
- 检索字段：主题 / 篇名 / 关键词 / 摘要
- 初始筛选：优先近几年；优先核心期刊、主题高度相关和可核验来源；在时间范围相近时可适度参考高被引，但不强求最新一年；如结果太少则放宽年份

用户已经给出明确关键词时，可以直接检索，不必反复确认。

2. 检查知网登录

先启动 browser-task 打开知网并判断是否能检索和导出；只有 browser-task 不可用时才让用户手动打开。

判断规则：

• 页面显示学校/机构名称、机构已登录、IP 登录、CARSI/统一认证成功，或已能检索并看到“导出/引用/参考文献”入口：继续，不要因“个人登录/登录”按钮存在而停止。
• 页面只能看见公共检索但导出/引用入口不可用，或点击导出时要求扫码、个人账号、机构认证、短信或验证码：停止并让用户处理。
• 只有无法检索、无法进入导出/引用流程，或页面明确要求登录/认证时，才判定为阻塞。

如果确实未登录或认证阻塞，停止自动流程，把浏览器停留在登录/认证页面，并提醒用户接管浏览器完成操作。对用户说：

知网导出引用需要登录或机构认证。我已停止自动操作，并把浏览器停在需要处理的页面。请你在当前浏览器里完成扫码登录、手机号登录、机构/CARSI认证或验证码；我不会索要或代填账号、密码、短信码。完成后告诉我“已登录”，我再继续检索和导出引用。

不要索要、保存或代填用户账号密码。

3. 检索候选文献

通过 browser-task 检索，并要求返回结构化候选列表；browser-task 不可用时才要求用户手动回填：

| # | 题名 | 作者 | 来源 | 年份 | 被引 | 类型 | 链接 | 相关性说明 |
|---|---|---|---|---|---|---|---|---|

筛选原则：

• 主题高度匹配优先于单纯高被引。
• 近几年文献优先，但不强求最新一年；在时间范围相近时可适度优先高被引文献。基础理论、经典方法、政策法规和代表性研究可放宽年份。
• 期刊论文、学位论文、会议论文要标明类型，不混用。
• 文献综述任务应覆盖不同研究主题，而不是只取同一作者或同一期刊的结果。

4. 用户确认引用范围

把候选文献展示给用户，让用户选择需要导出的编号。若用户说“你来选”，按以下规则选择：

1. 与主题直接相关；
2. 来源可靠；
3. 年份、方法、研究对象具有互补性；
4. 避免重复主题堆叠。

5. 导出真实引用

再次通过 browser-task 导出引用；browser-task 不可用或导出失败时，才要求用户手动复制页面可见引用。导出是目标，不是可选动作；知网结果页支持勾选多篇文献后使用页面工具栏的“导出/引用/参考文献/批量导出”等入口一键导出引用，应优先使用这个批量导出方式，不要逐条抄元数据。只拿到题名、作者、来源、年份时，不能把它整理成正式 GB/T 7714 引用，只能标为待核验：

启动 browser-task/浏览器任务：在当前知网检索结果中，先勾选已选文献编号 [1,3,5]，再使用页面工具栏中可见的“导出/引用/参考文献/批量导出”等入口一键导出 GB/T 7714 格式引用；不要逐条抄题名、作者和来源来拼引用。若页面是学校版/机构版但仍显示个人登录按钮，只要导出入口可用就继续导出，不要停止。返回每条引用原文，并附上对应题名、作者、年份和来源，便于核对。不要自行改写引用内容；如批量导出失败，进入单篇详情页尝试“引用/导出/参考文献”。若仍失败，说明失败原因和当前页面状态。

如果 browser-task 返回的是 API 元数据、检索摘要或结构化 JSON，而不是页面可见字段或导出原文，视为中文文献核验未完成；必须重新要求 browser-task 从页面提取可见内容，或转为用户手动回填。如果用户回填的是页面可见元数据而不是最终引用，应先要求补充知网页面导出的 GB/T 7714 文本，或整理为“待核验引用”。不要用临时本地脚本把不可追溯元数据加工成正式引用；最终引用必须能追溯到知网页面或知网导出结果。如果无法追溯，不得输出正式参考文献条目，只能列出“未完成核验的检索任务”和需要用户回填的字段。

6. 建立引用池和 evidence map

将结果整理为两份内容。

引用池：

## CNKI 引用池

[CNKI-01] 作者. 题名[J/D/C]. 来源, 年, 卷(期):页码.
- 来源链接：...
- 检索词：...
- 获取方式：知网导出 / 用户回填 / 浏览器任务回填
- 页面证据：题名、作者、来源、年份等页面可见字段 / 导出引用原文 / 用户回填截图或链接
- 核验状态：只有导出引用原文或等价可追溯完整引用可标记已核验；仅有页面元数据时标记待核验（不得计入prepare最低来源数或进入正文）

证据映射：

| Source ID | Citation | Source type | Abstract-level finding | Usable fact | Supported claim | Citation slot | Risk |
|---|---|---|---|---|---|---|---|

Supported claim 必须是可写进正文的一句话；不能写“这篇文献很相关”。若只拿到题名和引用，Abstract-level finding 标注为“未读取摘要”，不得编写该文献的具体研究结论。

7. 进入写作

只有在引用池和 evidence map 完成后，才开始写引言、研究现状或文献综述正文。正文中的每个文献性判断都应能回到 Source ID。

场景落点

所有场景都只产出来源池材料，不直接产出正文：

• 引言或研究背景：检索中文核心相关文献，写入能支撑“问题压力、现有路径、不足、本文问题”的来源条目。
• 文献综述或研究现状：检索候选文献并按主题分组；无法读取摘要或全文的条目只写元数据层事实。
• 参考文献列表：只导出 GB/T 7714 引用并标注获取日期、检索词和核验状态，不写正文段落。
• 技术类论文：同步检查英文文献池是否满足 ../literature-review/SKILL.md 的 Draft Mode 阈值；不足时列英文来源缺口，不用中文文献冒充国际相关工作。

失败处理

参考文件

• references/citation-formats.md：引用格式规范。
• references/cnki-faq.md：登录、验证码、导出失败和浏览器任务处理。
• references/cnki-selectors.md：低层页面线索，仅在浏览器任务失败且需要诊断页面变化时阅读；不要作为主流程。