CookieMoonPie 标注 + 导出 xlsx
对 search 产出的 results.jsonl 逐条自动标注，导出 xlsx。不需要人工确认标注。
字段（xlsx 固定 9 列）
| 列 | 来源 |
|---|---|
| 中文标题 | LLM 翻译/概括 |
| 英文标题 | 检索结果 title |
| 问题 | LLM 从标题/摘要提炼（2–4 词，如「多机避碰」「节点调度」） |
| 方法 | 从标题/摘要提求解方法（如「强化学习」「分支定价」） |
| 相关性 | LLM 判：高 / 中高 / 中 / 低 |
| 期刊 | 从 meta 解析（作者-期刊,年份 的中间段） |
| 发表年份 | 从 meta 解析 |
| 被引 | citedby（Google 口径） |
| 链接 | href（DOI/arXiv/出版商页） |
步骤
- 读
results.jsonl（每行 title/meta/citedby/snippet/href/cid）。 - 对每条：
- 解析 期刊 / 年份 / 被引 / 链接（机械）。
- LLM 生成 中文标题 / 问题 / 方法 / 相关性。
- 相关性判定参考：标题即明说研究问题→高；相邻/方法借鉴→中高或中；跑题（通信/无关应用）→低。
- 把标注结果写成
annotated.json（数组，每项 9 个字段：中文标题/英文标题/问题/方法/相关性/期刊/年份/被引/链接）。 - 运行：
python scripts/export_xlsx.py --in annotated.json --out 文献整理.xlsxexport_xlsx.py会生成带表头、冻结窗格、筛选、相关性配色的 xlsx，按相关性从高到低排序。
注意
- 只导出 xlsx，不生成 docx/csv。
- 相关性是 LLM 初判，若用户事后要改，直接改 xlsx 即可。