Rw Paper Extractor

RW Paper Extractor

从论文和补充材料中提取结构化字段、原文位置、缺失项和可支持的判断。

对外入口职责

这是“论文精读与证据”入口。用户可以提交 PDF、补充材料、论文卡片或待核验主张。

• 本入口处理 Paper Case、章节、图表、分阶段精读报告和证据定位。
• 需要整理证据关系时接续 rw-evidence-map。
• 需要核验引用身份或主张支持时接续 rw-citation-audit 或 rw-claim-audit。
• 对外保持一个任务入口，内部接续不改变来源定位、复核状态和门禁。

启动

1. 读取 references/standalone.md、references/method.md 和 references/standards.md。
2. 读取用户本轮提供的材料；没有材料时，只完成当前证据允许的部分。
3. 需要规则判断时检索 references/atoms.jsonl；遇到相似任务时读取 references/cases.md。
4. 需要选择方法或工具时读取 references/domain-guide.md，并使用 assets/worksheet.md 组织交付。
5. 读取 references/acceptance.md。references/behavior-tests.json 只用于测试，不作为用户任务事实。
6. 当前文献、API、报告规范和期刊要求可能变化时，打开 references/source-map.md 中的官方链接核验并记录日期。
7. 用户需要 PDF 工作区、图表提取或分阶段精读时，读取 references/paper-case.md，并使用 scripts/paper_case.py。

工作阶段

1. 确认提取目的、研究类型、可用全文和补充材料。
2. 为论文建立题名、作者、年份、来源、DOI、PMID 或其他稳定标识。
3. 按研究类型选择字段，并先记录提取 schema 的版本。
4. 提取研究问题、设计、样本、变量、方法、结果、限制和资金披露。
5. 为关键字段保存页码、段落、表、图或补充材料位置。
6. 执行第二遍核对，区分缺失、未报告、不适用和无法判断。

PDF 精读流程

1. 为原始 PDF 建立 Paper Case，记录来源 hash、配置 hash 和隐私状态。
2. 生成带 page、bbox 和 text unit 的文本证据；章节识别保留判断依据和置信度。
3. 提取图表候选。跨页表格生成拼接图，同时保留每一页的独立 locator。
4. 生成 5 个阶段文件和合并报告脚手架。报告只能使用已有证据单元。
5. 把候选主张交给 rw-claim-audit。门禁为 PASS 后，才生成 LitNet 回写预览。
6. LitNet 预览不执行写入；Zotero 或用户原始文件仍是来源正典。

运行规则

• 提取 schema 由后续用途决定，不能对所有论文使用同一张空表。
• 标题和摘要只能提供它们实际报告的信息。
• Methods、Results 和 Discussion 的陈述类型要分开。
• 作者解释不能写成测得结果。
• 没有正文时不能推断随机化、盲法、模型设定或缺失数据处理。
• 表图中的分母、单位、时间点和分析集必须一起提取。
• 调整后和未调整结果不能混写。
• 主要、次要、探索性和事后分析要区分。
• 未报告、零事件和不适用不是同一个值。
• 批量提取前先用两篇不同结构的论文试表。
• 机器提取的字段要保留置信度和复核状态。
• 关键字段修改时保留原值、修改值和理由。
• 自动识别的章节和图表都要保留置信度或复核状态。
• 拼接图是阅读产物，不替代原始页码和 bbox。
• 来源、配置或上游阶段 hash 改变时，将下游结果标为 STALE。

输出

• 结构化论文卡片或批量表。
• 原文定位、置信度和复核状态。
• 缺失项、冲突和待补材料。
• 可选 Paper Case、分阶段报告、Claim Audit 接续和 LitNet 回写预览。

可选 ADHD 友好输出

• 仅当用户明确要求“ADHD 友好输出”“ADHD 友好模式”或同义方式时启用。
• 不主动询问、介绍或推荐这个模式，不根据表达方式、回复速度或任务完成情况推断。
• 用户只披露有 ADHD，但没有要求改变输出方式时，不启用。
• 默认只在当前任务中保持；用户要求关闭时立即返回普通输出。
• 不保存诊断信息。用户明确要求跨任务保留时，只保存 interaction_mode: adhd_friendly。
• 启用后先给“只看这里”：当前任务、用户现在只做的 1 件事和本轮完成标准。
• 多步骤任务再给进度：已完成、当前和待处理；简单回答不生成空栏目。
• 重要但不需要现在处理的内容进入“暂存区”；详细证据放在摘要之后。
• 每轮最多提出 1 个关键问题；必须输入先展示最多 3 项，其余放到后续。
• 加粗当前任务、用户动作、结论和阻断状态；每段不超过 2 处，不加粗整段，不重复加粗同一词。
• 不为缩短输出删除证据边界、未知事项、停止条件或安全提示。
• 用户要求“展开”时提供完整记录，同时保留顶部摘要。
• 中断后先给恢复点，说明上次完成位置、当前状态和下一步，不要求用户重复已提供的信息。

停止条件

• 没有可访问正文时，不填写正文专属字段。
• 无法定位原文的关键字段不能标为已核验。
• 不绕过访问限制获取论文。
• 不把报告规范缺项自动判为研究没有实施。

独立运行

• 默认不读取私人工作区、个人语料目录或预设 research-lab。
• 用户提供的文件、文本、链接和数据是当前任务输入，不是安装依赖。
• 网络不可用时，使用 Skill 内的稳定方法继续；需要当前事实的部分标记为待核验。
• 本包内其他科研 Skill 存在时可以接续；单独安装时直接返回下一步说明，不停止当前任务。

来源纪律

• 把用户材料、公开来源、当前推断和未知事项分开。
• 报告规范只检查报告透明度，不自动证明设计质量。
• 公开来源摘要保存在 Skill 内；需要版本、费用、政策、API 或期刊现状时回到官方页面。
• 不生成不存在的论文、数据、DOI、工具运行结果或期刊要求。