Automation Skills

Automation Skills

Operational Steps

1. 确认输入参数完整
2. 执行核心操作（参考本目录下的 scripts/ 或 references/）
3. 验证输出符合契约
4. 保存结果并报告

Pitfalls

-

-

Verification

-

-

-

-

1. 2. 3.

IO_CONTRACT

• input: request: str, context: dict — 用户请求描述、上下文信息
• output: result: dict — 技能执行结果（结构因技能而异）

对应原则：P2（机械原子暴露输入输出规范）

(P032 语义去重: 移除 2 份截断的 Batch Quality Score Extraction 重复副本, 保留完整 1 份(含 Golden); 父技能标题归位顶部)

Batch Quality Score Extraction

触发条件: 对一批论文（10-34 篇）批量处理 step_quality_check.md 中的 quality_score 并写入 state.json。

背景

Synthos 管线中，每篇论文的 01-manuscript/step_quality_check.md 包含一个 JSON 块，其中 score 字段有多种格式。 批量处理时必须处理所有格式变体，且需要清理 LaTeX 反斜杠才能解析 JSON。

步骤

1. 列出目标论文目录 — 从 paper-queue.json 获取批次列表
2. 逐篇定位 step_quality_check.md — 使用 os.walk() 查找，因为文件可能在不同子目录
3. 清理 LaTeX 反斜杠 — 在 json.loads() 之前移除所有非法 \X 转义
4. 提取分数 — 根据格式类型映射到 0-100 范围
5. 写入 state.json — 更新 quality_score 字段，设置 gate_status

分数格式映射

LaTeX 反斜杠清理代码

import json

def clean_json_for_latex(content):
    """Parse JSON from content containing LaTeX backslash escapes."""
    start = content.find('{')
    end = content.rfind('}') + 1
    if start < 0:
        raise ValueError("No JSON block found")
    json_str = content[start:end]

    result = []
    i = 0
    while i < len(json_str):
        if json_str[i] == '':
            if i + 1 < len(json_str) and json_str[i+1] in '"\\bfnrtu/':
                result.append(json_str[i:i+2])
                i += 2
            elif i + 1 < len(json_str) and json_str[i+1] == 'u':
                result.append(json_str[i:i+6])
                i += 6
            else:
                result.append(json_str[i+1])  # \sigma -> sigma
                i += 2
        else:
            result.append(json_str[i])
            i += 1
    return json.loads(''.join(result))

陷阱

论文目录命名不一致

尝试变体：name, name.replace('_','-'), f'paper-{name}' 等。

文件位置不固定

step_quality_check.md 可能在 01-manuscript/、07-quality/、根目录等。 必须使用 os.walk() 查找。

已处理过的论文跳过

检查 state.json 中是否已有 quality_score，避免重复写入。

批量处理的超时

34 篇论文可能超时。建议分批次（10-15 篇/批），每批一个 queue item。

相关

• ref/latex-escape-json-parsing-fix.md (research-paper-search) — 完整的 LaTeX 清理代码和已知影响论文清单
• ref/gate-batch-processing-pattern.md (quality-gate) — G1-G7 批处理模式
• paper-pipeline — 管线整体编排
• quality-gate — G1-G7 闸门定义

验证清单 · VERIFICATION

• 已用 os.walk() 在目标论文目录下定位到每篇的 step_quality_check.md（兼容不同子目录与命名变体）
• 已对 JSON 块执行 LaTeX 反斜杠清理（clean_json_for_latex）后再 json.loads()，无非法 \X 残留导致解析失败
• 每篇 quality_score 按格式映射表（score/max_score、total_score、overall_score、detailed_scores、纯文本）归一到 0-100
• 已有 quality_score 的论文被跳过（查 state.json），无重复写入
• 批次按 10-15 篇/批拆分执行，避免 34 篇全量超时
• state.json 中 quality_score 与 gate_status 已更新且可被后续闸门读取

约束规则 · RULES

1. 输入约束: 参数类型、范围、格式必须校验
2. 输出约束: 返回值结构、编码、命名必须一致
3. 异常约束: 错误信息必须包含上下文和恢复建议
4. 安全约束: 不执行未验证的任意代码，不暴露内部状态

Golden 集合 · GOLDEN SET

• Golden Input: 标准输入样本（覆盖正常路径）
• Golden Output: 预期输出（精确匹配或格式校验）
• Golden Error: 预期错误信息（覆盖失败路径）

Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。

违反规则的操作视为不安全，必须拒绝或隔离。

每项验证必须可执行、可记录、可复现。验证失败时记录原因和修复。

Genes (策略基因)

紧凑策略表示。条件→策略。需要深度时参考完整文档。

• [AUTO-001] 解析含 LaTeX 转义的 JSON 数据 → 在 json.loads() 前执行自定义清理逻辑，移除非法 \X 转义以保留合法 JSON 结构
• [AUTO-002] 处理多种分数格式变体 → 根据字段类型（number/dict/text）映射到统一 0-100 范围，纯文本合格标记默认赋高值（如 95）
• [AUTO-003] 目标文件位置不固定 → 使用 os.walk() 递归遍历目录查找文件，而非依赖固定路径
• [AUTO-004] 论文目录命名不一致 → 尝试多种命名变体（如 name, name.replace('_','-'), f'paper-{name}'）以匹配实际目录
• [AUTO-005] 批量处理任务量较大（>10 项） → 分批次执行（每批 10-15 项）以避免超时，每批作为独立队列项
• [AUTO-006] 重复处理同一对象 → 检查状态文件（如 state.json）中是否已存在结果字段，若存在则跳过以避免重复写入