research-literature-search

Research Literature Search

目标

将主题和 5–25 条查询转换为可复核的候选文献 bundle。负责召回、字段规范化、canonical 去重、来源审计和可选摘要补全；不负责评分、纳入/排除、子主题、配额、综述写作、BibTeX 或 PDF/Word 导出。research-literature-review 必须消费本 Skill 的 manifest 和 canonical 候选，不得复制 provider 或重做去重。

流程

输入

• 必需：topic 与显式查询 JSON（--query-file/--queries）；支持 {"queries": [...]}、对象数组或字符串数组。
• 空查询剔除；有效查询默认 5–25 条，不满足即 fail-closed。
• 可选：domain、年份/文献类型/预印本过滤、provider 顺序、每查询/总量上限、scope_root。
• 输出必须位于调用方 scope_root 内；拒绝路径穿越和 manifest 外部绝对路径。

执行步骤

python3 skills/research-literature-search/scripts/search_runner.py run --topic "HER2 antibody-drug conjugates in breast cancer" --query-file ./queries.json --output-dir ./.bensz-api/search-bundle
python3 skills/research-literature-search/scripts/search_runner.py enrich-abstracts --input selected_papers.jsonl --output selected_papers_enriched.jsonl
python3 skills/research-literature-search/scripts/search_runner.py validate --bundle ./.bensz-api/search-bundle

run 默认不补全全量摘要；选文后按需执行 enrich-abstracts。provider 按 provider_priority 执行 priority-fallback-topup，达到约 70% 阈值即停止，不承诺全 provider union；mcp/duckduckgo 在纯 Python runner 中记为 skipped/host tool required。每次尝试写入 attempts、Search Log、retrieval_strategy 和 topup_threshold。

输出

manifest.json 是唯一入口，每次运行使用独立目录：

manifest.json
candidates_raw.jsonl          # 脱敏的最小 provider 信封
candidates_normalized.jsonl  # rls.paper.v1，去重前
candidates_deduped.jsonl     # canonical 候选池
provenance.jsonl              # provider/query/rank 映射
dedupe_map.json               # 合并边与选择依据
search_log.json               # 可读审计日志

候选必须符合 rls.paper.v1：非空 title、字符串数组 authors、identifiers、abstract_status、publication、sources、query_matches、quality_warnings，并保留旧扁平字段；缺失值只能用 null/[]。manifest status 仅为 success、partial_success、failed；review 只接受前两者并校验 hash、schema、数量。

输出管理

临时产物写入任务工作区，正式交付物按项目约定保存；未经授权不覆盖、删除或远程写入已有文件。所有路径必须限制在授权项目内。

校验

运行 Skill 已有的静态检查、脚本验证或人工复核，并记录通过标准。manifest 保存查询 SHA-256、provider policy、attempts、截断、去重参数、缓存模式、版本和 artifact hash。