lit-intake
Skill2 starsChanged 57 days agoMITView on GitHub
Literature intake loop: turn a batch of PDFs into structured four-element notes (verbatim quotes only) and keep notes / knowledge base / tracker in sync, without ever putting source text into the main context. （指导内容为中文 / guidance is in Chinese） 文献精读闭环：把一批文献解析成四要素笔记并同步三个文件（笔记/知识库/追踪总表），全程不让文献原文进主上下文，最后用 lit_audit 验收
In this repository6 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- deliver-docxSkill
- paper-writeSkill
- refs-verifySkill
- session-closeSkill
- style-calibrateSkill
The file
Files
文献精读闭环
铁律
**文献原文永不上主上下文。**解析产物、大段引文绝不进入主对话。 进上下文等于这次用了下次丢了：浪费 token、浪费阅读时间、浪费上下文空间。
主对话最终只收到：一行摘要 + 笔记文件路径。
反面教训（03 号文档原文）
曾一次会话读了多篇文献但一个笔记没写、知识库没更新，相当于白读； 更严重的是文献内容全塞进主上下文，会话一结束全部丢失。 只读不写 + 进上下文 = 双重无效工作。
步骤
1. 定位 PDF
python "tools/_mineru.py" --list --root <PDF目录>2. 解析（慢，放后台 job）
python "tools/_mineru.py" <关键词> --root <PDF目录> --pick N --no-preview多匹配且无 --pick 时非交互 shell 会提示退出，不会卡住。
产物：<cwd>/_输出文件/_mineru_<论文名>.md；MinerU 原始输出在 <root>/_mineru_output/。
原始解析件保留只读，不要把它搬进主上下文。
3. 摘录四要素 —— 交给子代理，逐句保留原文
用子代理（独立上下文）读解析出的 md，按四要素摘录：
- (a) 核心概念的定义原文：学者自己怎么定义的
- (b) 因果机制的表述原文：自变量 → 中介 → 因变量的论证链条
- (c) 研究设计的可模仿之处：样本、方法、变量操作化
- (d) 一句话说明与本研究的关系
**学术概念、核心论断一字不改。**不概括、不转述、不编造学术词汇。 每条摘录都带页码，写进"可引用原句清单"，写作时能直接引用原句。
批量（≥10 篇）时用 workflow 扇出，每个 worker 独立读一篇并返回结构化结果； 主对话只收结构化摘要，绝不收原文。
4. 同步三个文件（缺一不可）
| 文件 | 写什么 |
_输出文件/3_文献笔记/文献笔记_{作者年}_{关键词}.md | 单篇四要素笔记（模板见包内 templates/lit_note_template.md） |
_输出文件/2_文献管理/文献知识库.md | 追加跨文献的概念、机制、原句 |
_输出文件/2_文献管理/文献追踪总表.md | 状态标记 |
5. 顺带学目标刊
读文献时同时记录目标刊的：文章结构（摘要/问题提出/文献综述/方法/发现/讨论）、
句式句法（怎么提出研究问题、怎么引出假设、怎么呈现数据）、引用习惯（著者-出版年还是顺序编码、脚注用法）。
这批观察积累够了就提示用户跑 style_card.py 生成风格卡。
6. 验收（必做）
python "tools/lit_audit.py"硬性缺口 = 白读，必须补齐后再进入下一步。
使用知识库时
写作时要引用某个概念，不要 Read 知识库全文（那等于把整库塞进上下文）：
python "tools/kb_search.py" <关键词> --def|--mech|--quotesDoes it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.