agentleFS
ranveerankhira-gifranveerankhira-gif/research-agent-skills-zh/skills/research-source-acquisition/SKILL.md

research-source-acquisition

Skill0 starsChanged 21 days agoMITView on GitHub

为具体科研任务寻找、实测、申请或下载论文全文与研究数据,并记录来源、版本、权限、文件完整性和可用边界。用于用户明确要求获取论文/数据、验证数据库是否真能取到、解决公开下载或登录/申请型来源;不用于普通网页搜索、单纯题录检索、数据分析或论文写作。

The file

Files
SKILL.md

科研数据与论文获取

把“发现来源”推进到可审计的全文或数据文件,或准确停在必须由用户完成的身份、协议、伦理、机构或付费步骤。不要把数据库名单、落地页、HTTP 200、题录或文件片段误报成已经取得可用内容。

授权维度必须分开

以下动作互不自动授权:

  1. 发现与核验来源;
  2. 注册、申请、接受协议或付费;
  3. 下载并保存文件;
  4. 打开、解压或读取文件内容;
  5. 清洗、分析、上传、共享或用于 AI。

用户可以只授权“代为下载”。在 download_only 模式下,只把文件保存到用户指定或隔离目录,核验路径、大小、文件类型和 SHA-256;不要打开、解压、抽样读取、索引或分析内容。若平台协议禁止云端 AI 读取数据,下载权限仍可与读取权限分开处理。

公开发布版不携带任何人的持续授权。只有当前用户在当前任务中明确同时授权下载后的读取或分析,且适用许可证、数据使用协议和平台规则明确允许相应 AI 处理时,才可继续打开内容;否则停在下载验收与元数据登记。若许可不明、规则冲突、限制云端/生成式 AI,或用户指定 download_only,不得推定读取权限。

模式

  • 公开获取:无需身份即可检索、下载并核验论文或数据。
  • 协作获取:需要用户本人登录、输入验证码、提交身份材料、接受协议、使用机构权限或付款;Codex负责定位、准备、在用户授权后操作已登录会话及下载验收。
  • 仅代下载:取得文件但不读取内容,适合受数据协议限制的材料。
  • 可用性审计:测试来源能否返回题录、全文、完整文件或结构化数值,不下载无关大文件。

路由

  • 只发现题录、DOI、PMID、arXiv ID:使用 academic-literature-search。
  • 取得并核验论文全文:读取 references/source-matrix.md 的“论文全文”部分,并按 references/acquisition-protocol.md 验收。
  • 获取研究数据:读取来源矩阵中对应学科部分;若来源需要账号或协议,再读取 references/access-and-policy.md。
  • Dryad 公开文件:调用 dryad-data-fetcher,不要复制其 Anubis 自动化。
  • 国家统计局“国家数据”:使用 scripts/Get-NbsPublicData.ps1。
  • 普通网页、JS 页面或浏览器后备:调用 web-tool-router;登录敏感页面必须复用其认证浏览器协议。
  • PDF 文件身份、页数和视觉检查:取得文件后使用 pdf;需要深读时再使用 scientific-paper-reading。
  • 系统综述的数据库覆盖和检索协议:交给 literature-review;本 Skill 只负责具体来源的获取与证据登记。

执行契约

本 Skill 只允许通过 $research-source-acquisition 显式调用。开始前读取 权限、安全与成本边界,把公开发现、文件下载、账号协作、申请/联系和付款分别授权;一次授权不能跨层级复用。

  1. 从研究问题或标识符确定所需对象、变量、总体、时间、空间、粒度和可接受版本。未来需求未知时,不要求用户预先注册所有数据库;按具体任务启用来源。
  2. 搜索论文的数据可用性声明、补充材料、项目/数据集编号、作者或机构仓库、官方 API 和合法开放版本。详细线索见来源矩阵。
  3. 为每一项维护证据状态:已发现、已取得题录、已取得摘要、已取得结构化全文、已取得完整文件、已取得可用数据、仅取得文件片段、需注册、需申请、需机构权限、需付费、当前失败。
  4. 优先官方 API、稳定下载地址和可复现的批量协议;具体协议选择见获取协议。只有公开站点需要 JavaScript 或页面交互时才用浏览器。限制重试,保留真实失败。
  5. 下载后核验最终 URL、状态码、Content-Type、字节数、文件头、预期题名/DOI/数据集标识和 SHA-256。论文 PDF 还要核对页数、标题和版本;数据压缩包必须确认是完整文件而非 HTML、登录页或 Range 片段。
  6. 默认不覆盖。相同内容可复用;同名不同内容用版本或短哈希区分。保留原始文件、代码本、许可证、检索/下载时间和来源 URL。
  7. 遇到身份、密码、验证码、法律协议、伦理承诺、机构签署或付费时停下让用户本人处理。用户完成并明确授权下载后,可以复用其已登录会话,但不要读取、导出或记录凭据。
  8. 取得数据后检查许可证、数据使用协议和平台规则。只有用户在当前任务中明确授权读取/分析且规则允许时才继续;若授权或规则任一不明,则停在下载与元数据登记。取得成功本身不能推导出分析许可。

已验证事实与漂移

references/source-matrix.md 记录了截至 2026-10-23 的实测来源和候选来源。它是路由经验,不是永久可用保证;实际任务必须重测当前端点、访问条件和具体记录。不要用一次成功概括整个平台。

交付

至少报告:对象、来源、访问日期、稳定标识符、证据状态、实际保存路径、大小、SHA-256、版本/许可证、是否允许 Codex读取、失败与后备路径。若只完成发现、申请或文件片段验证,明确写出尚未取得完整内容。

Download now (ZIP)

Does 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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.