summary_archiving

summary_archiving — 文献总结表

把文献文件夹里的 docx 逐篇读完，汇总成「每篇一行」的文献总结表 paper_archiving.xlsx。

参数与默认值

• 目标文件夹：用户指定，否则默认项目根目录下的 note\（递归）。
• 指定 docx：用户指定，否则处理文件夹中全部 docx。
• 输出文件名：用户指定，否则默认 paper_archiving.xlsx（生成在项目根目录）。

脚本

scripts/archiving.py（与本 SKILL.md 同级的 scripts 目录，用其绝对路径调用 python）。

流程

1. 抽取待处理文献（结果写入工作文件，避免大体量输出）：

   python <脚本绝对路径> extract --folder <目标文件夹> --out <输出.xlsx> --json-out _work\archiving_extract.json
   

   stdout 打印摘要 {"existing_count","new_count","json_out"}；完整数据在 _work\archiving_extract.json： {"existing":[...已收录...], "new":[{"filename","stem","text"},...]}。 new 为尚未收录的文献（已收录的自动忽略，实现增量更新去重）。
2. 若 new_count 为 0 → 告知用户没有新文献需要添加，结束。
3. 逐篇生成总结：用 Read 工具读取 _work\archiving_extract.json（文献多时分批读取 new），阅读每篇 text，按下方列模板生成一行。文字精简，能用关键词/短句就不写整句。
4. 把所有行汇总为 JSON 数组写入临时文件 rows.json（UTF-8），每个元素含下列键。
5. 写入表格：

   python <脚本绝对路径> write --out <输出.xlsx> --data rows.json
   

   脚本会追加写入（按文献名去重）、设置单元格自动换行、表头加粗、冻结首行。
6. 向用户报告新增条数与表格路径，并删除临时 rows.json 与 _work\archiving_extract.json。

列模板（每行的 JSON 键，从左到右）

• 文献名：文件名（含或不含扩展名均可，去重以文件名为准）
• 发表年份
• 期刊
• 摘要：研究背景（一句）／解决方案（一句）／创新点（一句）
• 研究内容：研究问题（一句）／研究方法（关键词或短句）
• 主要结果：分点短句，与数据分析方法一一对应，如「结果1：xxx，数据分析方法：xxx；结果2：…」
• 研究思路：提出 xxx 问题，通过 xxx 实验/方法得到 xxx 结果，解决该问题（若未解决则写：引入 xxx 实验）

注意

• 自动跳过以 ~$ 开头的 Word 临时文件。
• 文件名支持中英文混合与较长名称，按原样保留。

大批量处理模式（文献数 > 20 篇时推荐，在 /loop 下运行）

当 new_count 较大时，建议改用下列批量并行流程以大幅提速：

1. 预提取文本：写小脚本读 _work/archiving_extract.json，将每篇 new[i].text 分别写入 _work/r/000.txt、001.txt……（每篇一个文件，文件头加 FILENAME: <原文件名> 一行）。
2. 分批派发 agent：每批约 12 篇，每个 agent 独立读取一个 txt 文件，按列模板生成对应的 row JSON 后返回。
3. 汇总写入：将各 agent 的返回值合并写入 _work/rows_bN.json，再执行 archiving.py write。为避免 Windows shell 引号问题，推荐将汇总数据写成临时脚本 _work/gen_bN.py，由 Python 直接 json.dump 输出 json 文件。
4. Auto-Continue 检查点：每批派发前读取控制文件（~/.claude/auto_continue/control.json）：
   • state == "RUN" → 继续派发；
   • state == "PAUSE" → 保存当前批次索引到 CLAUDE.md，停止派发，等待下轮 /loop 自动恢复；
   • 文件缺失 / 解析失败 / 时间戳超过 40 分钟 → 视为 RUN。
5. 增量去重：archiving.py write 按文献名自动去重，每批写入后可安全中断并重启，不会产生重复行。