主题介绍与文章汇编

〇、技能定位

这是一个「学写文章」的技能——学的是高质量文章的写法，不是只收机关公文。

• 收录对象：写得好的文章。可以是机关、党委政府正式发布的文件（意见、通知、报告、讲话稿……），可以是党报党刊的理论文章与评论，也可以是学者、研究机构的高质量论文与研究报告。官方文件与学者文章同等重要：官方文件给「规范」，学者文章给「深度」，党报给「表述」，缺一类都学不全。
• 不设来源白名单：不因为一篇材料「不是法定公文」就排除它，也不因为「只是学者文章」就降等。只有一条标准——质量 + 相关度（五维评分卡见 references/search-playbook.md）。
• 成品取向：读者读完应当能回答「这个主题上，好文章是怎么写的」——用什么文体、按什么结构分层、论证怎么展开、话怎么说、哪些表述可借鉴。所以综述不是百科词条，而是写作范式图谱。
• 检索范围：全网。政府网站与公报、党报党刊、学术期刊与高校智库、权威公众号、主流媒体都要覆盖。

一、交付物

一次调用产出一个 Word 文件（外加一个中间产物），落在同一个工作目录：

XX 即用户给定的主题名。封面标题 = 文件名（XX文章汇编），封面不写日期、编者、说明等任何其他内容。

目录页码是 PAGEREF 域，在 Word/WPS 打开文档时自动回填（settings.xml 已置 updateFields=true）。因此交付时必须告诉用户：首次打开若提示「此文档包含可能引用其他文件的域，是否更新」，选是；若页码仍显示 0，按 Ctrl+A 全选、F9 更新域即可。不得为了「页码好看」把页码写成手填数字。

二、工作流（七步，含一个确认闸门）

步骤 1｜主题解析（先想清楚再检索）

动手检索前先内部定清五件事：

1. 主题定名：把用户口述提炼为规范主题名（用于文件名与封面），不超过 12 字。
2. 文体与来源类型预判：这个主题上，好文章通常以什么形态出现？是部委「意见」「通知」这类正式文件，是党报理论版的长文，还是学者论文与研究报告？预判是为了把检索词铺开，不是设白名单——预判之外的类型只要有优质材料，照样收。
3. 发布主体层级（只对官方文件有意义）：明确可能覆盖哪几层——中央 / 部委 / 省市 / 县区；学者与期刊文章不填层级。
4. 时间窗与阶段：这个主题的讨论与政策脉络分几个阶段？据此设定检索时间窗，并优先取标志性材料（首个纲领性文件、权威学者的奠基性论文、政策转向后的新论述）。
5. 检索词矩阵与部分结构：
   - 检索词 = 主题词 × {文体词、主体词、场景词、时间词}，另加 2–4 个同义词、上位词、英文词；
   - 汇编预设 2–5 个逻辑部分，按读者理解路径分层，例如「总论与政策框架 → 机制与学理分析 → 地方实践与案例 → 写法研究」。

步骤 2｜检索（全网并行，质量优先）

按 references/search-playbook.md 执行，核心三条：

• 五类信源平行搜，不分先后、不设配额：官方发布、党报党刊、学者与研究机构、专业期刊、主流媒体与垂直号。不要只搜公文——那样会把学者文章、理论文章全漏掉，池子会明显变窄。
• 五维评分卡是唯一闸门：每篇按 相关度 / 权威性 / 规范性 / 信息密度 / 可学性 各 1–5 分，总分 ≥ 18 才入池。其中「规范性」看的是体例是否规范、层次是否分明、用语是否准确——公文、理论文章、学术论文都能拿满分，不是只有法定公文才算规范。

• 反对同质化，但不设来源配比：不要求「官方文件占多少」，只要求来源类型与文体有跨度（一册不能全是同一类材料或同一位作者）。

• 候选池 ≥ 28 篇（不少于入册 20 篇的 1.4 倍），保证用户勾选后有替换空间；≥ 18 分的材料不足 28 篇时继续补检，不得为凑数降门槛。

• 某主题几乎没有正式文件时属正常情况，以党报理论文章 + 学者研究为主体即可，在综述里说明材料构成。

步骤 3｜候选清单 → 勾选面板（闸门：必须等用户回传编号）

1. 按逻辑部分分组，编号 1..N 连续（与最终成册编号一致）。
2. 写 candidates.json（结构见 references/spec-schema.md），字段：编号、标题、来源、文体、发布主体、发文字号（有则填）、层级、是否范本、五维评分、日期、字数、链接、是否推荐、推荐理由。
3. 生成面板并 present_files 打开：

"$PY" scripts/build_panel.py --candidates candidates.json --output 勾选面板.html

4. 在对话里同时给出分组概况：每部分几篇、文体分布、来源类型分布（官方 / 学者 / 媒体各几篇）、总字数，并说明推荐篇目的理由。
5. 停下来等用户回传编号（形如 1,3,5-8）。用户可能补选、删选、要求换源——按回传结果调整，必要时重出面板。未收到用户编号，不得进入步骤 4。

步骤 4｜抓取全文

"$PY" scripts/fetch_article.py --batch urls.json --output articles.json

• 抓取失败（公众号反爬、已删除、需登录）时按顺序兜底：① pdf-web-export 技能的 Playwright 抓取；② WebFetch；③ 换一源同题文章。
• 政府网站正文常在附件（PDF/DOC）里：抓附件并解析；解析不了改用同栏目的官方「政策解读」稿，脚注注明「据 XX 解读」。
• 期刊论文常只有摘要页：用摘要 + 关键词 + 公开的工作论文/预印本版本；确实只有摘要时降级收录，并在导读注明「仅摘要」。
• 仍失败的篇目必须显式告知用户，不得静默降级为标题占位。
• 抓到的正文只保留段落文字，剔除图片、二维码、关注引导、广告、往期推荐等噪声（脚本已内置清洗，仍要抽查）。正式文件要保留原有的分层编号（一、/（一）/1.），论文保留章节序号，不要把结构洗平。
• 每篇记录 title / source / date / author / url / paras；官方文件另记 doc_type / sender / doc_no，学者文章把 doc_type 填成「论文」「研究报告」等，并把作者单位写进 author。脚注即由这些字段生成。作者缺失时写「作者：未署名」，不得留空。

步骤 5｜撰写综述与部分导读

• 综述（正文第一页起，标题为一级标题「一、主题概述」）：目标 1800–3000 字。因为定位是学写法，综述要写成写作范式图谱，必须回答六问：
  1. 是什么——概念、边界、与相邻概念的区别；
  2. 讨论与政策怎么演进——分几个阶段，每阶段的标志性材料与口径/学理变化；
  3. 由哪些文体承载——这个主题上通常写成什么（正式文件、党报理论文章、学术论文、调研报告），各适合解决什么问题；
  4. 不同主体怎么写——中央定什么、部委细化什么、地方怎么转化、学者怎么论证（明确区分「政策要求」与「学理观点」）；
  5. 结构范式——常见框架（总体要求—主要任务—保障措施；问题—机制—对策；概念—测量—检验—结论），用「一是……二是……」概括要点；
  6. 可借鉴的表述——把反复出现的规范句式、论证套路、限定语（原则上、逐步、有序、稳妥）点出来。
• 内部层级用三级序号 （1）（2）（3） 作小标题；不堆砌无出处的数字，政策口径不改写、不省略限定语，学者观点须署明出处。
• 判据：读者只看这几页，就能说清这个主题上好文章用什么文体、按什么结构写、论证怎么展开、话怎么说。
• 部分导读（每个部分开头，标题与文章之间）：150–300 字，说明本部分收录几篇、分别是什么文体与来源、各自切入角度、合起来能回答什么问题。用楷体，与正文区分。

步骤 6｜组稿与生成

1. 按 references/spec-schema.md 写 spec.json（综述 blocks、parts、articles 全文段落）。
2. 生成 Word：

"$PY" scripts/build_docx.py --spec spec.json --output "XX文章汇编.docx"

3. 结构自检（必须 ok: true 才能交付）：

"$PY" scripts/selfcheck.py --docx "XX文章汇编.docx" --expect-articles 20

自检覆盖：脚注数与引用数、分节与页码起始、奇偶页脚、目录条目与书签一一对应、PAGEREF 域数量、updateFields 是否置位、每篇另起页、字体、页边距。任一项 problems 非空即返工。

4. 目录页码回填确认（不再导出 PDF，靠 Word 域）：

• selfcheck.py 输出里 checks.toc_update.update_on_open 必须为 true——它代表文档已置 updateFields，Word/WPS 打开时会自动把 PAGEREF 更新成真实页码；
• 交付话术里必须带上更新方法（见「一、交付物」末段）；
• 不要自己算页码、不要手填数字、不要用「第 X 页」硬编码。

5. 视觉抽查：在本机用 WPS / Word 打开成品，逐项确认封面、目录点线、页码位置、脚注、每篇另起页、导读字体（楷体）均正常；重点看目录页码是否非 0。无办公软件时至少确认 selfcheck.py 全绿，并在交付时说明「页码需打开时更新」。

步骤 7｜交付

present_files 只给出 .docx 一个文件，并用三五行说明：收录篇数、文体与来源类型分布（官方 / 学者 / 媒体）、各部分构成、总字数；最后一句提醒「打开时若提示更新域请选『是』，目录页码会自动填好」。

三、格式硬约束（不得改动）

四、严禁事项

• 未拿到用户勾选编号就生成成品文件。
• 篇目不足 20 篇仍交付（除非用户明确同意少于 20 篇）。
• 把检索范围缩到「只有机关公文」——那会漏掉党报理论文章与学者研究，池子会明显变窄。
• 因为一篇材料不是法定公文就排除它，或因此给它降分。
• 为凑够篇数把总分 < 18 的材料放进来。
• 用「摘要 + 链接」冒充全文收录；用户要求全文照录时不压缩、不改写、不删段（仅剔除噪声）。
• 改写政策口径、省略「原则上」「逐步」「试点」这类限定语。
• 把学者观点当官方口径引用，或反之。
• 综述里出现无出处的具体数字、把传闻当结论。
• 改动版式参数（字号、行距、页码格式、页边距）而不告知用户。
• 目录页码留空或写成手填数字（必须走 PAGEREF 域，由打开时更新域回填）。
• 交付时不说明「打开时更新域」，让用户看到页码 0 以为成品坏了。
• 声称产出 PDF，或为「看起来完整」私自转一份 PDF 一起交付。
• 调用 WPS / Word / LibreOffice 做格式转换（本技能不需要任何办公软件，只产出 .docx）。

五、脚本与环境

所有脚本都通过一个入口调用，不要直接指定 Python 解释器路径（不同机器路径不同）：

python scripts/run.py <脚本名> [脚本参数...]

run.py 会自动：首次调用时在技能目录下建 .venv 并装 requirements.txt 里的依赖 → 之后复用该环境 → 转交目标脚本执行。示例：

python scripts/run.py build_panel.py --candidates candidates.json --output 勾选面板.html
python scripts/run.py fetch_article.py --batch urls.json --output articles.json
python scripts/run.py build_docx.py --spec spec.json --output "XX文章汇编.docx"
python scripts/run.py selfcheck.py --docx "XX文章汇编.docx" --expect-articles 20

也可先单独建环境（CI 或网络受限时推荐）：

python scripts/setup_env.py            # 建 .venv 并装依赖，打印解释器路径

依赖与运行环境

• 只依赖 python-docx、lxml、requests、beautifulsoup4 四个包，全部装进技能目录下的 .venv；
• 不需要 WPS / Word / LibreOffice，也不需要 pypdf、pypdfium2、pywin32——本技能不做 PDF 转换；
• 成品是标准 .docx（OOXML），WPS、Microsoft Word、LibreOffice、腾讯文档、石墨等都能直接打开。

参考文档：references/spec-schema.md（数据结构）、references/format-spec.md（版式参数与验收）、references/search-playbook.md（检索与质量规则）。