onescience-paper-repro git:20260708.9ba4099A

Immutable. This exact content is served forever at /api/v1/blob/a5ea04b3daa236b2.

---
name: onescience-paper-repro
description: OneScience 论文复现信息提取技能。作为 onescience-orchestrator 的执行技能，接收论文输入，提取结构化信息，生成编码任务提示词。输入：论文来源（PDF/URL/arXiv/DOI）或论文信息；输出：reproduction_spec.md（结构化规格）、coder_task_description.md（编码任务提示词）。不执行编码，不调用其他技能。
type: executor
---

# OneScience 论文复现信息提取

## 职责边界

本技能负责从论文或论文信息中提取结构化的复现规格，并生成编码任务提示词，**不具备编码权限**。

- 作为执行技能：由 `onescience-orchestrator` 调用，接收标准化输入，返回标准化输出。
- 核心职责：论文获取、解析、信息抽取、任务描述生成。
- 不负责：编码实现、调用其他技能、任务规划。

不要搜索、打开、下载、clone、复制或参考 GitHub/GitLab/Bitbucket、official code、repository、source code、model zoo、package implementation、官方实现或第三方复现。论文复现规格必须来自论文正文、附录、补充材料、用户提供材料和公开数据/论文页面信息；若论文没有说明，实现必须选择的项要标记为待决策假设。

## 输入输出接口

### 输入（从 onescience-orchestrator 接收）

```json
{
  "paper_source": "论文来源，可为：arXiv URL、DOI、PDF 路径、论文标题",
  "paper_content": "可选：用户提供的论文正文片段或补充材料",
  "output_dir": "可选：用户指定的最终代码输出目录",
  "domain_hint": "可选：领域提示（earth/cfd/materials/biology）"
}
```

### 输出（返回给 onescience-orchestrator）

```json
{
  "status": "success | partial | failed",
  "paper_workdir": ".paper2code_work/<arxiv_id>/",
  "reproduction_spec_path": "reproduction_spec.md 路径",
  "coder_task_description_path": "coder_task_description.md 路径",
  "coder_task_description_content": "coder_task_description.md 完整内容",
  "key_gaps": ["关键缺口列表"],
  "key_assumptions": ["实现假设列表"],
  "metadata": {
    "task_method": "paper2code",
    "domain_task_family": "paper-reproduction",
    "coder_reference_mode": "assets_only",
    "coder_static_review_required": true
  }
}
```

## 总控流程

本技能把论文材料转换成结构化复现规格和编码任务提示词。总控流程只负责编排阶段，不在主技能文件中写领域特例或单篇论文特例。

核心产物只有：

- `reproduction_spec.md`：结构化事实源和审计产物。
- `coder_task_description.md`：自包含的编码任务提示词，必须完整承载 `reproduction_spec.md` 中所有已确定内容。

编码任务提示词必须自包含，不应要求下游再读取其他文件补齐细节。

执行时按顺序读取以下独立 workflow：

1. `./references/acquisition_text_workflow.md`
   - 负责论文来源识别、PDF/正文获取、文本提取、内容完整性校验和工作目录组织。
2. `./references/structured_extraction_workflow.md`
   - 负责解析论文正文、表格、图注、算法框、附录和补充材料，先生成 `paper_content_summary.md`，再根据摘要召回领域知识并生成结构化 `reproduction_spec.md`。
3. `./references/audit_workflow.md`
   - 负责把 `reproduction_spec.md` 对照论文内容迭代校验和修复，直到 spec 正确或只剩明确 `MISSING:` / `ASSUMPTION:`。
4. `./references/coder_handoff_workflow.md`
   - 负责从审计后的 `reproduction_spec.md` 展开生成自包含 `coder_task_description.md`，并完成交接。

解析论文和审计时，先总结论文内容，生成 `paper_content_summary.md`；再根据摘要中的任务、数据对象、模型关键词和评估关键词，读取 `./assets/domain_knowledge/` 下各领域文件的表头摘要，召回对应领域知识：

- `earth.md`：气象、海洋、地球系统。
- `cfd.md`：流体、PDE、CFD。
- `materials.md`：材料、化学、原子尺度建模。
- `biology.md`：生信、生命科学。

领域知识只能辅助提取和审计，不得覆盖论文证据；如果领域经验与论文描述冲突，以论文正文、表格、公式、算法框、附录和补充材料为准。领域知识中的字段只有被论文或用户材料支持时，才能写入确定要求。

## 工作顺序

1. 识别论文来源：本地 PDF、URL、arXiv/DOI、标题检索或用户粘贴正文。
2. 解析并规范化论文工作目录：
   - 必须把下载或复制的论文材料保存到 `.paper2code_work/<id>/`。
   - `<id>` 优先使用不带版本号的 arXiv ID；没有 arXiv ID 时使用 DOI slug；仍无法识别时使用标题 slug。
   - 若能识别 arXiv ID，固定使用 `.paper2code_work/<arxiv_id>/`，例如 `.paper2code_work/2406.01465/`。
   - 下载的论文 PDF、补充材料、解析文本、摘要、结构化规格和交接任务书都写入该目录。
   - 用户指定的输出目录只表示最终复现代码落点，不改变论文解析工作目录。
3. 按顺序加载并执行：
   - `./references/acquisition_text_workflow.md`：下载、提取文本和内容完整性校验。
   - `./references/structured_extraction_workflow.md`：解析论文、生成 `paper_content_summary.md`，根据摘要召回领域知识，并生成结构化 `reproduction_spec.md`。
   - `./references/audit_workflow.md`：对照论文内容审计并修复 `reproduction_spec.md`，直到 spec 正确或只剩明确缺口/假设。
   - `./references/coder_handoff_workflow.md`：生成自包含 `coder_task_description.md`。
4. 在论文工作目录中生成两个核心产物：
   - `reproduction_spec.md`：中文为主、全面且准确的结构化复现规格，必须覆盖论文来源元数据、证据位置、任务、数据、处理、模型、损失、训练、推理、评估、配置、领域专属信息、缺口和假设；不能只抽取摘要或主方法。
   - `coder_task_description.md`：中文为主、清楚详细且自包含的自然语言实现任务描述，必须从 `reproduction_spec.md` 展开生成，并完整覆盖其中所有已确定内容；不得只写摘要，必须自包含所有实现细节。
   - 不要生成 `paper_source.json`、`evidence_index.md` 这类额外交接文件；来源信息和证据位置直接写入 `reproduction_spec.md`。
   - 生成后必须逐条核对 `reproduction_spec.md` 的每个非空、非纯缺失项是否已进入 `coder_task_description.md`；没有进入的内容要补写，不能留给下游自行综合。
   - 生成前必须完成一致性审计：变量清单与通道数、输入/输出 shape、时间步融合、per-node/per-edge learnable features、loss target、权重公式、评估指标和所有实现假设不得自相矛盾；论文未明确给出的公式或数据格式只能写为 `ASSUMPTION:`，不能写成事实。
   - 涉及变量数和通道数时，必须生成 `variable_channel_ledger.json` 并用 `./scripts/variable_channel_audit.py` 做机械校验；校验失败则标记为 partial 状态并说明原因。
5. 生成标准化输出（JSON 格式），包含所有必要的元数据和产物路径，返回给 `onescience-orchestrator`。

## 输出要求

最终必须返回标准化 JSON 格式输出（符合"输入输出接口"章节定义），包含：

- `status`：success（完整提取）、partial（部分提取/有重要缺口）、failed（无法处理）
- `paper_workdir`：论文工作目录路径
- `reproduction_spec_path`：结构化规格文件路径
- `coder_task_description_path`：编码任务提示词文件路径
- `coder_task_description_content`：编码任务提示词完整内容
- `key_gaps`：关键缺口列表
- `key_assumptions`：实现假设列表
- `metadata`：包含 task_method、domain_task_family 等元数据

如果论文无法获取或解析，设置 `status=failed`，在 `key_gaps` 中说明原因和需要用户补充的材料，不编造细节。