user-corpus-explorer

Name: user-corpus-explorer
Author: woodfishhhh

31stars1forks

How to install user-corpus-explorer?

woodfishhhh/ez_math_model/user-corpus-explorer

$npx -y skills add woodfishhhh/EZ_math_model --skill user-corpus-explorer

Installs into the current project.

Summary

Use near the end of EZ_math_model intake when external/user-corpus contains user-provided papers, notes, PDFs, datasets, or examples that should become a local AGENTS.md reference index.

Files · 1

View on GitHub

SKILL.md

1	# user-corpus-explorer — 用户资料库索引
2
3	## 何时使用
4
5	- `external/user-corpus/` 存在用户自带参考材料。
6	- `pipeline 00` 对该域决策不是 `skip`。
7	- `pipeline 01` intake 结束前需要生成用户资料索引。
8
9	## 设计原则
10
11	- 由 subagent 执行，不污染主对话上下文。
12	- 每次覆盖生成 `external/user-corpus/AGENTS.md`。
13	- 失败不打断主 pipeline。
14	- 不上传全文到外部服务。
15
16	## 扫描范围
17
18	递归扫描 `external/user-corpus/`，跳过：
19
20	- `.gitkeep`
21	- `README.md`
22	- `AGENTS.md`
23	- `.corpus_index.json`
24	- `.git/`、`.cache/`、以 `.` 开头的目录
25	- 大于 200MB 的文件只记录路径和大小
26
27	## 读取策略
28
29	\| 扩展名 \| 策略 \|
30	\|---\|---\|
31	\| `.md` `.txt` \| 读全文，超长读首尾 \|
32	\| `.pdf` \| MinerU → pdf → pdfplumber，长文仅读首 15 页和末 5 页 \|
33	\| `.docx` \| docx 提取文本 \|
34	\| `.html` \| Jina Reader 或 BeautifulSoup \|
35	\| 图片 \| 视觉描述 \|
36	\| 其他二进制 \| 只记录元信息 \|
37
38	## 输出
39
40	生成：
41
42	```text
43	external/user-corpus/AGENTS.md
44	external/user-corpus/.corpus_index.json
45	```
46
47	`AGENTS.md` 包含 inventory、per-file index、cross-cutting topics、recommendations、limitations。
48
49	## 下游衔接
50
51	- modeler 必读 recommendations，并在 `modeling_plan.md` 标注参考来源。
52	- writer 可优先把 corpus 中可验证 DOI 的论文列入参考候选。
53	- coder 不直接读 corpus，除非 modeler 在计划中转述其方法。
54
55	## 失败诊断
56
57	\| 情况 \| 处理 \|
58	\|---\|---\|
59	\| corpus 目录为空 \| 写空索引，pipeline 继续 \|
60	\| 单文件读取失败 \| 在 limitations 记录 \|
61	\| MinerU 不可用 \| 降级 pdf → pdfplumber \|
62	\| 总耗时超过 5 分钟 \| 写已完成索引，剩余标 unread \|

People who liked this also viewed

6 picks

Type

user-corpus-explorer

31stars1forks

View on GitHub

How to install user-corpus-explorer?

woodfishhhh/ez_math_model/user-corpus-explorer

$npx -y skills add woodfishhhh/EZ_math_model --skill user-corpus-explorer

Installs into the current project.

Summary

Use near the end of EZ_math_model intake when external/user-corpus contains user-provided papers, notes, PDFs, datasets, or examples that should become a local AGENTS.md reference index.

Files · 1

View on GitHub

SKILL.md

1	# user-corpus-explorer — 用户资料库索引
2
3	## 何时使用
4
5	- `external/user-corpus/` 存在用户自带参考材料。
6	- `pipeline 00` 对该域决策不是 `skip`。
7	- `pipeline 01` intake 结束前需要生成用户资料索引。
8
9	## 设计原则
10
11	- 由 subagent 执行，不污染主对话上下文。
12	- 每次覆盖生成 `external/user-corpus/AGENTS.md`。
13	- 失败不打断主 pipeline。
14	- 不上传全文到外部服务。
15
16	## 扫描范围
17
18	递归扫描 `external/user-corpus/`，跳过：
19
20	- `.gitkeep`
21	- `README.md`
22	- `AGENTS.md`
23	- `.corpus_index.json`
24	- `.git/`、`.cache/`、以 `.` 开头的目录
25	- 大于 200MB 的文件只记录路径和大小
26
27	## 读取策略
28
29	\| 扩展名 \| 策略 \|
30	\|---\|---\|
31	\| `.md` `.txt` \| 读全文，超长读首尾 \|
32	\| `.pdf` \| MinerU → pdf → pdfplumber，长文仅读首 15 页和末 5 页 \|
33	\| `.docx` \| docx 提取文本 \|
34	\| `.html` \| Jina Reader 或 BeautifulSoup \|
35	\| 图片 \| 视觉描述 \|
36	\| 其他二进制 \| 只记录元信息 \|
37
38	## 输出
39
40	生成：
41
42	```text
43	external/user-corpus/AGENTS.md
44	external/user-corpus/.corpus_index.json
45	```
46
47	`AGENTS.md` 包含 inventory、per-file index、cross-cutting topics、recommendations、limitations。
48
49	## 下游衔接
50
51	- modeler 必读 recommendations，并在 `modeling_plan.md` 标注参考来源。
52	- writer 可优先把 corpus 中可验证 DOI 的论文列入参考候选。
53	- coder 不直接读 corpus，除非 modeler 在计划中转述其方法。
54
55	## 失败诊断
56
57	\| 情况 \| 处理 \|
58	\|---\|---\|
59	\| corpus 目录为空 \| 写空索引，pipeline 继续 \|
60	\| 单文件读取失败 \| 在 limitations 记录 \|
61	\| MinerU 不可用 \| 降级 pdf → pdfplumber \|
62	\| 总耗时超过 5 分钟 \| 写已完成索引，剩余标 unread \|

People who liked this also viewed

6 picks

Type