用途:面向文献综述场景,批量读取一个文件夹内的多篇文献,统一生成摘要与结构化元数据(主题/方法/结论),并输出可供 Excel、R、Python 等下游分析使用的 CSV。
主要能力:批量扫描 .pdf、.md、.docx、.txt 文件;PDF 先经 pdf-extract 转为 Markdown,仅使用 Markdown 内容提取,忽略图片目录等副产物;每篇文献提取标题、摘要(优先原文 Abstract)、关键词(主题)、实验方法(仅方法名)、关键结论(一句话)、评论(一句话、措辞委婉)。
使用方式:采用两步流程,先生成人类可读的汇总 Markdown(保存于 outputs/),再仅从该 Markdown 生成 CSV。CSV 字段顺序与表头须匹配 assets/bibliography_template.csv,每篇文献一行,缺失字段填 Not recognized,不得留空,统一 UTF-8 编码。示例输入目录 ./inputs/literature/,输出 ./outputs/bibliography_summary.md 与 ./outputs/bibliography.csv,且只生成这两个文件,不留临时或中间文件。
适用场景:需要跨多篇论文保持一致的摘要与元数据、按关键词/方法/结论组织批注、或需要机器可读 CSV 做后续统计分析的文献综述工作。
限制:依赖 pdf-extract(版本未指定,存在 PDF 时必需);若找不到同级技能目录中的 pdf-extract,需用户确认路径。DOCX 尽量保留标题与段落顺序;MD/TXT 直接读取,出现乱码时尝试按原始编码(常见 GB18030/GBK)读取。不要用 PowerShell 直接写 CSV/Markdown,以免编码与换行问题。详细规则见 references/guide.md。