用途：面向教师或学生，输入一份课程大纲，产出专业的补充阅读清单 .docx，按课程章节列出近期同行评审论文。
主要能力：解析 PDF、DOCX、文本或图片形式的大纲；提取课程标题、主题列表与学习成果（缺失时推断 3-5 条并标注 [inferred]）；用 topic_grouper.py 将主题聚类为 6-12 个章节；逐章节调用 Consensus 搜索，每节 1-2 次查询，采用“主题+应用领域”组合提升相关性；每节选 1-3 篇论文，总计 15-25 篇；为每篇撰写 2-3 句通俗摘要并配 Bloom 高阶讨论题；通过捆绑脚本生成含标题页、学习成果框、编号论文与完整 Consensus 链接的 DOCX。
使用方式：先经“Grill-Me”三问确认大纲输入格式、课程受众与论文年份范围（默认近 2 年）；解析大纲后分组并与用户确认；再顺序搜索 Consensus（约 1 次/秒）；随后撰写摘要与问题；最后运行 node scripts/generate_reading_list.js --input /tmp/syllabus_data.json --output /path/to/reading_list_<course>_<date>.docx 生成文档，并用 python3 -c "import zipfile,sys; zipfile.ZipFile(sys.argv[1]).testzip()" <docx> 校验完整性。
适用场景：高校课程、继续教育等需要按章节补充近期文献的阅读清单制作。
限制：需 Consensus MCP 连接、Node.js 与 docx 包及文件读取能力；仅使用 Consensus 返回的论文，训练知识论文标注 [Not from Consensus — model knowledge] 并排除；搜索受限时如实标注“limited results”，不编造条目；禁止并行调用 Consensus；具体收费、价格与平台支持范围资料未提供。