用途：当作者问“这篇论文该投哪里”，或论文被拒后需要最佳改投目标，或收到“不适合本刊”信号需要重新考虑范围与期刊时使用。
主要能力：先对论文做画像（学科与子领域、方法/设计、贡献类型、场景/数据/地区、目标层次），写入 paper-profile.yml 供后续技能复用；再用匹配器生成候选清单，而非人工翻阅索引。匹配器会给出每行可深入阅读的来源（source_map、profile_path）及匹配词，并对证据薄弱或学科覆盖缺口发出警告。
使用方式：运行 python3 tools/match_venues.py --title "..." --abstract "..." --discipline economics/labor --lane empirical --top 15。--discipline 是先验而非过滤器，相邻学科会被加权；可用 --only-discipline 限定、--exclude <venue_id> 排除已拒稿期刊、--json 输出、--list-disciplines 查看学科词表。随后按 Fit × 录用概率 × 周转 × 成本/政策 × 受众逐项评分，事实须来自各候选的 resources/official-source-map.md，不得凭记忆引用费用、录用率、周转或页数限制。输出 reach/match/safe（各约2–3个）及理由、投稿顺序与改投阶梯；阶梯可参考 ladder.tsv，并在时间紧张时用 rt-ladder-ev 估算成本。
适用场景：论文初投选刊、被拒后改投、范围不匹配需重新定位。
限制：匹配器仅检索，推荐由人判断，不可直接把其排名当候选清单；R@10=41.5% 是单薄查询的下限，生命科学与自然科学覆盖最薄；若候选仅靠一两个共享词支撑，或指定学科无任何命中，不应作为候选清单，需补充摘要、复核学科标签或转交 rt-venue-integrity。费用、录用率、周转、页数限制等实时事实暂未提供，须查源映射。