用途
Agent Survey Corpus 是一个可选的、仓库级工具包，用于建立一个小型本地参考库，帮助你在改进综述写作时学习真实智能体综述的写法。它专门用于研究真实智能体综述如何组织结构（6–8 个 H2 章节）、如何划分小节粒度，以及如何撰写有证据支撑的对比。
该工具明确不属于主流程（pipeline），而是一个可选的辅助工具。
主要能力
- 下载开放获取的 arXiv 综述/评论类 PDF（关于智能体系统）。
- 将 PDF 的前 N 页提取为文本。
- 生成自动摘要报告 STYLE_REPORT.md（被跟踪）。
- 支持通过参数控制工作区、输入文件、最大页数、请求间隔和覆盖重下。
输入与输出
输入：
- ref/agent-surveys/arxiv_ids.txt（每行一个 arXiv id）
输出：
- ref/agent-surveys/pdfs/
- ref/agent-surveys/text/
- ref/agent-surveys/STYLE_REPORT.md（被跟踪；自动生成的摘要）
使用方式
工作流：
- 编辑 ref/agent-surveys/arxiv_ids.txt（每行一个 arXiv id）。
- 运行下载器，获取 PDF 并将前 N 页提取为文本。
- 浏览 ref/agent-surveys/text/ 下提取的文本：
- 查看章节数量（H2）、子章节粒度（H3）以及章节之间的过渡方式。
- 识别你希望流程写作者模仿的重复修辞模式。
快速开始：
uv run python .codex/skills/agent-survey-corpus/scripts/run.py --help
uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace . --max-pages 20
全部选项：
- --workspace <dir>（使用 . 写入仓库根目录）
- --inputs <semicolon-separated>（默认：ref/agent-surveys/arxiv_ids.txt）
- --max-pages <N>（默认：20）
- --sleep <seconds>（默认：1.0）
- --overwrite（重新下载并重新提取）
示例：
下载/提取到仓库根目录 ref/：
uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace . --max-pages 20
下载/提取到指定文件夹（视为工作区根目录）：
uv run python .codex/skills/agent-survey-corpus/scripts/run.py --workspace /tmp/surveys --max-pages 30
适用场景
- 当你想要研究真实智能体综述如何组织结构、划分小节以及撰写有证据支撑的对比时。
- 用于改进 C2 大纲结构（类论文分节）、C4 表格/论断组织、C5 写作风格与密度。
限制与故障排查
- 下载失败/超时：使用更大的 --sleep 重试，或减少 id 数量。
- 文本提取为空：PDF 可能是扫描件；尝试另一篇综述或增加 --max-pages。
- 文件出现在 git status 中：PDF/文本通过 .gitignore 忽略（ref//pdfs/、ref//text/）。
触发词：agent survey corpus、ref corpus、download surveys、学习综述写法、下载 survey。