用途：在综述流程的 evidence 阶段（C3），已有 papers/core_set.csv（可选 fulltext）时，为每篇论文生成一致、可检索的结构化笔记，作为后续 claims、citations、writing 的可引用证据。笔记保持要点/短字段形式，不写叙述性段落。
主要能力：输出 papers/paper_notes.jsonl（每篇一条记录）与 papers/evidence_bank.jsonl（可寻址证据片段，课程论文平均≥4 条/篇，A150++ 平均≥7 条/篇）。按 mapping 选择高优先级论文（被多小节复用、经典论文），为其捕获 3–6 条 summary 要点、method、key_results、limitations；长尾论文保持摘要级简短笔记，但至少含一条具体 limitation。为每篇论文分配稳定 bibkey。
使用方式：先读取 references/overview.md 与 references/note_schema.md；按任务读取 limitation_taxonomy.md、result_extraction_examples.md、source_text_hygiene.md。机器可读资产包括 assets/note_schema.json、assets/evidence_tags.json、assets/source_text_hygiene.json 及仓库级 assets/limitation-signals.json。可选脚本：uv run python .codex/skills/paper-notes/scripts/run.py --help 与 uv run python .codex/skills/paper-notes/scripts/run.py --workspace <workspace>。脚本仅用于确定性脚手架生成、按映射覆盖率选优先级、从结构化字段构建证据库，不用于论文特定 limitation 文本或领域评估启发式。
适用场景：已有核心集（最好有 mapping）并需要证据就绪笔记时；撰写综述草稿之前。输入为 papers/core_set.csv，可选 outline/mapping.tsv、papers/fulltext_index.jsonl 与 papers/fulltext/*.txt。
限制：有全文时用全文片段丰富关键论文并设 evidence_level 为 fulltext，仅有摘要时保持摘要级。pipeline.py --strict 下，高优先级笔记缺失 method/key_results/limitations 或含占位符会被阻断；limitations 不得跨论文复制通用模板。质量检查要求覆盖全部 paper_id、高优先级笔记非 TODO、evidence_level 正确、证据库满足所选 profile。