Imported from ekstasisSH/wenshu (
SKILL.md). Install upstream withnpx skills add ekstasisSH/wenshu. Copyright stays with the author (MIT).
简介
文枢是一套跑在 AI 工具里的工作流，帮人文社科研究者收拾最费时间的杂活：整理文献、查资料、排引文格式、梳理理论脉络。丢一批文献进去，出来的是带出处、能回原文核对的结果。
AI 只做检索、润色、排版这类机械活。研究假设、核心论点、结论由研究者自己定。引用能回溯到原文，查不到就标"待查"，不编造。
让每一段文字，都有来处。
名字由来
文枢，文是文献与知识，枢是枢纽。整理文献、查资料、排引文、理脉络，这些杂活在这里汇成一条流水线：文献进去，出来的是带出处、可核查的知识。研究者守住自己的论点与判断，早点收工。
边界
不代写论文。研究假设、核心论点、结论由研究者自己定。 不做论文写作辅助，大纲设计、润色、查重都不碰。 不做通用对话聊天。 不替代学科专业判断。
能力
文献导入：PDF、EPUB、DOCX 入库，全文提取、元数据，产出按篇知识库。 段落标注：段落级 Block ID 锚点，支持精准引用。 引文格式化：核验后排版为 GB/T 7714-2025 引文，附 BibTeX。 谱系图谱：把来源、发展、争论关系组织成可检索的图谱。 论证链：用图尔敏模型标注论点与证据链。 检索问答：向量召回加图谱增强，回答带锚点出处。 链接注入：按关键词映射表，给文献注入相关链接。
流程一览
文献导入：提取全文，目录解析，偏移检测，分篇切分，生成知识库，质量门把关。产出按篇的 md 知识库，带页码锚点。 段落标注：段落切分，Block ID 注入，唯一性校验。产出段落级锚点。 引文格式化：引文核验，按 GB/T 7714-2025 排版。产出规范引文和 BibTeX。 谱系图谱：抽取来源、发展、争论关系，组织成图谱。 论证链：图尔敏模型标注论点与证据链。 检索问答：向量召回加图谱增强加锚点溯源。产出带出处的问答结果。
怎么开始
装好就能用。向智能体说一句："帮我把这篇文献入库"，"格式化这个引文"，"梳理某某概念的谱系"。
入库、引文格式化、段落标注不需要 API key。检索问答和入库摘要需要，不配置的影响：
文献导入、引文格式化、段落标注：正常可用。 检索问答（向量召回加图谱增强）：需要 Embedding key，不配不可用。 入库摘要（实体与关系）：需要 LLM key，不配跳过摘要，锚点与检索不受影响。
先用不需要 key 的功能，确认价值后再配置升级。配置动作由智能体执行，见 workflows/执行规范.md。
技术底座
LLM：API 链接模型（DeepSeek、硅基流动等 OpenAI 兼容），智能体负责编排。 检索与图谱：skill_rag.py，文枢自研模式 D，embedding API 加 numpy 本地余弦加图谱增强。 格式化：format_reference.py，确定性排版，MIT 复用。 段落标注：anchor_injector.py，段落切分加 Block ID 注入加校验。 反链维护：cited_by_backfill.py，遍历相关经典字段，回填 cited_by 反向索引。 知识库巡检：kb_health.py（yaml/tags/links 三查）+ snapshot_diff.py（快照差异）。 DOCX 提取：docx_extract.py，正文加基础元数据（标题/日期/公文号），依赖 python-docx。 链接注入：link_inject.py，关键词映射表驱动（--map JSON），注入相关链接。 输入：本地 PDF、EPUB、DOCX 文件（单篇或整本专著），由使用者提供文件路径，入库后生成可检索知识库。
合规红线
AI 辅助非代写：AI 做检索、润色、格式、初稿框架，不代写研究假设、核心论点、结论。 引文可溯源：所有引用必须核验，可回溯原文，无页码标"待查"，禁止编造。 不编造：查不到的文献、字段、关系如实报告"未找到/待考证"。 单一事实源：不从多份文件复制同一字段值，cited_by 等反链由脚本维护，不手改。
智能体执行说明：入口路由、API 配置、规范引用、完成提示、质检清单，完整执行规范见 workflows/执行规范.md。
最近更新
文枢更新到 v1.1.3。这轮做了三件事：补齐能力、校准说法、加固质量。
补齐能力。把实战验证过的几个工具搬进了文枢：DOCX 文献入库、关键词链接注入、cited_by 反向回填、知识库健康巡检（YAML 检查、死链检测、快照差异）。
校准说法。文档里原来有几处写得跟实际跑的方式对不上，全部改了过来：说出去的每项能力，包里都有对应的脚本；没实现的，明确标注"未内置"，不让人误会。
加固质量。测试从 1 个套件扩到 9 个，118 个用例，覆盖入库、切分、锚点、引文、巡检、回填全链路。依赖清单也补上了。
现在文枢对外说的，就是它实际能做的。
版本记录
v1.1.3（2026-08-22）：全面审阅收尾——补 3 个核心脚本测试（format_reference 12/anchor_injector 9/split_offset 7 用例，测试覆盖 6→9 脚本）、README 补依赖声明段 v1.1.2（2026-08-22）：链接注入转正——link_inject.py（合并 semantic_match_links + upgrade_inject_links 机制，关键词映射表 --map 参数化，13 用例测试），入库规范 §5 落地 v1.1.1（2026-08-22）：DOCX 入库转正——docx_extract.py（从 unified_import 抽取，正文+基础元数据，删个人库路由/标签业务，14 用例测试），SKILL.md 能力恢复 DOCX v1.1.0（2026-08-22）：知识库巡检转正——kb_health.py（YAML 闭合/标签合规/死链检测三查合并，--kb/--dir/--forbidden 参数化）+ snapshot_diff.py（快照差异，--log 写变更日志），入库规范 §6 质量门落地 v1.0.9（2026-08-22）：反链脚本转正——cited_by_backfill.py（个人库实战通用化，--kb 参数化、去重修复、13 用例测试），合规红线"反链由脚本维护"落地 v1.0.8（2026-08-22）：能力表述校准——DOCX/链接注入无 skill 实现，改为实证过的 PDF/EPUB 主链路；入库规范标注 unified_import 为个人库参考、DOCX/TXT/链接注入未内置 v1.0.7（2026-08-22）：表述修正——数据源改为实际输入方式（本地 PDF/EPUB/DOCX），清除 Zotero/Obsidian 误导性生态表述，标注 Zotero 补全为未内置参考设计 v1.0.6（2026-08-22）：平台展示适配——SKILL.md 人读区纯文本化（去 markdown 符号），人味化重写，简介栏文案备好 v1.0.5（2026-08-22）：平台展示适配——name=wenshu（显示名）+ skill_identifier 固定 ID、简介段前置、人读区去表格化（列表呈现）、删文档树代码块 v1.0.4（2026-08-22）：SKILL.md 人读化架构——智能体执行指令下放 workflows/执行规范.md，平台介绍页仅呈现人读部分（简介/能力/影响矩阵），执行能力不变 v1.0.3（2026-08-22）：文档读者分层重构——阅读指南 + 人读区去 AI 痕迹（简介/名字由来）+ 智能体执行区效率化（标题标注/命令式指令）+ 配置影响矩阵（不配 key 的可用性边界） v1.0.2（2026-08-22）：toc_parse 目录解析增强——教材体例（单页码目录/罗马数字/章标题扫描/页眉过滤/标题匹配合并）、纲要体例（导言前缀/章号容忍/正文句过滤/截断标题补全）、专著适配（OCR 变体归并/去重保留最早页/目录行尾章号前移）、回归测试 24 用例 v1.0.1（2026-08-22）：平台适配增强——入口路由场景化（AskUserQuestion + 触发词降级）、工作流速览、快速开始、文档导航、完成提示、执行质检清单、名字由来叙事段 v1.0.0（2026-08-22）：功能完整首发——六段流水线（提取→目录解析→偏移检测→分篇切分→知识库→质量门）、EPUB 支持、单篇自动路径、双实证（整本专著 1559 页 + 3 篇异构文献全绿）、开源双仓、SkillHub 公开发布 v0.1.1（2026-08-19）：自研 skill_rag.py 转正（LightRAG 降为对照参考）；slogan 更新；整本专著全量复现与 galaxy 演示上线 v0.1.0（2026-08-16）：references/ + workflows/ 产出，skill 骨架搭建
