OneScience 论文复现前处理

职责边界

本技能只负责把论文转成可执行的复现规格，不直接实现模型代码。

当用户提供论文标题、DOI、arXiv 链接、PDF 链接、本地 PDF、正文片段，或明确要求“复现论文 / 实现论文 / 根据论文生成代码 / paper to code”时，先使用本技能完成论文获取、解析、信息抽取和任务描述生成，再把产物交给 onescience-coder。

不要搜索、打开、下载、clone、复制或参考 GitHub/GitLab/Bitbucket、official code、repository、source code、model zoo、package implementation、官方实现或第三方复现。论文复现规格必须来自论文正文、附录、补充材料、用户提供材料和公开数据/论文页面信息；若论文没有说明，实现必须选择的项要标记为待决策假设。

总控流程

本技能把论文材料转换成 onescience-coder 可直接消费的复现任务书。总控流程只负责编排阶段，不在主技能文件中写领域特例或单篇论文特例。

核心产物只有：

• reproduction_spec.md：前处理阶段的结构化事实源和审计产物。
• coder_task_description.md：下游唯一编码输入，必须完整承载 reproduction_spec.md 中所有已确定内容。

onescience-coder 只消费 coder_task_description.md 的路径和全文，不读取 reproduction_spec.md 补齐细节。

执行时按顺序读取以下独立 workflow：

1. ./references/acquisition_text_workflow.md

• 负责论文来源识别、PDF/正文获取、文本提取、内容完整性校验和工作目录组织。

1. ./references/structured_extraction_workflow.md

• 负责解析论文正文、表格、图注、算法框、附录和补充材料，先生成 paper_content_summary.md，再根据摘要召回领域知识并生成结构化 reproduction_spec.md。

1. ./references/audit_workflow.md

• 负责把 reproduction_spec.md 对照论文内容迭代校验和修复，直到 spec 正确或只剩明确 MISSING: / ASSUMPTION:。

1. ./references/coder_handoff_workflow.md

• 负责从审计后的 reproduction_spec.md 展开生成自包含 coder_task_description.md，并完成交接。

解析论文和审计时，先总结论文内容，生成 paper_content_summary.md；再根据摘要中的任务、数据对象、模型关键词和评估关键词，读取 ./assets/domain_knowledge/ 下各领域文件的表头摘要，召回对应领域知识：

• earth.md：气象、海洋、地球系统。
• cfd.md：流体、PDE、CFD。
• materials.md：材料、化学、原子尺度建模。
• biology.md：生信、生命科学。

领域知识只能辅助提取和审计，不得覆盖论文证据；如果领域经验与论文描述冲突，以论文正文、表格、公式、算法框、附录和补充材料为准。领域知识中的字段只有被论文或用户材料支持时，才能写入确定要求。

工作顺序

1. 识别论文来源：本地 PDF、URL、arXiv/DOI、标题检索或用户粘贴正文。
2. 解析并规范化论文工作目录：

• 必须把下载或复制的论文材料保存到 .paper2code_work/<id>/。
• <id> 优先使用不带版本号的 arXiv ID；没有 arXiv ID 时使用 DOI slug；仍无法识别时使用标题 slug。
• 若能识别 arXiv ID，固定使用 .paper2code_work/<arxiv_id>/，例如 .paper2code_work/2406.01465/。
• 下载的论文 PDF、补充材料、解析文本、摘要、结构化规格和交接任务书都写入该目录。
• 用户指定的输出目录只表示最终复现代码落点，不改变论文解析工作目录。

1. 按顺序加载并执行：

• ./references/acquisition_text_workflow.md：下载、提取文本和内容完整性校验。
• ./references/structured_extraction_workflow.md：解析论文、生成 paper_content_summary.md，根据摘要召回领域知识，并生成结构化 reproduction_spec.md。
• ./references/audit_workflow.md：对照论文内容审计并修复 reproduction_spec.md，直到 spec 正确或只剩明确缺口/假设。
• ./references/coder_handoff_workflow.md：生成自包含 coder_task_description.md 并交接给 coder。

1. 在论文工作目录中生成两个核心产物：

• reproduction_spec.md：中文为主、全面且准确的结构化复现规格，必须覆盖论文来源元数据、证据位置、任务、数据、处理、模型、损失、训练、推理、评估、配置、领域专属信息、缺口和假设；不能只抽取摘要或主方法。
• coder_task_description.md：中文为主、清楚详细且自包含的自然语言实现任务描述，必须从 reproduction_spec.md 展开生成，并完整覆盖其中所有已确定内容；不得只写摘要、不得要求 onescience-coder 再读取 reproduction_spec.md 才能获得完整细节。
• 不要生成 paper_source.json、evidence_index.md 这类额外交接文件；来源信息和证据位置直接写入 reproduction_spec.md。
• 生成后必须逐条核对 reproduction_spec.md 的每个非空、非纯缺失项是否已进入 coder_task_description.md；没有进入的内容要补写，不能留给下游自行综合。
• 生成前必须完成一致性审计：变量清单与通道数、输入/输出 shape、时间步融合、per-node/per-edge learnable features、loss target、权重公式、评估指标和所有实现假设不得自相矛盾；论文未明确给出的公式或数据格式只能写为 ASSUMPTION:，不能写成事实。
• 涉及变量数和通道数时，必须生成 variable_channel_ledger.json 并用 ./scripts/variable_channel_audit.py 做机械校验；校验失败不得交接给 onescience-coder。

1. 交接给 onescience-coder 时必须显式提供：

• paper_repro_handoff=true
• task_method=paper2code
• domain_task_family=paper-reproduction
• task_description_path=<coder_task_description.md 路径>
• task_description_content=<coder_task_description.md 全文>
• paper_workdir=<.paper2code_work/<arxiv_id>/ 路径>
• coder_reference_mode=assets_only
• coder_static_review_required=true

1. reproduction_spec_path 可在给用户的结果中保留用于审计和追溯，但不要把它作为 onescience-coder 的编码输入；onescience-coder 只消费 coder_task_description.md 的路径和全文执行编码任务。
2. 交接给 onescience-coder 前，必须在回复中复述 coder_task_description.md 的完整内容；不能只给路径，也不能只复述主要内容。

输出要求

最终回复至少包含：

• 已解析的论文来源与保存位置
• 论文工作目录，例如 .paper2code_work/2406.01465/
• reproduction_spec.md 路径
• coder_task_description.md 路径
• coder_task_description.md 的完整内容复述
• 关键缺口或实现假设
• 下一步交接：next_action=onescience-coder

如果论文无法获取或解析，不要编造细节；输出已获得信息、缺失项和需要用户补充的最小材料。