| name | user-corpus-explorer |
| description | Use near the end of EZ_math_model intake when external/user-corpus contains user-provided papers, notes, PDFs, datasets, or examples that should become a local AGENTS.md reference index. |
user-corpus-explorer — 用户资料库索引
何时使用
external/user-corpus/ 存在用户自带参考材料。pipeline 00 对该域决策不是 skip。pipeline 01 intake 结束前需要生成用户资料索引。
设计原则
- 由 subagent 执行，不污染主对话上下文。
- 每次覆盖生成
external/user-corpus/AGENTS.md。
- 失败不打断主 pipeline。
- 不上传全文到外部服务。
扫描范围
递归扫描 external/user-corpus/，跳过：
.gitkeepREADME.mdAGENTS.md.corpus_index.json.git/、.cache/、以 . 开头的目录- 大于 200MB 的文件只记录路径和大小
读取策略
| 扩展名 | 策略 |
|---|
.md .txt | 读全文，超长读首尾 |
.pdf | MinerU → pdf → pdfplumber，长文仅读首 15 页和末 5 页 |
.docx | docx 提取文本 |
.html | Jina Reader 或 BeautifulSoup |
| 图片 | 视觉描述 |
| 其他二进制 | 只记录元信息 |
输出
生成：
external/user-corpus/AGENTS.md
external/user-corpus/.corpus_index.json
AGENTS.md 包含 inventory、per-file index、cross-cutting topics、recommendations、limitations。
下游衔接
- modeler 必读 recommendations，并在
modeling_plan.md 标注参考来源。
- writer 可优先把 corpus 中可验证 DOI 的论文列入参考候选。
- coder 不直接读 corpus，除非 modeler 在计划中转述其方法。
失败诊断
| 情况 | 处理 |
|---|
| corpus 目录为空 | 写空索引，pipeline 继续 |
| 单文件读取失败 | 在 limitations 记录 |
| MinerU 不可用 | 降级 pdf → pdfplumber |
| 总耗时超过 5 分钟 | 写已完成索引，剩余标 unread |
