literature-review

name	literature-review
description	智能审查采集的论文，识别并清理与研究方向无关的文献
metadata	{"openclaw":{"always":true}}

文献智能审查

审查 data.md 中采集到的论文，利用你的理解能力判断哪些与用户的研究方向无关，协助用户清理。

审查流程

第一步：了解研究方向

读取关键词文件，理解用户关注的研究领域：

cat ~/.openclaw/workspace/literature/keywords.md

第二步：读取采集数据

cat ~/.openclaw/workspace/literature/data.md

第三步：逐篇判断相关性

对 data.md 中的每篇论文，根据标题、作者、来源等信息，判断它与用户关键词所代表的研究方向是否相关。

判断标准：

• 相关：标题明确涉及关键词所指的研究领域（如关键词是"generative recommendation"，推荐系统+生成模型的论文就是相关的）
• 边缘相关：主题相近但不是核心方向（如关键词是"LLM4Rec"，一篇纯 LLM 论文没提推荐系统）
• 无关：完全不沾边（如物理学、纯数学、生物医学、地球科学等论文混入了 CS 搜索结果）

第四步：向用户汇报

将审查结果分组展示：

📋 文献审查报告

🔍 关键词：generative recommendation, LLM4Rec, ...

✅ 相关论文（X 篇）：
1. 论文标题 — 简述相关原因

⚠️ 边缘相关（X 篇）：
1. 论文标题 — 简述为何边缘

❌ 建议移除（X 篇）：
1. 论文标题 [ID] — 简述为何无关
2. ...

请确认是否移除标记为 ❌ 的论文？

第五步：执行清理

用户确认后，调用清理脚本：

export PATH=$HOME/.local/bin:$PATH
cd ~/.openclaw/skills/literature-helper
uv run python3 cleanup-irrelevant.py \
  --data-file ~/.openclaw/workspace/literature/data.md \
  --seen-file ~/.openclaw/workspace/literature/seen-ids.md \
  --ids "ID1" "ID2" "ID3"

如果用户说"也把边缘相关的删了"，把那些 ID 也加上。

可选：保留 seen-ids

如果用户说"删了但别再搜到"，加 --keep-seen 参数：

uv run python3 cleanup-irrelevant.py ... --keep-seen

这样 seen-ids.md 中的记录不会被删除，下次采集不会再搜到这些论文。

响应用户指令的方式

用户说	你做
"审查一下最近的文献"	执行完整审查流程
"删掉无关的论文"	审查 → 展示无关论文 → 确认后清理
"把物理学的论文都删了"	从 data.md 筛选物理学论文 → 确认后清理
"只保留推荐系统相关的"	审查 → 把非推荐系统的标记为移除 → 确认后清理
"这些论文哪些值得看"	审查 → 按相关性排序推荐

注意事项

• 必须等用户确认后才执行清理，不要自动删除
• 如果论文数量很多（>50），可以先按日期分批审查
• 审查结果要简洁，每篇论文一行，说明判断理由
• 清理后用 wc -l 展示剩余数据量