curate-research

name	curate-research
description	把一批 Harness Engineering 调研候选（文章/论文/工具的 URL）走完「抓取→翻译→评审→收录→清理」流水线，整合进本仓库 works/ 与 references/articles.md，并保持 C1–C13 一致性检查全绿。当用户说"处理这批调研候选 / 收录这些链接 / 整理 translate / 把这几篇翻译收进来"时使用。这是仓库给自己用的策展 harness。

curate-research —— 仓库自我策展 harness

一个讲 Harness Engineering 的仓库，用一个 harness 来策展自己。本 skill 把外部调研候选可控地整合进 tracked 档案。

核心约束：评审全自动；收录是人类闸门，必须停下来和用户来回讨论后才动 works/ 与 articles.md。

何时用

• 用户给出一批候选 URL（文章 / 论文 / 工具 / 项目），希望整合进仓库
• 用户说「处理 / 收录 / 整理」translate/ 暂存区的翻译
• 已有 translate/<batch>/works-ready/ 候选译文，要决定去向

输入与产物路径

暂存区（gitignored，本地过程区）：translate/<batch>/

• sources/<slug>/source.md（原文快照；论文额外抓 source-full.md）
• translations/<slug>/{01-analysis,02-prompt,translation}.md（过程三件套）
• works-ready/<slug>-translation.md（发布候选）+ works-ready/README.md（状态表，本批权威）

正式档案（tracked）：works/<slug>-translation.md + references/articles.md 条目。

流水线 6 阶段

①抓取 ──②翻译 ──③评审[全自动] ──🚧人类闸门🚧──④收录 ──⑤校验 ──⑥清理

① 抓取

用 baoyu-url-to-markdown 把每个 URL 存到 sources/<slug>/source.md。论文/长文必须额外抓 HTML 全文到 source-full.md（否则只有摘要页，C8 会拦谎报）。

② 翻译

按 baoyu-translate 配置生成 translations/<slug>/ 三件套 → works-ready/<slug>-translation.md。01-analysis.md 要含收录建议；source-full.md 存在时，分析稿不得声称「仅摘要页」。

③ 评审（全自动并行扇出）

对每篇候选派一个评审 agent（一批 3–4 篇，并行多个 agent）。统一打分维度，吐结构化定性。标准评审 prompt 模板：

你是 Harness Engineering 中文知识库的内容评审。仓库主题：人类设计约束与反馈回路、AI agent 写代码。 读 sources/<slug>/source.md(+source-full.md)、works-ready/<slug>-translation.md、translations/<slug>/01-analysis.md，逐篇回答：

• 原文价值：原创洞察密度 / 长文实质 vs 产品页·发布稿·摘要。高/中/低
• 翻译质量：完整逐译 / 压缩摘要 / 首轮粗稿；通顺度、术语到位度。精品/合格/需返工
• 与仓库契合度：补薄弱环节还是重复
• 一句话定性 + 建议去向：works/ 正式收录 / articles.md 观察项一行 / tools/ / 暂不收录 基于实际内容，紧凑中文，结构化输出即为最终产出。

汇总成一张「候选 × 定性 × 去向」表。

🚧 人类闸门（不可跳过）

把评审表交给用户，来回讨论收录决策。精品 vs 边角的边界判断、是否返工、哪些合并成专题——都由人定。未经用户确认，不得进入 ④。

④ 收录（按减熵分流规则）

• 实质原创长文 / 论文 → works/：cp 到 works/<slug>-translation.md，在 articles.md 加一个 ### N. 编号条目（脉络一末尾，旧编号顺移），并同步全部计数缓存（见下）。
• 边角材料（产品页 / README / 发布稿 / 短 bliki）→ articles.md「观察项 / 候选材料（不计入文章数）」表一行，链上游 URL，不做编号条目（文章数不变）。
• 工具类 → 只在用户实际用过后才进 tools/；未实测前在观察项表标 🔵「待实测后入 tools/」。
• 需返工的长文：先润色（事实核查加译者注 / 术语统一）再进 works/。

入库前 checklist（每篇 works/ 候选必过，再进 ⑤）：

• frontmatter 声明 sourceFigureCount 并与原文实际图数核对（null = 原文不可得、未审计）；原文插图下载入 works/imgs/<slug>/ 本地嵌入——C10 校验嵌图数 ≥ 声明数、本地路径文件存在
• 数图要抓原文 HTML 数，不能只看渲染出来的正文。 2026-07-27 的教训：一篇 claude.com 译文声明 sourceFigureCount: 0，而原文 HTML 里有 4 个 <figure>——抓取工具吐出的 markdown 把它们丢了，人只看那份 markdown 就会以为没有图。可用 curl <url> | grep -c '<figure' 交叉验证
• 若确实为 0，必须同时写 sourceFigureAudit（含 YYYY-MM-DD），说明怎么核对的——C13 会拦。判定只算正文配图，站点 logo / 作者头像 / 页脚图标 / 推荐位缩略图 / 社交卡片不计入，但这个判断要写进审计值
• 译文保留原文正文超链接（不得译丢）
• 关键数字 / 结论句与原文抽查比对（防翻译走样）
• 跑 bash scripts/check-consistency.sh 全绿

⑤ 校验 + 提交

• 跑 bash scripts/check-consistency.sh，C1–C13 必须全绿再提交。
• commit 匿名：无 Co-Authored-By，作者用 noreply [e-mail]（依赖全局 git 配置，勿覆盖）。
• push 仅在用户要求时。

⑥ 清理

• 删已收录 slug 的 works-ready/<slug>-translation.md（works/ 是权威源）。
• 删已收录 slug 的 sources/<slug>/ + translations/<slug>/（过程稿，works/ 已留最终版）。
• 保留：观察项 slug 的全部译文（articles.md 标明「留作阅读辅助」）+ 状态 README。
• 更新 works-ready/README.md 状态表。translate/ 是 gitignored，清理仅本地。

计数同步清单（④ 的硬要求）

references/articles.md 是文章数与编号的唯一权威源。每加一个 ### N. 条目，必须同次更新所有下游缓存，否则 check-consistency.sh 报错：

• README.md / README.en.md：articles-N badge、translations-N badge、目录树、脉络表（脉络一计数）、翻译 <details> 摘要数、翻译表格行、Phase 5 提及
• references/AGENTS.md：概览「N 篇文章」、脉络一小标题计数、文章表加行
• prompts/deep-research-tracker.md：「核心文章 N 篇」、脉络一计数、去重清单加行
• AGENTS.md：Phase 5 快照「N 篇翻译」
• works/AGENTS.md：翻译表加行
• articles.md 自身：header「N 篇（脉络一 …）」、两处「不计入 N 篇」
• 观察项一行不触发以上（不计入 N，无 ### N. 编号）——这是减熵分流的关键收益。

相关

• 减熵分流约定：即上文「④ 收录」的分流规则——实质长文进 works/ 编号正文；边角材料只进观察项表（不计数、不触发计数同步）；工具未实测不进 tools/。原则：每条新收录都要问"它增加的检索价值是否大于它增加的维护熵"
• C8 lint：source-full.md 存在时禁止 analysis 谎报摘要页（scripts/check-consistency.sh）
• C9 lint：concepts/ / thinking/ / feedback/ 正文禁止裸写文库计数（历史提法须带"写作时点/当时/此前/首批/首轮/截至/快照"限定词）
• C10/C11/C12 lint：图片保真（sourceFigureCount vs 正文嵌图数 + 本地嵌图路径存在）/ markdown 表格列数与表头一致 / articles.md 编号条目必含 作者：/日期： 字段（同上脚本）
• C13 lint：sourceFigureCount: 0 必须配 sourceFigureAudit（含核对日期）。这条是补 C10 的结构性盲区——C10 的判据是"嵌图数 < 声明数才 FAIL"，所以 0 永远为真，无论你有没有真去数过原文。机械检查只能证伪"多报"，"零报"只能靠留痕让人复核
• 历史首批实例：articles.md #19–27（2026-06 收录的 9 篇）+ 末尾观察项表 14 行