search-school-sci-skill

查任意大学任意学院的科研产出，总结成可视化 excel。

给一个"学校 + 学院"，它就还你一张能直接交材料的表。

python scripts/college_sci.py --config config.json --out 学院科研产出.xlsx

---

它解决什么问题

想知道"我们学院到底什么水平"，现实是这样的：

你遇到的问题	这个工具的做法
知网、Web of Science 都没有"学院"这一级机构字段	用作者单位字符串匹配 + 教师姓名反查来还原学院
同一个学院名，别的学校也在用（实测多算了 122 篇）	强制加校名限定，并在普查阶段列出"撞名"的学校
一个学院有十几种英文写法（连字符、Electrical/Electronic、Automobile/Vehicle、拼错）	自动做"写法普查"，把变体全部纳入
大量论文只署实验室、不署学院	支持独立配置实验室/中心名称通道
28% 的论文只写"某某大学"，不写学院	用教师 OpenAlex 作者ID 反查扩展
分不清教师和学生	与学院师资名单比对，学生身份标注为"推定"
中文期刊查不到	提供知网补数流程（人登录、agent 执行）+ 合并脚本

---

输出长什么样

一个 7 个工作表的工作簿：

工作表	内容
① 看板	核心数字 + 学科方向×期刊层级 + 方向×作者身份 + 图例 + 柱状图，一屏汇报
② 论文清单	全量记录，层级列按颜色区分，全列可筛选
③ 姓名对照表	所有第一作者 + 姓氏参考，用于补齐中文名
④ 教师-方向矩阵	教师×方向的产出热力图
⑤ 教师产出	逐人分区分布、一作/通讯、被引
⑥ 学生(推定)	学生一作清单
⑦ 说明	口径定义、清洗记录、局限声明

期刊层级用中科院《期刊分区表》（1–4 区 + Top 标注），会议按 CCF 推荐目录标 A/B/C，中文期刊按知网"来源类别"分为 中文核心 / CSSCI / CSCD / EI(中文) / 中文普刊。每个层级一种颜色，看板内附色卡。

---

安装到 DSH

本仓库同时是一个 DSH 插件包（package.json 声明了 dsh.bundle），安装后技能会自动出现在技能目录里：

dsh plugin add liu-Daniel7/search-school-sci-skill

装完直接说「用 search-school-sci 查某大学某学院的科研产出」即可触发。

插件本体是 lib/index.js——一个不到 70 行的 skill provider，把仓库根目录的 SKILL.md 注册为技能正文，并把仓库根声明为 resourceBase，因此 reference/*.md 与 scripts/*.py 的相对路径都能正常解析。Python 脚本仍是实际的执行体。

快速开始

环境

需要 Python 3.9+ 与 pandas、openpyxl：

pip install -r requirements.txt

三步

① 生成配置（只问 4 个问题，不用交教师名单）

python scripts/wizard.py --out config.json

② 抓教师名单（agent 用 web_search 找到学院官网后执行，或让脚本自己找）

python scripts/faculty_fetch.py --url https://你的学院官网/szdw/ --out faculty.csv --deep

③ 先普查，再全跑

python scripts/college_sci.py --config config.json --faculty-csv faculty.csv --stage census
python scripts/college_sci.py --config config.json --faculty-csv faculty.csv --out 学院科研产出.xlsx

--stage census 只做"机构解析 + 单位串普查 + 同名学院检测"，2–3 分钟，不抓论文。这一步不能跳过，它决定你的检索式有没有混进别的学校。

补中文期刊（可选但强烈建议）

中文期刊 OpenAlex 基本不收，需要知网补数。流程见 reference/CNKI_GUIDE.md：人登录 → 按来源类别分轮导出 → 脚本合并。

python scripts/cnki_import.py --records 结果.records.json \
  --cnki-dir ./cnki_export --config config.json --out 结果_含中文.xlsx

---

目录结构

.
├── SKILL.md                    # 技能说明（给 agent 读的行为规范）
├── README.md                   # 本文件
├── reference/
│   ├── WALKTHROUGH.md          # 新手逐步向导（含示例大学实例）
│   ├── CNKI_GUIDE.md           # 知网补数全流程
│   ├── pitfalls.md             # 六个真实踩坑案例（附数字证据）
│   ├── config.example.json     # 配置模板
│   ├── config.demo.json        # 完整实例（虚构的示例大学·智能制造学院）
│   ├── directions.json         # 学科方向关键词（中英双语，可改）
│   └── faculty.example.csv     # 教师名单格式
├── scripts/
│   ├── college_sci.py          # 主流水线：抓取→普查→归属→分级→出表
│   ├── workbook.py             # 工作簿生成（看板/配色/图例/筛选）
│   ├── faculty_fetch.py        # 学院官网教师名单抓取（含拼音）
│   ├── cnki_import.py          # 知网导出合并
│   ├── wizard.py               # 交互式配置向导
│   └── run.sh                  # 自动挑选解释器
└── tests/smoke_test.py         # 离线冒烟测试（不联网）

---

口径说明（很重要）

两种统计口径，报告里请分开引用：

• 本院主导 —— 第一作者或通讯作者单位为本院。对外报材料用这个数。
• 本院参与 —— 含外单位/校内其他院系主导、本院教师参与的论文。

四条必须写进报告的限定语：

1. 学生身份为推定（第一作者不在在编教师名单内），可能是博士后、未公开的兼职教授或新聘讲师，未经学籍/人事核对不得作为学生成果使用
2. 分区按中科院分区表某年版口径，与论文发表当年可能不同
3. 不含知网独有中文期刊（除非已跑 cnki_import.py）
4. 被引数为 OpenAlex 口径，与 Google Scholar / WoS 不可直接比较

---

常见问题

Q：跑出来篇数比学院公布的少一半？ A：八成是单位串写法没覆盖全。看 --stage census 的输出，把漏掉的写法补进配置的 college.en 或 extra_patterns。

Q：教师被算成了学生？ A：教师名单的拼音不对或缺失。拼音是匹配英文署名的唯一钥匙，用 faculty_fetch.py --deep 重抓，或手工补 faculty.csv 第二列。

Q：请求返回 429？ A：OpenAlex 免费额度按 IP 计（约 $0.10/天，UTC 零点重置＝北京时间早 8:00），一个学院规模的项目通常一次就用完。申请免费 key 加到 URL，或分两天跑（响应有缓存，会断点续跑）。

Q：能查整个学校吗？ A：能，但"学院"是这套方法的最小区分粒度。查全校直接按 institutions.id 取数即可，不需要本工具的单位串匹配。

---

验证

python tests/smoke_test.py

离线冒烟测试，不联网，验证「记录 → 7 个工作表」链路、层级配色分组、中文署名处理。

方法有效性校验（某高校机电类二级学院，2026-10 手工核对与脚本结果对照，机构与个人均已匿名）：

环节	结果
候选论文	1052 篇（剔除撤稿 4 篇、兼职教授单独关联 25 篇、同名学院误命中 122 篇以上）
本院主导	749 篇，被引 7386
一区 Top	60 篇
交叉验证	脚本判定的某学生「10 篇一作」与其公开获奖报道「一区 TOP 10 篇」吻合，说明身份推定口径可用

---

已知边界

• 中文期刊依赖知网，需要机构账号；本工具只做合并，不做登录
• 学生身份无法自证，只能标"推定"
• WoS/Scopus 口径需要机构订阅，本工具不接入
• 学科方向标签是关键词自动判定，交叉论文可能需人工调整
• 搜索引擎自动定位官网不稳（会被反爬），建议 agent 用自带搜索能力拿链接再传 --url

---

License

MIT