Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

raw/教育AI研究/tools/质量评估报告生成器.py

@@ -0,0 +1,611 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+文献质量评估报告生成器
+
+功能：
+1. 交互式生成单篇文献评估报告
+2. 批量生成多篇文献评估报告
+3. 自动计算部分分数（时效性、信源权威性）
+4. 手动输入其他维度分数
+5. 生成标准OFM格式评估报告
+
+使用方式：
+    python 质量评估报告生成器.py  # 交互式单篇评估
+    python 质量评估报告生成器.py --batch  # 批量评估（从文献库JSON读取）
+    python 质量评估报告生成器.py --help  # 查看帮助
+"""
+
+import sys
+import os
+import json
+import argparse
+from datetime import datetime
+from pathlib import Path
+
+# 配置路径
+BASE_DIR = Path(__file__).parent.parent
+LIBRARY_DIR = BASE_DIR / "文献库"
+LIBRARY_JSON = LIBRARY_DIR / "文献索引数据库.json"
+OUTPUT_DIR = BASE_DIR / "文献库"
+
+
+class QualityAssessment:
+    """文献质量评估系统"""
+
+    def __init__(self):
+        self.current_year = datetime.now().year
+        self.assessment_dimensions = {
+            "timeliness": {"name": "时效性", "max_score": 15},
+            "source_authority": {"name": "信源权威性", "max_score": 20},
+            "data_quality": {"name": "数据质量", "max_score": 20},
+            "method_rigor": {"name": "方法严谨性", "max_score": 20},
+            "empirical_basis": {"name": "实证基础", "max_score": 20},
+            "theoretical_framework": {"name": "理论框架", "max_score": 15},
+            "impact": {"name": "影响力", "max_score": 15}
+        }
+
+    def calculate_timeliness_score(self, year):
+        """
+        计算时效性分数（15分制）
+        
+        规则：
+        - 2026年（当年）：15分
+        - 2025年：12分
+        - 2024年：9分
+        - 2023年：6分
+        - 2022年及以前：3分
+        """
+        age = self.current_year - year
+        if age == 0:
+            return 15
+        elif age == 1:
+            return 12
+        elif age == 2:
+            return 9
+        elif age == 3:
+            return 6
+        else:
+            return 3
+
+    def calculate_source_authority(self, source_info):
+        """
+        计算信源权威性分数（20分制）
+        
+        规则：
+        - Nature/Science/Cell：20分
+        - 顶刊/顶会（如Scientific Reports、Computers and Education、AIED）：18分
+        - 一区期刊（如Frontiers系列、IEEE/ACM）：16分
+        - 顶级会议（如arXiv预印本）：16分
+        - ERIC/官方报告：18分
+        - 其他知名期刊：14分
+        - 未明确来源：12分
+        """
+        if not source_info:
+            return 12
+
+        source_lower = source_info.lower()
+
+        # 顶级期刊
+        if any(j in source_lower for j in ["nature", "science", "cell"]):
+            return 20
+
+        # 顶刊/顶会
+        if any(j in source_lower for j in ["scientific reports", "computers and education", "aied", "eric"]):
+            return 18
+
+        # 一区期刊/顶会
+        if any(j in source_lower for j in ["frontiers", "ieee", "acm", "arxiv", "preprint"]):
+            return 16
+
+        # 官方报告/政策文件
+        if any(j in source_lower for j in ["report", "guidelines", "whitepaper"]):
+            return 18
+
+        # 知名期刊
+        if any(j in source_lower for j in ["springer", "taylor", "elsevier", "sage"]):
+            return 14
+
+        # 未明确来源
+        return 12
+
+    def input_score(self, dimension_key, auto_score=None):
+        """
+        交互式输入分数
+        
+        Args:
+            dimension_key: 维度键值
+            auto_score: 自动计算的分数（如有）
+        
+        Returns:
+            int: 输入的分数
+        """
+        dim = self.assessment_dimensions[dimension_key]
+        dim_name = dim["name"]
+        max_score = dim["max_score"]
+
+        if auto_score is not None:
+            print(f"\n📊 {dim_name}（{max_score}分）：自动计算得 {auto_score} 分")
+            confirm = input("是否确认？(Y/n，默认Y): ").strip().lower()
+            if confirm != "n":
+                return auto_score
+
+        while True:
+            try:
+                score = int(input(f"📊 请输入 {dim_name} 分数（0-{max_score}分）: "))
+                if 0 <= score <= max_score:
+                    return score
+                else:
+                    print(f"❌ 分数必须在 0-{max_score} 之间，请重新输入！")
+            except ValueError:
+                print("❌ 请输入有效的数字！")
+
+    def generate_single_assessment(self):
+        """
+        交互式生成单篇文献评估报告
+        """
+        print("\n" + "="*60)
+        print("📚 文献质量评估报告生成器")
+        print("="*60)
+
+        # 输入基本信息
+        print("\n📝 第一步：输入文献基本信息")
+        print("-"*60)
+
+        paper_id = input("文献ID（如 Entry 1 输入 1，或留空自动编号）: ").strip()
+        title = input("文献标题: ").strip()
+        authors = input("作者（多个作者用逗号分隔）: ").strip()
+        source = input("来源/期刊/会议: ").strip()
+        year_str = input("发表年份（如 2025，留空默认当年）: ").strip()
+        pdf_path = input(f"PDF路径（相对于 {LIBRARY_DIR}，如 PDFs/paper.pdf）: ").strip()
+
+        # 默认值处理
+        if not paper_id:
+            # 自动生成ID（简单策略：使用时间戳）
+            paper_id = f"auto-{datetime.now().strftime('%Y%m%d%H%M%S')}"
+
+        year = self.current_year if not year_str else int(year_str)
+
+        # 自动计算部分分数
+        print("\n📊 第二步：自动计算分数")
+        print("-"*60)
+
+        timeliness_score = self.calculate_timeliness_score(year)
+        source_authority_score = self.calculate_source_authority(source)
+
+        print(f"✅ 时效性分数：{timeliness_score}/15")
+        print(f"✅ 信源权威性分数：{source_authority_score}/20")
+
+        # 手动输入其他维度分数
+        print("\n📊 第三步：输入其他维度分数")
+        print("-"*60)
+
+        scores = {
+            "timeliness": timeliness_score,
+            "source_authority": source_authority_score,
+            "data_quality": self.input_score("data_quality"),
+            "method_rigor": self.input_score("method_rigor"),
+            "empirical_basis": self.input_score("empirical_basis"),
+            "theoretical_framework": self.input_score("theoretical_framework"),
+            "impact": self.input_score("impact")
+        }
+
+        # 计算总分和质量等级
+        total_score = sum(scores.values())
+        quality_grade = self.calculate_quality_grade(total_score)
+
+        # 输入核心发现与价值
+        print("\n📝 第四步：核心发现与价值（选填，可留空）")
+        print("-"*60)
+
+        key_findings = []
+        print("输入核心发现（留空结束，最多3条）:")
+        for i in range(1, 4):
+            finding = input(f"  {i}. ").strip()
+            if not finding:
+                break
+            key_findings.append(finding)
+
+        strengths = []
+        print("\n输入文献优势（留空结束，最多3条）:")
+        for i in range(1, 4):
+            strength = input(f"  {i}. ").strip()
+            if not strength:
+                break
+            strengths.append(strength)
+
+        limitations = []
+        print("\n输入文献局限（留空结束，最多3条）:")
+        for i in range(1, 4):
+            limitation = input(f"  {i}. ").strip()
+            if not limitation:
+                break
+            limitations.append(limitation)
+
+        # 输入适用场景与使用建议
+        print("\n📝 第五步：适用场景与使用建议（选填，可留空）")
+        print("-"*60)
+
+        use_cases = []
+        print("输入适用场景（留空结束，最多3条）:")
+        for i in range(1, 4):
+            use_case = input(f"  {i}. ").strip()
+            if not use_case:
+                break
+            use_cases.append(use_case)
+
+        recommendations = []
+        print("\n输入使用建议（留空结束，最多3条）:")
+        for i in range(1, 4):
+            recommendation = input(f"  {i}. ").strip()
+            if not recommendation:
+                break
+            recommendations.append(recommendation)
+
+        # 生成报告
+        report_content = self.generate_report_content(
+            paper_id=paper_id,
+            title=title,
+            authors=authors,
+            source=source,
+            year=year,
+            pdf_path=pdf_path,
+            scores=scores,
+            total_score=total_score,
+            quality_grade=quality_grade,
+            key_findings=key_findings,
+            strengths=strengths,
+            limitations=limitations,
+            use_cases=use_cases,
+            recommendations=recommendations
+        )
+
+        # 保存报告
+        output_filename = f"论文质量评估-{paper_id}-{datetime.now().strftime('%Y%m%d')}.md"
+        output_path = OUTPUT_DIR / output_filename
+
+        with open(output_path, "w", encoding="utf-8") as f:
+            f.write(report_content)
+
+        print(f"\n✅ 评估报告已生成：{output_path}")
+        print(f"✅ 总分：{total_score}/105，质量等级：{quality_grade}")
+
+        return output_path
+
+    def calculate_quality_grade(self, total_score):
+        """
+        根据总分计算质量等级
+        
+        规则：
+        - A+级：95分及以上
+        - A级：90-94分
+        - A-级：85-89分
+        - B+级：80-84分
+        - B级：70-79分
+        - B-级：60-69分
+        - C级：60分以下
+        """
+        if total_score >= 95:
+            return "A+级"
+        elif total_score >= 90:
+            return "A级"
+        elif total_score >= 85:
+            return "A-级"
+        elif total_score >= 80:
+            return "B+级"
+        elif total_score >= 70:
+            return "B级"
+        elif total_score >= 60:
+            return "B-级"
+        else:
+            return "C级"
+
+    def generate_report_content(self, paper_id, title, authors, source, year, pdf_path,
+                            scores, total_score, quality_grade,
+                            key_findings, strengths, limitations,
+                            use_cases, recommendations):
+        """
+        生成评估报告内容（OFM格式）
+        """
+
+        # 构建评估维度表格
+        dimensions_table = "| 评估维度 | 满分 | 得分 | 说明 |\n"
+        dimensions_table += "|---------|------|------|------|\n"
+        
+        for key, dim in self.assessment_dimensions.items():
+            dim_name = dim["name"]
+            max_score = dim["max_score"]
+            score = scores[key]
+            
+            # 添加说明
+            if key == "timeliness":
+                note = f"发表年份：{year}"
+            elif key == "source_authority":
+                note = f"来源：{source}"
+            else:
+                note = "手动评估"
+            
+            dimensions_table += f"| {dim_name} | {max_score} | {score} | {note} |\n"
+
+        dimensions_table += f"| **总分** | **105** | **{total_score}** | **质量等级：{quality_grade}** |\n"
+
+        # 生成报告内容
+        content = f"""---
+created: {datetime.now().strftime('%Y-%m-%d')}
+title: 论文质量评估 - {title}
+tags: [质量评估, {quality_grade}]
+source: {source}
+category: quality_assessment
+---
+
+# 论文质量评估报告
+
+## 文献基本信息
+
+| 字段 | 内容 |
+|------|------|
+| **文献ID** | {paper_id} |
+| **标题** | {title} |
+| **作者** | {authors} |
+| **来源** | {source} |
+| **年份** | {year} |
+| **PDF路径** | `{pdf_path if pdf_path else '未指定'}` |
+| **评估日期** | {datetime.now().strftime('%Y-%m-%d')} |
+
+---
+
+## 质量评估得分
+
+{dimensions_table}
+
+---
+
+## 核心发现与价值
+
+"""
+
+        # 添加核心发现
+        if key_findings:
+            for i, finding in enumerate(key_findings, 1):
+                content += f"{i}. {finding}\n"
+        else:
+            content += "> 未提供核心发现\n"
+
+        content += "\n"
+
+        # 添加文献优势
+        if strengths:
+            content += "### 优势\n\n"
+            for i, strength in enumerate(strengths, 1):
+                content += f"{i}. {strength}\n"
+            content += "\n"
+
+        # 添加文献局限
+        if limitations:
+            content += "### 局限\n\n"
+            for i, limitation in enumerate(limitations, 1):
+                content += f"{i}. {limitation}\n"
+            content += "\n"
+
+        # 添加适用场景与使用建议
+        content += "---\n\n## 适用场景与使用建议\n\n"
+
+        if use_cases:
+            content += "### 适用场景\n\n"
+            for i, use_case in enumerate(use_cases, 1):
+                content += f"{i}. {use_case}\n"
+            content += "\n"
+
+        if recommendations:
+            content += "### 使用建议\n\n"
+            for i, recommendation in enumerate(recommendations, 1):
+                content += f"{i}. {recommendation}\n"
+            content += "\n"
+
+        # 添加质量等级说明
+        content += "---\n\n## 质量等级说明\n\n"
+        content += f"**本次评估总分：{total_score}/105**\n\n"
+        content += f"**质量等级：{quality_grade}**\n\n"
+        content += f"**评分标准**：\n"
+        content += f"- A+级（≥95分）：顶尖文献，可作为核心引用源\n"
+        content += f"- A级（90-94分）：高质量文献，可作为重要引用源\n"
+        content += f"- A-级（85-89分）：良好文献，可作为辅助引用源\n"
+        content += f"- B+级（80-84分）：合格文献，特定场景有用\n"
+        content += f"- B级（70-79分）：一般文献，谨慎使用\n"
+        content += f"- B-级（60-69分）：较差文献，尽量少用\n"
+        content += f"- C级（<60分）：低质量文献，不建议引用\n"
+
+        return content
+
+    def generate_batch_assessments(self):
+        """
+        批量生成多篇文献评估报告（从文献库JSON读取）
+        """
+        print("\n" + "="*60)
+        print("📚 批量文献质量评估")
+        print("="*60)
+
+        # 检查文献库JSON是否存在
+        if not LIBRARY_JSON.exists():
+            print(f"❌ 文献库文件不存在：{LIBRARY_JSON}")
+            print("请先运行文献库管理器创建文献库。")
+            return
+
+        # 读取文献库JSON
+        with open(LIBRARY_JSON, "r", encoding="utf-8") as f:
+            library_data = json.load(f)
+
+        if "entries" not in library_data:
+            print("❌ 文献库格式错误：缺少 'entries' 字段")
+            return
+
+        entries = library_data["entries"]
+
+        # 过滤未评估的文献
+        unassessed = []
+        for entry in entries:
+            if "quality_assessment" not in entry or not entry["quality_assessment"]:
+                unassessed.append(entry)
+
+        if not unassessed:
+            print("✅ 所有文献已评估完毕！")
+            return
+
+        print(f"\n📊 发现 {len(unassessed)} 篇未评估文献")
+        print("-"*60)
+
+        # 列出未评估文献
+        for i, entry in enumerate(unassessed[:10], 1):
+            print(f"{i}. [{entry['id']}] {entry['title'][:60]}...")
+
+        if len(unassessed) > 10:
+            print(f"... 还有 {len(unassessed) - 10} 篇未显示")
+
+        # 询问是否继续
+        confirm = input(f"\n是否开始批量评估前 {min(10, len(unassessed))} 篇文献？(Y/n，默认Y): ").strip().lower()
+        if confirm == "n":
+            return
+
+        # 批量评估（限制前10篇，避免时间过长）
+        for entry in unassessed[:10]:
+            print(f"\n{'='*60}")
+            print(f"📚 评估文献 [{entry['id']}]")
+            print(f"{'='*60}")
+            print(f"标题: {entry['title']}")
+            print(f"作者: {entry['authors']}")
+            print(f"来源: {entry['source']}")
+            print(f"年份: {entry.get('year', '未知')}")
+
+            # 自动计算分数
+            year = entry.get("year", self.current_year)
+            timeliness_score = self.calculate_timeliness_score(year)
+            source_authority_score = self.calculate_source_authority(entry.get("source", ""))
+
+            print(f"\n✅ 自动计算：")
+            print(f"  - 时效性分数：{timeliness_score}/15")
+            print(f"  - 信源权威性分数：{source_authority_score}/20")
+
+            # 简化版批量评估：只输入总分
+            print(f"\n📊 请输入其他维度分数（简化版，直接输入5个维度的平均分）:")
+            avg_score = input("  数据质量/方法严谨性/实证基础/理论框架/影响力 的平均分（0-20）: ").strip()
+
+            try:
+                avg_score = int(avg_score)
+                if not (0 <= avg_score <= 20):
+                    print("❌ 分数无效，跳过此篇")
+                    continue
+            except ValueError:
+                print("❌ 输入无效，跳过此篇")
+                continue
+
+            scores = {
+                "timeliness": timeliness_score,
+                "source_authority": source_authority_score,
+                "data_quality": avg_score,
+                "method_rigor": avg_score,
+                "empirical_basis": avg_score,
+                "theoretical_framework": avg_score,
+                "impact": avg_score
+            }
+
+            total_score = sum(scores.values())
+            quality_grade = self.calculate_quality_grade(total_score)
+
+            # 生成简化版报告
+            report_content = f"""---
+created: {datetime.now().strftime('%Y-%m-%d')}
+title: 论文质量评估-{entry['id']}-{entry.get('year', '')}
+tags: [质量评估, {quality_grade}, 批评估]
+source: {entry.get('source', '')}
+category: quality_assessment
+---
+
+# 论文质量评估报告（简化版）
+
+## 文献基本信息
+
+| 字段 | 内容 |
+|------|------|
+| **文献ID** | {entry['id']} |
+| **标题** | {entry['title']} |
+| **作者** | {entry['authors']} |
+| **来源** | {entry.get('source', '')} |
+| **年份** | {entry.get('year', '')} |
+| **评估日期** | {datetime.now().strftime('%Y-%m-%d')} |
+
+---
+
+## 质量评估得分
+
+| 评估维度 | 满分 | 得分 | 说明 |
+|---------|------|------|------|
+| 时效性 | 15 | {timeliness_score} | 发表年份：{year} |
+| 信源权威性 | 20 | {source_authority_score} | 来源：{entry.get('source', '')} |
+| 数据质量 | 20 | {avg_score} | 简化评估 |
+| 方法严谨性 | 20 | {avg_score} | 简化评估 |
+| 实证基础 | 20 | {avg_score} | 简化评估 |
+| 理论框架 | 15 | {avg_score} | 简化评估 |
+| 影响力 | 15 | {avg_score} | 简化评估 |
+| **总分** | **105** | **{total_score}** | **质量等级：{quality_grade}** |
+
+---
+
+## 简化评估说明
+
+此报告为批量评估的简化版本，数据质量、方法严谨性、实证基础、理论框架、影响力五个维度采用相同的平均分评估。如需详细评估，请运行单篇评估模式。
+
+---
+
+**质量等级：{quality_grade}**
+**总分：{total_score}/105**
+"""
+
+            # 保存报告
+            output_filename = f"论文质量评估-{entry['id']}-{datetime.now().strftime('%Y%m%d')}.md"
+            output_path = OUTPUT_DIR / output_filename
+
+            with open(output_path, "w", encoding="utf-8") as f:
+                f.write(report_content)
+
+            print(f"\n✅ 评估报告已生成：{output_path}")
+            print(f"✅ 总分：{total_score}/105，质量等级：{quality_grade}")
+
+        print(f"\n{'='*60}")
+        print("✅ 批量评估完成！")
+        print(f"{'='*60}")
+
+
+def main():
+    """主函数"""
+    parser = argparse.ArgumentParser(
+        description="文献质量评估报告生成器",
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog="""
+使用示例：
+  python 质量评估报告生成器.py              # 交互式单篇评估
+  python 质量评估报告生成器.py --batch       # 批量评估（从文献库JSON读取）
+  python 质量评估报告生成器.py --help        # 查看帮助
+        """
+    )
+
+    parser.add_argument(
+        "--batch",
+        action="store_true",
+        help="批量评估模式（从文献库JSON读取）"
+    )
+
+    args = parser.parse_args()
+
+    # 创建评估器实例
+    assessor = QualityAssessment()
+
+    if args.batch:
+        # 批量评估模式
+        assessor.generate_batch_assessments()
+    else:
+        # 交互式单篇评估模式
+        assessor.generate_single_assessment()
+
+
+if __name__ == "__main__":
+    main()