forge-extractlisted

# /forge-extract — 通用实验数据提取 > **SciCrucible 根目录**: `D:\科研\SciCrucible\` 从文献中提取实验数据，构建结构化 JSON 数据库。**跨领域通用** — 不限于烧蚀，可用于氧化、力学、热学、电化学等任意实验类型。 ## 核心设计 **配置文件 = 提取器的"领域知识"**。不预编码任何领域知识： ``` 首次运行 → Q&A 深度引导 → 自动生成配置 → 小规模试点 → 全量提取 ↑ │ └──── 已有配置可直接复用（多数据集并行）─────────────────────┘ ``` 每条命令的完整流程： ``` Phase 0: 配置发现与选择 ↓ Phase 1: Q&A 深度引导 (首次/新建配置) ↓ Phase 2: 小规模试点验证 (3-5 篇) ↓ Phase 3: 全量检索 → 筛选 → 下载 → 提取 → 标准化 → 入库 ↓ 质量报告 ``` ## 核心原则 1. **配置驱动**：所有搜索关键词、筛选标准、数据 schema、单位规则均来自配置文件，无硬编码 2. **一次到位**：每个 PDF 只处理一次，LLM 提取时尽可能完整 3. **溯源可回溯**：所有数���保留原始值和标准化值，误换算可追溯 4. **质量透明**：每行标注 confidence 和 flags，不确定的字段宁可标"缺失"也不编造 5. **增量不覆盖**：已有数据绝不覆盖，新数据追加或合并 6. **已入库不重复**：已导入数据库的 DOI 自动过滤 --- ## Phase 0 — 配置发现与选择 ### 0a — 扫描已有配置 ```bash ls database/configs/*.yaml 2>$null ``` - **有已有配置** → 展示列表，用户选择： ``` 已有数据集配置: 1. uhtc-ablation — UHTC 烧蚀实验数据库 (47 材料/12 DOI) 2. oxidation-kinetics — 高温氧化动力学数据库 (空) 输入编号选择已有配置，或输入 n 新建配置: ``` - **无配置** → 直接进入 Phase 1 Q&A 向导 ### 0b — 选择后分流 | 用户选择 | 动作 | |---------|------| | 选择已有配置 | 加载配置 → 跳到 Phase 3（全量检索追加） | | 新建配置 | 进入 Phase 1 Q&A | | 首次运行（无配置） | 进入 Phase 1 Q&A | --- ## Phase 1 — Q&A 深度引导 > **目标**：通过 8 个问题确定用户需求，自动生成 3 个配置文件。 ### 问答原则 1. **一次一问**，不要连珠炮 2. 每个问题附带**具体示例**帮助用户理解 3. 用户的自然语言回答由 LLM 解析为结构化字段 4. 每轮回答后，LLM 复述理解 → 用户确认再继续 ### Q1 — 研究领域与数据集名称 > "这个数据集叫什么名字？属于哪个学科领域？" **生成**: `meta.name`, `meta.display_name`, `meta.domain` **示例回答**: "UHTC 烧蚀