managelisted

# 标注 + 导出 xlsx 对 search 产出的 `results.jsonl` 逐条自动标注，导出 xlsx。**不需要人工确认标注**。 ## 字段（xlsx 固定 9 列） | 列 | 来源 | |---|---| | 中文标题 | LLM 翻译/概括 | | 英文标题 | 检索结果 title | | 问题 | LLM 从标题/摘要提炼（2–4 词，如「多机避碰」「节点调度」） | | 方法 | 从标题/摘要提求解方法（如「强化学习」「分支定价」） | | 相关性 | LLM 判：高 / 中高 / 中 / 低 | | 期刊 | 从 meta 解析（作者-期刊,年份 的中间段） | | 发表年份 | 从 meta 解析 | | 被引 | citedby（Google 口径） | | 链接 | href（DOI/arXiv/出版商页） | ## 步骤 1. 读 `results.jsonl`（每行 title/meta/citedby/snippet/href/cid）。 2. 对每条： - 解析 期刊 / 年份 / 被引 / 链接（机械）。 - LLM 生成 中文标题 / 问题 / 方法 / 相关性。 - 相关性判定参考：标题即明说研究问题→高；相邻/方法借鉴→中高或中；跑题（通信/无关应用）→低。 3. 把标注结果写成 `annotated.json`（数组，每项 9 个字段：中文标题/英文标题/问题/方法/相关性/期刊/年份/被引/链接）。 4. 运行： ```bash python scripts/export_xlsx.py --in annotated.json --out 文献整理.xlsx ``` `export_xlsx.py` 会生成带表头、冻结窗格、筛选、相关性配色的 xlsx，按相关性从高到低排序。 ## 注意 - 只导出 xlsx，不生成 docx/csv。 - 相关性是 LLM 初判，若用户事后要改，直接改 xlsx 即可。