PaperSpine 场景分析师（Scene Analyst）Agent 实战指南：从期刊官方要求到可执行版式决策

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本文面向在 PaperSpine 论文生产流水线中承担"场景分析"环节的开发者与 Agent 使用者，系统讲解research-scene.md所定义的Scene Analyst（场景分析师）Agent的职责契约、执行流程与证据边界。你将掌握：如何在同一个任务下读取目标场景（期刊 / 会议 / 竞赛）的现行官方要求、如何把本地目标期刊学习 PDF 转化为版式决策、如何区分提交规则与出版者设计、如何在转投（transfer）模式下定位受影响的稿件部分，以及如何避免"编造作者事实与现行要求来凑模板"这一核心反模式。

一、Scene Analyst 在 PaperSpine 研究流水线中的定位

PaperSpine 的 paper-spine Skill 将"研究"环节拆分为三个职责互补的 Agent，它们共同位于 agents 目录 下：

在旧版 Runner 的 13 阶段契约中，第 2 阶段research的描述就是"index local sources,learn the target scene/examples/SOTA"，即"学习目标场景 / 范例 / SOTA"三件事（见 orchestrator-branch-map.md）。其中"场景（scene）"的学习正是 Scene Analyst 的专属领域。

在 paper-spine-production-protocol.md 的 17 步生产协议中，第 5 步"Learn the target scene, literature and format"给出了操作级要求：研究当前官方目标要求与指定文章类型；尽可能把目标期刊范文保存为本地 PDF 并打开检查其写作、图表与页面设计；查找官方模板并记录来源、日期、版本、文章类型与构建说明。这些要求与 Scene Analyst 的输入契约一一对应。

二、输入契约：在同一任务内复用已保存的配置

Scene Analyst 的第一个约束是不得另起炉灶：

Use the same public task's saved scene, target, article type and delivery settings. Work under its existingpaper/directory.

即必须复用同一公开任务（public task）中已保存的scene（场景）、target（目标期刊/会议）、article type（文章类型）与 delivery settings（交付设置），并在该任务既有的paper/目录下工作。这一点与 SKILL.md 中"Use one task ID, one material/workspace binding and one continuous revision history"的总原则一致——不允许因为启动器、配置或传输失败而新建第二个任务。

场景（scene）会决定官方要求的研究重点，对应仓库中的场景剧本（playbook）：

• scenario-journal.md：期刊场景，需要记录 author guidelines、文章类型、字数/页数限制、摘要结构、图表规则、数据可用性政策、代码可用性政策、AI 使用政策、LaTeX/Word 模板与 cover letter 预期；
• scenario-conference.md：会议场景，需要记录 call for papers、投稿指南、论文模板、页数限制、匿名规则、补充材料规则、artifact/代码政策、评审标准与录用论文样例；
• scenario-competition.md：竞赛场景，需要记录竞赛官网、规则、问题陈述、评分 rubrics、提交模板、页数限制、资格与格式约束、官方公告与高分样例。

场景不仅决定"查什么"，还决定"怎么写"：竞赛写作应针对评分标准优化而非通用期刊风格。

三、核心工作流一：读取现行官方要求

Scene Analyst 的第二项任务是：

Read current official requirements for the actual article type…

target-journal-research.md 提供了结构化的记录骨架。对于任何具名期刊或会议，写作之前必须先完成"目标期刊研究"，其核心表格如下（这是文档原文中的完整维度，必须逐项填写）：

# Target Journal Research: [Venue] ## Official Requirements | Dimension | Requirement | Source URL | Implication for Our Paper | |---|---|---|---| | Article type | | | | | Length/page limit | | | | | Required sections | | | | | Abstract headings | | | | | Data availability | | | | | Software/code availability | | | | | Figure requirements | | | | | AI-use disclosure | | | | | LaTeX/template | | | |

该文件的"Search Requirements"章节给出了针对具名期刊的 7 步操作顺序：

1. 打开官方 author guidelines；
2. 记录文章类型、页数/字数限制、章节顺序、摘要要求、数据/软件可用性、AI 政策、匿名性、文件/附件要求与模板要求；
3. 检索足够多的当前相关期刊论文，选出保存数量的、科学上合适的期刊范文（默认 3 篇），必要时扩大候选池；
4. 按照 journal-learning.md 阅读并学习literature.target_venue_papers指定的范文数量，并应用 manuscript-format.md 的页面对比方法；
5. 说明每篇入选范文为何是有用的模型；
6. 将官方要求与出版语料偏好分离：前者决定合规性，后者教会五部分叙事（five-part narrative）；
7. 列出每一项必需与条件性的交付物，包括手稿、标题/盲审文件、图表、补充材料、源码归档、报告清单、声明、作者署名/CRediT、伦理/同意书以及适用的 cover letter。

此外还有一个"Venue-Specific Deep Checklist"，用于核对：文章类型页数限制与大致字数、结构化摘要标题、必需或期望的章节、数据可用性声明、计算方法（软件/源代码可用性）、cover letter 的适合性论证、LaTeX 模板要求、AI 使用披露、手稿是否符合所选文章类型。

四、核心工作流二：阅读本地目标期刊学习 PDF

Scene Analyst 不是只看网页，而是要打开本地保存的目标期刊 PDF：

…and inspect the local target-venue learning PDFs.

journal-learning.md 对这套学习 PDF 给出了严格的获取与验证规则：

• 将每一篇入选的范文下载为本地 PDF，存放在同一任务的paper/references/或既有范例目录下，优先使用出版商的正式版本（version of record），并记录来源 URL 与文章身份；
• 打开 PDF 确认它是正确的文章、可读且完整——"带 PDF 文件名的 HTML 错误页不算下载"；
• XML/HTML 可用于检索和抽取文本，但不能替代本地学习 PDF；不要把 XML/HTML 打印成 PDF 冒充期刊排版；
• 如果正式 PDF 不可得，要明确区分 author manuscript 与出版商版本；寻求可比较的已出版 PDF 范例并记录替换；访问仍失败时，报告该具体学习缺口并继续独立写作，不得把失败静默计为已完成 PDF/版式学习。

页面设计学习的落点是把观察转成具体版式决策。manuscript-format.md 提供了一张"范例观察 → 采用/适配"的对照表骨架：

跨整套范文需要覆盖：标题/摘要、普通正文、稠密表格（如有）、主图/图注、引文/参考文献与末页节奏。具体测量项包括实际字体大小、文本/栏宽、标题层级、段落间距、引文外观、浮动体放置与页面密度。

五、记录什么：source/date、要求内容与文件、引文与版式约定、约束

Scene Analyst 需要产出一份"研究档案"而非 URL 收藏夹：

Record source/date, required content and files, citation and formatting conventions, and the constraints relevant to this paper.

在 manuscript-format.md 中，这份记录需要落到以下维度：

• 文章类型、标题页与作者信息、摘要结构与限制、关键词、章节层级、声明与补充文件；
• 页面几何、栏数、字体、行距与段落/标题间距；
• 引文系统：标记相对标点的位置、间距、连续区间与混合分组；参考文献排序、作者首字母/截断、标题大小写、期刊缩写、卷/页或文章号与 DOI 显示；
• 图表编号、图注、面板标签、单位与脚注、可编辑表格要求、放置位置、graphical abstract 与单独上传文件。

同时要保留约束（constraints）——即与本文相关的限制条件，例如字数上限、页数限制、匿名规则、补充材料规则等，这些约束在后续草稿与组装阶段会直接约束版式与内容量。

六、提交规则与出版者设计分离原则

Scene Analyst 的一个关键判断纪律是：

Keep submission rules distinct from observed publisher design.

这意味着两类信息有完全不同的权威性：

• 官方提交要求（submission rules）：来自当前 author instructions / call for papers，决定合规性。旧年份的模板类或通用 publisher 类，只有当前指南支持时才适用；不能从熟悉的文件名或第三方列表推断。
• 已出版论文的页面设计（publisher design）：来自本地学习 PDF 的观察，教会五部分叙事与页面设计，但不能覆盖现行提交规则。旧版出版商 PDF 可能展示的是旧设计，现行明确要求才是提交依据。

在 manuscript-format.md 中，这一原则落实为：阅读型 PDF 应可见地应用学到的期刊版式；若现行提交要求需要不同的栏或浮动体放置，则从同一语义手稿生成相应的提交文件并明确标识用途。同时严禁模仿期刊品牌，或虚构 DOI、卷期、页码与录用信息。

七、Transfer 模式：比较新目标与现有手稿，定位受影响部分

当场景分析服务于转投（journal transfer）时，Scene Analyst 的工作从"从零学习"变为"差异分析"：

For transfer, compare the new target with the existing manuscript and identify affected parts.

journal-transfer.md 定义了转投的完整流程：先保留论文身份（对规范手稿与confirmed_contribution.md做哈希绑定、复述声明边界），再分析拒稿信，然后为目的地建立新的publication_target_profile.json，并生成差异（delta）。生成差异的命令为：

python scripts/publication_cycle.py transfer-plan \ <origin>/publication_target_profile.json \ <destination>/publication_target_profile.json \ paper_rewriting_output/publication_cycle/transfers/<id>/transfer_request.json \ paper_rewriting_output/publication_cycle/transfers/<id>/delta \ --markdown

该 delta总是重新打开三个表面：

1. 格式（Format）：模板、文件类型、限制、匿名性、参考文献、图表、补充材料与渲染；
2. 五部分叙事（Five-part narrative）：对照目的地画像评估 front matter、引言、方法/方案、结果/分析与讨论结论，只修改真正不匹配的部分，保留未受影响的有效写作；
3. 交付包（Delivery package）：按目的地要求重新生成或重新校验 cover letter、标题/盲审页、声明、附件、源码归档与上传命名。

Scene Analyst 在这一环节的职责是：读取新目标（destination）的官方要求，与现有手稿逐项对照，明确"格式、叙事、交付包"三个表面中哪些部分受影响、需要重做，而不是全稿重写。

八、检索纪律与反幻觉约束

Scene Analyst 的最后一组要求是证据边界与效率纪律，原文四句话分别对应四条硬规则：

Use enough targeted retrieval to resolve the actual requirements; there is no historical two-search or fixed-word-count cap.

规则 1：检索量以"够用"为准。不存在历史上"两次搜索"或"固定字数上限"之类的机械限制。检索的目的是解决实际要求，不是完成某个检索配额。

Reuse still-valid notes, avoid repeating unchanged failed access…

规则 2：复用有效笔记，不重复失败访问。已经验证仍然有效的旧笔记应直接复用；同一来源的失败访问（如打不开的链接、不可得的 PDF）不得无意义地反复重试。这一条与 journal-learning.md 的"Stop repeating the same failed lookup"以及 manuscript-format.md 的"Stop repeating the same failed lookup; continue with a standard renderer adapted to verified current instructions"一脉相承。

…and distinguish unavailable rules from verified ones.

规则 3：区分"不可用的规则"与"已验证的规则"。一项要求如果始终查不到，必须作为具体的不确定项（specific uncertainty）报告，并使用有依据的观察惯例起草，不得宣称该细节已通过官方验证。只有当前明确要求才能被标记为 verified。

Do not invent author facts or current requirements to complete a template.

规则 4：严禁编造。不得为了填满模板而虚构作者事实、单位、伦理、资助、期刊品牌或出版元数据。这与 SKILL.md 的全局禁令（"Never invent data, metrics, p-values, citations, figures, methods, authors, ethics, funding, permissions or review conclusions"）完全一致。在 research.md 的三种研究模式（materials_only/required/agent_decide）下，这条边界同样生效——materials_only只禁止新的数据分析，不禁止文献学习与场景研究，但任何模式下都不允许虚构。

九、产出标准：给 writer 可用的版式与内容决策，而非 URL 清单

Give the writer usable layout and content decisions, not just a list of URLs.

这是 Scene Analyst 的"验收标准"。一份合格的场景分析输出应当能让下游 writer 直接做出版式与内容决策，例如：

• 明确采用哪套模板：官方 LaTeX 样例加.cls/.sty资源应编译一份未修改的本地副本后再填写工作副本；Pandoc 模板只能用--template消费 body；Word 模板需准备兼容的 reference DOCX 并传--reference-doc（详见 manuscript-format.md 的资产分类表）；
• 明确引文系统：在渲染 PDF/DOCX/TeX 之前选定期刊引文风格，使用稳定的书目键与对象 ID，而不是用正则替换整篇 TeX 的标点；
• 明确页数/字数与章节比例：如期刊字数统计范围（是否含摘要、图注、表格、参考文献）必须先行确认；
• 明确图形最终放置尺寸下的可读性目标：effective label pt = source label pt × placed width / source width，通常以 8–10 pt 作为普通标签的实用目标（这是设计目标，不是虚构的期刊规则）。

若使用共享 Markdown 导出器，Scene Analyst 确定的模板与 CSL 会进入实际构建命令：

python scripts/manuscript_export.py manuscript.md --bibliography references.bib --csl venue.csl --output-dir export --reference-doc venue-reference.docx --metadata-file venue.yaml --template venue-pandoc.tex --pdf-engine xelatex

而页面设计验证可以使用只读的可视化检查助手：

python <installed-skill>/scripts/visual_readiness_check.py --inspect-pdf <current.pdf> --columns 2 --json

两者分别对应 manuscript-format.md 中记录的共享导出器与视觉布局启发式检查（exit 0 表示无可疑布局信号，exit 2 表示区域需人工复核，exit 3 表示分析不完整）。

十、源码级支撑：方法路由工具链与 SHA-256 分页校验

场景分析依赖的"方法阅读"在 current-method-routing.md 中给出了具体调用形态。Scene Analyst 可以先从任务快照获取方法指引（method_guidance），再用安装的启动器读取指定方法全文：

python scripts/paperspine5_web.py host methods --profile-root "<same-profile>" --task-id "<same-task>" --stage research python scripts/paperspine5_web.py host methods --local --task-id "<same-task>" --stage research --resource references/target-journal-research.md --format text --max-lines 100

--stage用于选择正在考虑的工作阶段（intake、research、contribution、evidence、draft、figure、review、delivery），场景分析对应research。--local直接从已安装 Skill 读取注册资源，无需 MCP 或任务读取。

其底层实现在 paperspine_methods.py 中，关键机制是SHA-256 分页续读：文本输出帧包含来源 SHA-256、范围、下一行与 END 标记；续读时必须携带--start-line <next> --expect-sha256 <same-source-hash>，直到源码 EOF。若源码发生变化，会报告变更而不是拼接不同版本的页面。validate_paging强制校验--expect-sha256必须是 64 位十六进制哈希（见 paperspine_methods.py），format_method_text负责渲染带next指令的续读提示。这套机制保证：场景分析师声称"读过某方法"时，读到的内容与注册源逐字节一致，且中途中断后可精确续读。

十一、与其他研究 Agent 的协作边界

场景分析、范例学习与 SOTA 映射三者共享同一任务状态，但产出不同：

• Scene Analyst 产出"场景事实"：官方要求、模板、限制、交付物清单——合规性的权威；
• Exemplar Learner 产出"写作迁移"：从同领域与目标期刊范文中提炼论点推进、段落节奏、图表设计与图注写法，只迁移沟通方法，绝不迁移他人论文的发现或句子（见 research-exemplar.md）；
• SOTA Mapper 产出"贡献定位"：比较最接近的相关工作与当前证据，明确当前研究新增了什么、差异为何重要、支持主张的强度与边界（见 research-sota.md）。

三者的共同铁律：官方要求决定合规，出版论文教叙事，任何一方的产出都不能冒充"已阅读证明"或"质量通过证明"。

十二、落地清单：一次合格的场景分析应交付什么

综合 research-scene.md 与相关参考文档，一次合格的场景分析交付物可归纳为：

1. 目标与范围确认：同一任务、同一paper/目录、已保存的 scene/target/article type/delivery settings；
2. 官方要求档案：按 target-journal-research.md 表格填写，含 Source URL 与 "Implication for Our Paper" 列；
3. 本地学习 PDF 验证记录：每篇 PDF 的来源、身份、可读性与采用的版式决策（或明确的不可用说明）；
4. 提交规则与出版设计的分离声明：哪些细节是 verified official、哪些是有依据的观察惯例、哪些仍是未解决的不确定项；
5. 给 writer 的决策清单：模板选择与资产分类、引文系统、字数/页数约束、图形可读性目标、交付物清单；
6. （若转投）受影响表面清单：格式 / 五部分叙事 / 交付包三个表面的 delta 定位。

对照 paper-spine-production-protocol.md 第 5 步的检查标准：如果手稿大纲、引文与代表性渲染页没有体现这些学习成果，那么这些笔记只是"研究"，还不是"已应用的场景分析"——场景分析的价值最终要显现在手稿本身。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用