scopus-academic-pipeline

name: scopus-academic-pipeline description: "Pipeline multiagente para planejar, escrever, revisar e consolidar textos acadêmicos com RAG local em coleções Scopus/PDF. Use quando o usuário invocar $scopus-academic-pipeline, quiser estruturar artigo a partir de código/experimento, planejar referencial teórico/metodologia, gerar texto acadêmico com citações ABNT, auditar evidências e produzir versão final em Markdown."

Scopus Academic Pipeline

Use esta skill para conduzir um workflow acadêmico baseado em evidências recuperadas do RAG local.

Esta skill substitui o fluxo antigo pesado de descoberta/canonicalização externa quando o usuário já possui coleções locais Scopus/PDF confiáveis.

Casos de uso

Use esta skill quando o usuário pedir para:

• planejar estrutura de artigo;
• transformar experimento/código/notebook em artigo;
• definir seções, referencial teórico, metodologia, resultados e discussão;
• escrever texto acadêmico com base em RAG local;
• revisar aderência entre citações e claims;
• gerar versão final em Markdown;
• auditar fontes recuperadas de coleções Scopus/PDF.

Entradas mínimas

Para escrita com RAG:

• collection: nome base da coleção local;
• writing_task: tarefa de escrita;
• topic_or_outline: tema, hipótese, objetivo, experimento ou esboço.

Para planejamento de artigo:

• descrição do experimento, código, notebook, resultados ou ideia;
• objetivo do artigo ou problema de pesquisa, se houver;
• área-alvo ou evento/periódico, se houver.

Não há coleção padrão.

Se a coleção estiver ausente e a tarefa exigir RAG, execute:

python C:\Users\imale\.codex\skills\index-kit\scripts\index_kit.py list-collections

Liste as coleções disponíveis e peça ao usuário escolher.

Modelo de coleções

Cada base costuma ter duas coleções:

• <collection>: metadados Scopus, abstracts, keywords e registros bibliográficos.
• <collection>_pdf: chunks dos PDFs/texto integral.

Use papéis distintos:

• <collection> identifica estudos candidatos e metadados para referência.
• <collection>_pdf valida e aprofunda claims que exigem suporte textual mais forte.

Princípios

• Queries de busca sempre em inglês.
• Saída textual em português do Brasil, salvo pedido contrário.
• Não usar web como evidência.
• Não usar memória/modelo como evidência científica.
• Não inventar referências.
• Não citar fonte apenas por proximidade temática genérica.
• Priorizar fonte core para claims conceituais.
• Usar fonte applied apenas para exemplos/aplicações/domínios específicos.
• Rejeitar fonte adjacent ou reject.
• Manter texto cauteloso quando a evidência for parcial.

Agentes

O pipeline usa cinco papéis:

1. article_planner
2. rag_writer
3. evidence_reviewer
4. rag_reviser
5. final_postcheck

Leia os arquivos em agents/ antes de executar cada papel.

Modos de execução

Modo A — Planejamento de artigo

Use quando o usuário começa pelo experimento/código/notebook e precisa transformar isso em estrutura de artigo.

Fluxo:

1. article_planner
2. opcionalmente rag_writer para criar seções iniciais
3. opcionalmente evidence_reviewer
4. opcionalmente rag_reviser
5. final_postcheck

Artefatos:

.ai/handoff/scopus_academic_pipeline_<tag>/
├── article_plan.md
├── article_plan.json
├── theoretical_framework_queries.md
├── methodology_blueprint.md
└── gaps_and_next_steps.md

Modo B — Escrita com RAG

Use quando o usuário já quer gerar texto.

Fluxo:

1. rag_writer
2. evidence_reviewer
3. rag_reviser
4. final_postcheck

Artefatos:

.ai/handoff/scopus_academic_pipeline_<tag>/
├── draft.md
├── evidence_map.json
├── evidence_review.json
├── final.md
├── postcheck.md
└── search_log_compact.json

Modo C — Revisão/auditoria de texto existente

Use quando o usuário fornece texto já escrito.

Fluxo:

1. evidence_reviewer
2. rag_reviser
3. final_postcheck

Artefatos:

.ai/handoff/scopus_academic_pipeline_<tag>/
├── input_text.md
├── evidence_review.json
├── final.md
└── postcheck.md

Estratégia de recuperação

Default:

• 3 a 5 queries em inglês por tarefa/evidence need;
• --top-k 5 em <collection>;
• buscar <collection> primeiro;
• buscar <collection>_pdf quando a evidência for fraca, genérica, insuficiente ou quando o claim exigir validação textual;
• --top-k 5 em <collection>_pdf;
• deduplicar por DOI, depois título normalizado + ano + primeiro autor;
• armazenar somente notas compactas de evidência.

Para claims centrais ou evidência fraca:

• até 6 queries;
• --top-k 8;
• incluir uma query literal;
• incluir uma query com termos específicos do domínio.

Para exportar matriz de evidência, o usuário deve invocar $scopus-audit.

Contrato de busca

Use apenas:

python C:\Users\imale\.codex\skills\index-kit\scripts\index_kit.py list-collections

python C:\Users\imale\.codex\skills\index-kit\scripts\index_kit.py search --collection <collection> --query "<english query>" --original-query "<intent or claim>" --top-k 5

Evidence classification gate

Classifique cada fonte candidata antes de citar:

• core: sustenta diretamente conceito, método, mecanismo ou claim.
• applied: aplica conceito relevante em domínio específico.
• adjacent: tangencia o tema, mas não sustenta o claim.
• reject: não sustenta o claim.

Regras:

• Claims conceituais precisam preferencialmente de fontes core.
• Fontes applied servem para exemplos, aplicações e domínio específico.
• Não usar adjacent para sustentar conceito geral.
• Nunca citar reject.
• Se só houver adjacent/reject, refazer busca com queries mais literais e específicas.
• Se ainda faltar evidência, suavizar ou declarar lacuna.

Saída padrão

Para escrita final, retornar somente:

1. texto final com citações ABNT autor-data;
2. exatamente duas linhas em branco;
3. título Referências bibliográficas;
4. referências ABNT-like apenas das obras citadas.

Compatibilidade com fluxo antigo

Papéis removidos ou rebaixados:

• doi_hunter: não é etapa padrão. Usar apenas em fluxo externo de descoberta bibliográfica.
• citation_validator: substituído por evidence_reviewer para coleções locais Scopus/PDF.
• source_agents: não são etapa padrão se a coleção local já contém fontes válidas.
• zotero_ingest_router: opcional, não obrigatório.
• zotero_semantic_refresher: opcional, não obrigatório.
• dedup_router_agent: substituído por deduplicação leve por DOI/título.
• consolidator: substituído por final_postcheck + artefatos compactos.

Antes de executar

Leia:

• references/workflow.md
• agents/article_planner.md quando houver planejamento de artigo;
• agents/rag_writer.md quando houver escrita;
• agents/evidence_reviewer.md quando houver auditoria de evidência;
• agents/rag_reviser.md quando houver revisão final;
• agents/final_postcheck.md antes de entregar resultado final.