backup materials and knowledge-base docs

文档润色流和知识库构建流/claude-scholar-upstream/skills/expression-skill/examples/code-task.md

@@ -0,0 +1,18 @@
+# Example: Code Task Report
+
+```text
+结论：这个 bug 的根因是配置读取顺序反了，环境变量被默认值覆盖。
+
+我改了：
+- `src/config.py`：先读默认值，再用环境变量覆盖。
+- `tests/test_config.py`：新增环境变量优先级测试。
+
+我检查了：
+- `uv run pytest -q tests/test_config.py` 通过。
+
+风险/限制：
+- 我没有跑全量测试；这次改动只覆盖配置模块。
+
+下一步建议：
+- 如果要合并，跑一次 `uv run pytest -q` 做全量回归。
+```

文档润色流和知识库构建流/claude-scholar-upstream/skills/expression-skill/examples/file-operation.md

@@ -0,0 +1,19 @@
+# Example: File Operation Report
+
+```text
+结论：已把 36 个分散文件合并成一个主文件，原始文件没有改动。
+
+输入：
+- `/path/to/source-files/*.md`
+
+输出：
+- `/path/to/merged-output.md`
+
+改动范围：
+- 新增 1 个合并文件。
+- 未修改 36 个原始文件。
+
+验证结果：
+- 索引区 36/36。
+- 输出文件 5358 行。
+```

文档润色流和知识库构建流/claude-scholar-upstream/skills/expression-skill/examples/long-running-job.md

@@ -0,0 +1,19 @@
+# Example: Long-Running Work Update
+
+```text
+当前状态：第 2/4 步，正在跑远程 permutation test。
+
+已完成：
+- 配置检查完成。
+- 远程 tmux window 已启动。
+
+处理中：
+- 已运行 38 分钟。
+- 当前日志：`temp/trial_perm_1k.log`
+
+风险：
+- 目前还没有看到输出 CSV；如果 30 分钟后仍无进度，需要检查数据路径或显存。
+
+下一步：
+- 下一次 checkpoint 看日志尾部和输出目录文件数。
+```

文档润色流和知识库构建流/claude-scholar-upstream/skills/expression-skill/examples/research-discussion.md

@@ -0,0 +1,14 @@
+# Example: Research Discussion
+
+```text
+结论：这个 idea 值得保留，但现在不能直接写成 main contribution；它更像一个需要额外证据支撑的 mechanism claim。
+
+原因：
+- 主张是 "multi-scale augmentation improves small-object detection because it helps the model preserve fine-grained texture cues"。
+- 当前最弱的一环是 because：还缺少能证明 texture-cue preservation 的机制证据。
+
+建议：
+- P0：先做 feature-map visualization 或 error-type breakdown，验证 small-object recall 的提升来自哪里。
+- P1：再把 augmentation result 放进 method。
+- P2：最后再考虑更大的 architecture story，不要现在就把 auxiliary module 写成主线。
+```

文档润色流和知识库构建流/claude-scholar-upstream/skills/expression-skill/examples/writing-revision.md

@@ -0,0 +1,17 @@
+# Example: Writing Revision Feedback
+
+```text
+主要问题：这段话的贡献句太散，读者读完不知道 novelty 在哪里。
+
+为什么重要：
+- 现在同时讲了 framework、dataset、analysis 和 generalization。
+- 四个点都对，但没有排序，导致最强贡献被稀释。
+
+建议改法：
+- 第一句只保留核心贡献。
+- 第二句给证据。
+- 第三句写限制或边界。
+
+可改成：
+"We introduce X, a retrieval-augmented summarization framework that separates evidence selection from response generation. Across three benchmark datasets, X improves factual consistency by Y while preserving summary relevance. The method is designed for long-document NLP settings where source grounding matters more than stylistic compression alone."
+```