feat: 八维评分体系重构

- innovation 0-2, impact 1.5, engineering_score 1.5
- 总分 = min(10, 各子项之和), 满分11
- 支持多种LLM评分理由格式解析（/10转换、得分X.Y、dim(max分)等）
- 开源矛盾检测（高分但无链接自动修正）
- 机器摘要/评分理由格式强制约束
- validate-scores.js 验证脚本
- 全量文档/测试同步更新

Author: nanless

AGENTS.md

@@ -2,7 +2,7 @@
 
 ## 项目概述
 
-自动化"语音/音乐/音频论文速递"流水线：arXiv + HuggingFace 抓取 → LLM 筛选 → 多模态深度分析 → 发布到 Hugo 博客 / 微信公众号 / 小红书。
+自动化"语音/音乐/音频论文速递"流水线：arXiv + HuggingFace 抓取 → LLM 筛选 → 多模态深度分析 → 发布到 Hugo 博客 / 微信公众号 / 小红书 / 飞书。
 
 **技术栈**：Node.js（核心流水线）+ Python（发布脚本）。要求 Node ≥ 18。
 
@@ -12,11 +12,23 @@
 npm install              # 安装依赖（仅 cheerio + pdf-parse）
 npm test                 # 运行单元测试（node --test tests/*.test.js）
 npm run fetch            # 全流程：抓取 + 筛选 + 深度分析
-npm run deep             # 仅深度分析（跳过已分析论文）
+npm run deep             # 仅深度分析续跑（跳过已有 analysis）
 npm run reanalyze        # 强制全量重分析
+npm run batch            # 批量分析未分析论文
+npm run backfill         # 补录历史 paper ID（不分析）
 npm run publish          # 发布到 Hugo 博客（python3 scripts/publish-to-blog.py）
-npm run wechat           # 发布微信公众号草稿
+npm run wechat           # 生成微信公众号草稿
 npm run xiaohongshu      # 生成小红书文案
+npm run xhs-login        # 小红书登录（获取 Cookie）
+npm run xhs-publish      # 小红书自动发布单篇
+npm run xhs-publish-all  # 小红书自动发布全部
+
+# 直接调用（不在 package.json 中）
+node scripts/quick-test.js              # 快速测试（抓+筛选，不分析）
+node scripts/analyze-single-paper.js <arxiv-id>  # 单独分析一篇论文
+node scripts/batch-analyze.js           # 批量分析未分析论文
+python3 scripts/publish-to-feishu.py    # 生成飞书文档
+python3 scripts/publish-to-feishu.py --date 2026-04-21
 ```
 
 未配置 linter、typecheck 或 formatter。`npm test` 是唯一的自动化检查。
@@ -26,9 +38,16 @@ npm run xiaohongshu      # 生成小红书文案
 复制 `env.example` → `.env`（已 gitignore）。必需变量：
 
 - `PAPER_ANALYZER_API_KEY` / `PAPER_ANALYZER_MODEL` / `PAPER_ANALYZER_ENDPOINT` — LLM 筛选 + 分析
-- `WECHAT_APP_ID` / `WECHAT_APP_SECRET` — 微信发布（可选）
+- `WECHAT_APP_ID` / `WECHAT_APP_SECRET` / `WECHAT_THUMB_MEDIA_ID` — 微信发布（可选）
 - `PAPER_DIGEST_BLOG_REPO` — Hugo 博客仓库路径（发布用 + 抓取时去重用）
 
+其他常用可选变量：
+
+- `FEISHU_APP_ID` / `FEISHU_APP_SECRET` — 飞书发布
+- `PAPER_DIGEST_AUTHOR` — 作者名（用于发布）
+- `PAPER_DIGEST_IMAGE_HOST` / `PAPER_DIGEST_IMAGE_BASE_URL` — 图床配置（可选 `local`/`qiniu`）
+- `XIAOHONGSHU_COOKIES` — 小红书 Cookie（JSON 格式 base64 编码）
+
 Python 脚本通过 `python-dotenv` 加载 `.env`。Node 脚本通过 `utils.js` 中的 `loadEnvFile()` 加载。
 
 环境变量覆盖项：`PD_ANALYSIS_CONCURRENCY`、`PD_ANALYSIS_MAX_RETRIES`、`PD_FILTER_BATCH_SIZE`、`PD_ARXIV_MAX_RESULTS`。
@@ -38,16 +57,25 @@ Python 脚本通过 `python-dotenv` 加载 `.env`。Node 脚本通过 `utils.js`
 ### 入口脚本
 
 - `scripts/full-fetch.js` — 主编排器（去重含博客已发布 → 抓取 → 筛选 → 分析 → 保存）
-- `scripts/deep-analyzer.js` — LLM 深度分析，3 轮流水线（分析 → 开源扫描 → 补缺重写）
 - `scripts/fetch-papers.js` — arXiv 抓取（网页抓取为主，API为辅）+ LLM 筛选
 - `scripts/fetch-huggingface-papers.js` — HuggingFace Papers 抓取
-- `scripts/analysis-engine.js` — 批量分析协调器
+- `scripts/deep-analysis-only.js` — 仅深度分析续跑（跳过已分析论文）
+- `scripts/reanalyze.js` — 强制全量重分析（支持 `--concurrency N`）
+- `scripts/batch-analyze.js` — 批量分析未分析论文
+- `scripts/analysis-engine.js` — 批量分析协调器（被上述脚本共用）
+- `scripts/quick-test.js` — 快速测试（抓+筛选，不分析）
+- `scripts/analyze-single-paper.js` — 单独分析一篇指定 arXiv ID 的论文
 
 ### 发布脚本（Python）
 
 - `scripts/publish-to-blog.py` — 生成 Hugo Markdown 文章并推送到博客仓库
+- `scripts/publish-wechat-full.py` — 生成微信公众号草稿
+- `scripts/publish-xiaohongshu.py` — 生成小红书文案
+- `scripts/xiaohongshu-publisher.py` — 小红书自动发布（需先 `xhs-login`）
+- `scripts/publish-to-feishu.py` — 生成飞书文档
+- `scripts/backfill_papers.py` — 补录论文 ID 到 papers.json（不分析）
 - `scripts/publish_common.py` — 发布通用工具
-- `scripts/utils.py` — Python 端工具函数（去 Markdown 标记、解析分析结果）
+- `scripts/utils.py` — Python 端工具函数
 
 ### 配置
 
@@ -84,3 +112,4 @@ prompts/               # LLM prompt 模板
 - `data/` 和 `logs/` 已 gitignore——不要提交运行时产物。
 - 博客发布脚本依赖独立的 Hugo 仓库（`PAPER_DIGEST_BLOG_REPO`），不在本仓库内。
 - 测试使用 Node.js 内置测试运行器（`node:test`），非 Jest 或 Mocha。
+- CI 会运行 `npm test` 以及对关键脚本做 `node -c` 语法检查（`scripts/utils.js`、`config.js`、`analysis-engine.js`、测试文件）。

SKILL.en.md

@@ -124,9 +124,9 @@ Output constraints:
 - Prompt source: `prompts/deep-analysis.md`, read at runtime via `loadPrompt()` and replaces `{hasFullText}`, `{title}`, `{authors}`, `{categories}`, `{arxivId}`, `{textForAnalysis}` placeholders
 - Fixed level-1 headings: `## Score`, `## Machine Summary`, `## Tags`, `## Authors & Institutions`, `## Roast`, `## Core Summary`, `## Method Overview & Architecture`, `## Core Innovations`, `## Experimental Results`, `## Detailed Description`, `## Scoring Rationale`, `## Limitations & Issues`, `## Open Source Details`
 - Under `## Score`, output the total score first (X.X/10)
-- **Code post-processing**: `parseAnalysis`/`parse_analysis` extracts seven sub-items (Innovation/3, Technical Rigor/1.5, Experimental Sufficiency/1.5, Clarity/1, Impact/2, Open Source/1.5, Reproducibility/0.5) from `## Scoring Rationale` to recalculate the total score, rounding to 0.1, overriding the LLM's raw total score
-- `## Machine Summary` includes `rank_bucket` (with top-conference mapping), `quality_score` (comprehensive academic quality 0-7), `value_score` (impact 0-2), `reproducibility_bonus` (comprehensive reproducibility 0-2), `confidence`, `primary_task_tag`, `primary_method_tag`, and other fixed keys
-- Scoring uses a seven-dimensional reviewer system: Innovation (0-3) + Technical Rigor (0-1.5) + Experimental Sufficiency (0-1.5) + Clarity (0-1) + Impact (0-2) + Open Source (0-1.5) + Reproducibility (0-0.5)
+- **Code post-processing**: `parseAnalysis`/`parse_analysis` extracts eight sub-items (Innovation/2, Technical Rigor/1.5, Experimental Sufficiency/1.5, Clarity/1, Impact/1.5, Open Source/1.5, Reproducibility/0.5, Engineering/Practical Value/1.5) from `## Scoring Rationale` to recalculate the total score, capped at 10, rounding to 0.1, overriding the LLM's raw total score
+- `## Machine Summary` includes `rank_bucket` (with top-conference mapping), `innovation` (innovation 0-2), `technical_rigor` (technical rigor 0-1.5), `experimental_sufficiency` (experimental sufficiency 0-1.5), `clarity` (clarity 0-1), `impact` (impact 0-1.5), `open_source` (open source 0-1.5), `reproducibility` (reproducibility 0-0.5), `engineering_score` (engineering/practical value 0-1.5), `confidence`, `primary_task_tag`, `primary_method_tag`, and other fixed keys
+- Scoring uses an eight-dimensional reviewer system: Innovation (0-2) + Technical Rigor (0-1.5) + Experimental Sufficiency (0-1.5) + Clarity (0-1) + Impact (0-1.5) + Open Source (0-1.5) + Reproducibility (0-0.5) + Engineering/Practical Value (0-1.5), max 11, total capped at 10
 - **Code post-processing**: `parseAnalysis`/`parse_analysis` always extracts sub-items from `## Scoring Rationale` to recalculate the total score, overriding the LLM's raw output to prevent LLM calculation errors
 - Tag output must simultaneously include the final tag string, `Primary Task Tag`, `Primary Method Tag`, and `Supplementary Tags`
 - Missing information must be written as "Not stated / Not provided / Not mentioned"; guessing author institutions, experimental numbers, open source status, or external information is prohibited

SKILL.md

@@ -124,9 +124,9 @@ API 调用特性：
 - prompt 来源：`prompts/deep-analysis.md`，运行时通过 `loadPrompt()` 读取并替换 `{hasFullText}`、`{title}`、`{authors}`、`{categories}`、`{arxivId}`、`{textForAnalysis}` 占位符
 - 固定一级标题：`## 评分`、`## 机器摘要`、`## 标签`、`## 作者与机构`、`## 毒舌点评`、`## 核心摘要`、`## 方法概述和架构`、`## 核心创新点`、`## 实验结果`、`## 细节详述`、`## 评分理由`、`## 局限与问题`、`## 开源详情`
 - `## 评分` 下先输出总分（X.X/10）
-- **代码后处理**：`parseAnalysis`/`parse_analysis` 会从 `## 评分理由` 中提取七个分项（创新性/3、技术严谨性/1.5、实验充分性/1.5、清晰度/1、影响力/2、开源/1.5、可复现性/0.5）重新计算总分，四舍五入到 0.1，覆盖 LLM 原始总分
-- `## 机器摘要` 包含 `rank_bucket`（带顶会映射）、`quality_score`（综合学术质量 0-7）、`value_score`（影响力 0-2）、`reproducibility_bonus`（可复现性综合 0-2）、`confidence`、`primary_task_tag`、`primary_method_tag` 等固定键
-- 评分采用七维审稿人体系：创新性（0-3）+ 技术严谨性（0-1.5）+ 实验充分性（0-1.5）+ 清晰度（0-1）+ 影响力（0-2）+ 开源（0-1.5）+ 可复现性（0-0.5）
+- **代码后处理**：`parseAnalysis`/`parse_analysis` 会从 `## 评分理由` 中提取八个分项（创新性/2、技术严谨性/1.5、实验充分性/1.5、清晰度/1、影响力/1.5、开源/1.5、可复现性/0.5、工程/实践价值/1.5）重新计算总分，各分项之和上限为 10，四舍五入到 0.1，覆盖 LLM 原始总分
+- `## 机器摘要` 包含 `rank_bucket`（带顶会映射）、`innovation`（创新性 0-2）、`technical_rigor`（技术严谨性 0-1.5）、`experimental_sufficiency`（实验充分性 0-1.5）、`clarity`（清晰度 0-1）、`impact`（影响力 0-1.5）、`open_source`（开源 0-1.5）、`reproducibility`（可复现性 0-0.5）、`engineering_score`（工程/实践价值 0-1.5）、`confidence`、`primary_task_tag`、`primary_method_tag` 等固定键
+- 评分采用八维审稿人体系：创新性（0-2）+ 技术严谨性（0-1.5）+ 实验充分性（0-1.5）+ 清晰度（0-1）+ 影响力（0-1.5）+ 开源（0-1.5）+ 可复现性（0-0.5）+ 工程/实践价值（0-1.5），满分 11 分，总分上限 10
 - **代码后处理**：`parseAnalysis`/`parse_analysis` 始终从 `## 评分理由` 提取分项重新计算总分，覆盖 LLM 原始输出，避免 LLM 算错总分
 - 标签输出必须同时包含最终标签串、`主任务标签`、`主方法标签`、`补充标签`
 - 缺失信息必须写"未说明/未提供/未提及"，禁止猜测作者机构、实验数字、开源状态或外部信息

docs/data-format.md

@@ -112,9 +112,14 @@
         "opensource": "...",
         "machineSummary": {
           "rankBucket": "前25%",
-          "qualityScore": "5.2",
-          "valueScore": "1.5",
-          "reproducibilityBonus": "0.8",
+          "innovation": "1.5",
+          "technicalRigor": "1.2",
+          "experimentalSufficiency": "1.0",
+          "clarity": "0.8",
+          "impact": "1.3",
+          "openSource": "1.0",
+          "reproducibility": "0.3",
+          "engineeringScore": "1.2",
           "confidence": "高",
           "primaryTaskTag": "#语音合成",
           "primaryMethodTag": "#扩散模型",
@@ -124,9 +129,14 @@
           "hasDataset": "否"
         },
         "rankBucket": "前25%",
-        "qualityScore": "5.2",
-        "valueScore": "1.5",
-        "reproducibilityBonus": "0.8",
+        "innovationScore": "1.5",
+        "technicalRigorScore": "1.2",
+        "experimentalSufficiencyScore": "1.0",
+        "clarityScore": "0.8",
+        "impactScore": "1.3",
+        "openSourceScore": "1.0",
+        "reproducibilityScore": "0.3",
+        "engineeringScore": "1.2",
         "confidence": "高",
         "primaryTaskTag": "#语音合成",
         "primaryMethodTag": "#扩散模型",
@@ -146,7 +156,7 @@
 
 - `parsed` 是 `analysis` 文本的解析缓存，由 `scripts/utils.js` 的 `parseAnalysis()` 或 `scripts/utils.py` 的 `parse_analysis()` 生成
 - **`parsed.score` 不是直接取 `## 评分` 下的 LLM 原始总分**，而是从 `## 评分理由` 中提取七个分项（创新性/3、技术严谨性/1.5、实验充分性/1.5、清晰度/1、影响力/2、开源/1.5、可复现性/0.5）重新计算，四舍五入到 0.1，覆盖 LLM 原始输出
-- `parsed` 中的 `machineSummary` 是 `## 机器摘要` 的解析结果；`rankBucket`、`qualityScore`、`valueScore` 等字段同时平铺到 `parsed` 顶层以便访问
+- `parsed` 中的 `machineSummary` 是 `## 机器摘要` 的解析结果；`rankBucket`、`innovationScore`、`technicalRigorScore` 等 8 个子项字段同时平铺到 `parsed` 顶层以便访问
 - 解析逻辑变更后，`parsed` 缓存会被清除并在下次发布时重新生成
 
 ### 5.4 `data/current/analyzed.json`

docs/en/data-format.md

@@ -112,9 +112,14 @@ Core analysis results. Structure:
         "opensource": "...",
         "machineSummary": {
           "rankBucket": "前25%",
-          "qualityScore": "5.2",
-          "valueScore": "1.5",
-          "reproducibilityBonus": "0.8",
+          "innovation": "1.5",
+          "technicalRigor": "1.2",
+          "experimentalSufficiency": "1.0",
+          "clarity": "0.8",
+          "impact": "1.3",
+          "openSource": "1.0",
+          "reproducibility": "0.3",
+          "engineeringScore": "1.2",
           "confidence": "高",
           "primaryTaskTag": "#语音合成",
           "primaryMethodTag": "#扩散模型",
@@ -124,9 +129,14 @@ Core analysis results. Structure:
           "hasDataset": "否"
         },
         "rankBucket": "前25%",
-        "qualityScore": "5.2",
-        "valueScore": "1.5",
-        "reproducibilityBonus": "0.8",
+        "innovationScore": "1.5",
+        "technicalRigorScore": "1.2",
+        "experimentalSufficiencyScore": "1.0",
+        "clarityScore": "0.8",
+        "impactScore": "1.3",
+        "openSourceScore": "1.0",
+        "reproducibilityScore": "0.3",
+        "engineeringScore": "1.2",
         "confidence": "高",
         "primaryTaskTag": "#语音合成",
         "primaryMethodTag": "#扩散模型",
@@ -145,8 +155,8 @@ Core analysis results. Structure:
 **Notes on the `parsed` field**:
 
 - `parsed` is a parsed cache of the `analysis` text, generated by `parseAnalysis()` in `scripts/utils.js` or `parse_analysis()` in `scripts/utils.py`
-- **`parsed.score` is not the raw total score from the LLM under `## 评分`**. Instead, it is recalculated by extracting seven sub-items from `## 评分理由` (Innovation/3, Technical Rigor/1.5, Experimental Sufficiency/1.5, Clarity/1, Impact/2, Open Source/1.5, Reproducibility/0.5), rounding to 0.1, and overriding the LLM's raw output
-- `machineSummary` inside `parsed` is the parsed result of `## 机器摘要`; fields such as `rankBucket`, `qualityScore`, `valueScore`, etc. are also flattened to the top level of `parsed` for easier access
+- **`parsed.score` is not the raw total score from the LLM under `## 评分`**. Instead, it is recalculated by extracting eight sub-items from `## 评分理由` (Innovation/2, Technical Rigor/1.5, Experimental Sufficiency/1.5, Clarity/1, Impact/1.5, Open Source/1.5, Reproducibility/0.5, Engineering/Practical Value/1.5), capping at 10, rounding to 0.1, and overriding the LLM's raw output
+- `machineSummary` inside `parsed` is the parsed result of `## 机器摘要`; fields such as `rankBucket`, `innovationScore`, `technicalRigorScore`, etc. are also flattened to the top level of `parsed` for easier access
 - When parsing logic changes, the `parsed` cache is cleared and regenerated on the next publish
 
 ### 5.4 `data/current/analyzed.json`