---
name: 申报赛道推荐助手
description: "高校申报指南智能赛道推荐：维护教师学术画像与指南赛道库，按标签匹配 + 硬门槛过滤生成可解释的 Top 3 赛道推荐与《申报策略建议书》。"
version: 1.0.1
author: 深圳匠厂科技有限公司
metadata:
  openclaw:
    slug: match-guide-track-default
    platform_kit_min_version: "1.2.11"
    emoji: "🎯"
    category: "科研"
    brands:
      - jiangchang
      - huashang
    developer_ids:
      - 79017  # 开发者本人匠厂用户 ID（设置 → 用户信息 → 复制）
allowed-tools:
  - bash
---

# 申报赛道推荐助手（match-guide-track-default）

高校申报指南"智能赛道推荐"：维护教师学术画像与指南赛道库，按**标签匹配（70%权重）+ 优先方向命中（30%权重）**计算匹配度，先按职称/SCI 一区硬门槛剔除不满足的赛道，输出可解释的 Top 3 推荐与分层清单（强烈推荐/可尝试/不建议）及《申报策略建议书》。推荐仅供参考，申报决策权在教师本人。

## Agent / 宿主编排

- **Agent 是入口与编排者**：理解教师研究方向描述、协助把论文/项目整理成研究标签、触发匹配 Action 并解读推荐理由。
- 画像与赛道数据来自本地库；Agent 不得编造教师成果或门槛数值；指南 PDF → 赛道结构化字段由 Agent 阅读后录入。
- 匹配得分由内核确定性计算；Agent 转述时不得更改分数与分层。
- 本技能无 RPA、无浏览器自动化；不修改科研系统数据。

## 能力类型与触发

| 你要做什么 | Agent 怎么做 | 进任务中心？ |
|------------|--------------|--------------|
| 查画像 / 查赛道 / 查报告 / 统计 | 短 CLI：`list-teachers` / `list-tracks` / `list-reports` / `stats` | 否 |
| 匹配全部或指定教师（同步秒级） | `run_skill_action` → `match-teachers`（`input.teacherName/year`） | 否 |
| 批量匹配 input/ 目录画像 | `run_skill_action` → `match-batch-input` | 是（该 Action 为 async） |
| 录入画像/赛道 | 数据管理表上操作，或 `run_skill_action` → `add-teacher` / `add-track`；批量走 `import-*` | 否 |
| 重建建议书 | `run_skill_action` → `render-html` | 否 |
| 用户只问用法 / 能做什么 | 读根目录 `README.md`；逐步操作再读 `TUTORIAL.md` | — |

进不进任务中心**只**看该 Action 的 `executionProfile`，与触发入口**无关**；每个 Action 都已显式声明 `executionProfile`。本技能为"即时计算"型能力，不存在「准备 vs 执行」两段式，无需拆分。本技能无网页 RPA，不涉及账号管理；宿主账号规范见 `development/ACCOUNT_MANAGER.md`。

## 用户意图路由表

| 用户意图 | Agent 怎么做 | 进任务中心？ |
|------------------------|--------------|--------------|
| "我适合报什么 / 帮我选赛道" | 确认教师身份与画像（标签/职称/SCI 一区）；`run_skill_action` → `match-teachers`，`input.teacherName` | 否 |
| "指南发布了，给全院老师批量匹配" | 画像 JSON 放 input/ 或粘贴；`run_skill_action` → `match-batch-input` | 是（因该 Action 为 async） |
| "录入我的画像 / 把指南赛道录进去" | 单条走数据管理表单；批量 JSON 交给 `import-teachers` / `import-tracks` | 否 |
| "我上次的推荐结果" | 短 CLI：`list-reports`；详情 `show-report --id N` | 否 |
| "重新生成建议书" | `run_skill_action` → `render-html` | 否 |
| "匹配统计" | 短 CLI：`stats` | 否 |

**硬规则：**

1. `match-batch-input` 是本技能唯一 async Action；禁止用 bash 跑它再轮询等待。
2. 画像与门槛数据必须来自用户/指南，Agent 不得编造成果、分数或门槛。
3. 推荐解读必须说明"仅供参考"；被剔除赛道要读出原因。
4. 一个业务能力一个 Action，用多个 placements 挂入口；底层同一 `scripts/main.py` CLI。

Agent 执行契约细节：`references/CLI.md`、`references/ACTIONS.md`、`references/SCHEMA.md`。

## 共享 Python（必读）

宿主共享 runtime 在 `{JIANGCHANG_DATA_ROOT}/python-runtime/.venv`，并已前置到 PATH（同时设 `VIRTUAL_ENV`）。短 CLI 一条命令直接跑：

```bash
python {baseDir}/scripts/main.py health
python {baseDir}/scripts/main.py version
python {baseDir}/scripts/main.py init-db
python {baseDir}/scripts/main.py match [--teacher 姓名] [--year YYYY]
```

- 公共库来自共享 venv 的 `jiangchang-platform-kit>=1.2.11`；不要 vendor。
- **禁止**用 `uv run python` 跑技能脚本；**禁止** Agent 自行 `pip install`。
- 根目录 `requirements.txt` 只声明技能特有依赖（本技能当前无）。

## 面向用户问答（LLM 规则）

- 本文（`SKILL.md`）是 LLM / OpenClaw 平台读取的技能入口，**不是**用户市场说明。
- 当用户询问"这个技能是做什么的 / 怎么用 / 适合什么场景"，**必须优先读取**根目录 `README.md` 与 `TUTORIAL.md`，用业务语言回答。
- **回答「怎么用 / 能做什么」时的要求**：优先读 `TUTORIAL.md`；**禁止**在回答中粘贴 `python` 命令行（除非用户明确索要）；**禁止**用 `dir` / `ls` 列技能目录。
- **禁止**向普通用户暴露 JSON 字段名、表名、`error_code` 等实现细节（除非用户问技术实现）。

## 文档分工

| 文档 | 读者 | 用途 |
|------|------|------|
| 根目录 `README.md` | 普通用户 | 市场 **说明** Tab（`readme_md`） |
| 根目录 `TUTORIAL.md` | 普通用户 | 市场 **教程** Tab（`tutorial_md`） |
| 根目录 `DEMO.md` | 普通用户 | 市场 **演示** Tab（`demo_video_url` + `demo_md`） |
| 根目录 `CHANGELOG.md` | 普通用户 | 市场 **更新日志** Tab（`changelog`） |
| `SKILL.md`（本文） | LLM / OpenClaw 平台 | 技能入口、触发与运行契约摘要 |
| `references/` | Agent 编排 / 调用 | CLI、Action、schema 契约 |
| `development/` | 开发者 / AI 编程代理 | 需求、开发教程、测试、技术规范 |

## 目录约定

- CLI 入口固定为 `scripts/main.py`；业务逻辑按 `cli / db / service / util` 分层。
- 业务表：`teacher_profiles`（教师画像）、`guide_tracks`（指南赛道）、`match_reports`（推荐报告）。
- HTML 建议书写入技能数据目录 `html/`（`report-N.html`、批量 `brief-*.html`），重建走固定 Action id `render-html`。

## 平台元数据

- `metadata.openclaw.developer_ids`：发布后默认可见的用户 ID 列表；**发布前必须替换为本人的匠厂用户 ID**。
- 当 `access_scope = 0`（不公开）时，平台会把 `developer_ids` 中的用户自动补写到 `skill_user_access`。