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：

match-batch-input 是本技能唯一 async Action；禁止用 bash 跑它再轮询等待。
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。
推荐解读必须说明"仅供参考"；被剔除赛道要读出原因。
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：

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。

6.6 KiB Raw Blame History Unescape Escape