/deep-lit-tick

name: deep-lit-tick
description: Run the scoped deep literature loop until relevant papers are saturated.
argument-hint: [--scope topic|idea|experiment] [slug] [--idea idea-slug]

<env>

• cwd 是 agon-artifact（`topics/` / `ideas/` / `workspace/` 路径相对 cwd）。wiki 位置完全由 `$ARXIV_WIKI_DIR/` 配置。
• `${CLAUDE_PLUGIN_ROOT}` 由 Claude Code plugin 运行时注入，指向 Agon 根目录（含 `agents/` / `commands/` / `skills_aris/` ...）。
• `${ARXIV_CACHE_DIR}` 是机器上共享的 arxiv 缓存目录（`paper_cache.db` + 下载的 tex）。wiki 不从缓存目录、其他环境变量或默认路径推断；必须使用 `$ARXIV_WIKI_DIR` 指定的位置。
• arxiv_tool 路径由 `agon:arxiv-tools` skill 在开工时给出，下文 `uv run arxiv_tool.py ...` 示例省略绝对路径，实跑时按 skill 输出替换。

开工前调用 `env-validator` subagent 验证基本环境；它必须检查 `CLAUDE_PLUGIN_ROOT`、`ARXIV_CACHE_DIR`、`ARXIV_WIKI_DIR`。 </env>

You are a dispatcher. You run the deep literature review cycle for a given scope. Your job: search → select → read → wiki → expand → repeat. You never read papers yourself — that is the `deep-lit-reader` agent's job. All literature operations go through arxiv-tool.

<scope> 本 tick 跑在三种 scope 之一, 由参数决定:

• `--scope topic <topic_slug>`: 围绕整个 topic 方向调研。集成时写 landscape + 所有相关 idea。
• `--scope idea <topic_slug> --idea <idea_slug>`: 围绕单个 idea 的具体 method / claim / baseline / 数据集深挖。集成时只写该 idea 文件; 新论文清单交回上层 dispatcher 并入 landscape (避免多个 per-idea 运行并行写 landscape 冲突)。
• `--scope experiment <workspace_slug>`: 服务正在跑的实验, 目标是给当前急需解决的问题找最新工具 / 方法 / 垫脚石 / 实现细节, 同时核对实验有没有撞上别人做过的东西。搜索种子取自实验当前状态 (当前卡点 / 主攻 claim / 正在实现的 method / baseline)。集成时把搜出的全部新文献写进 workspace 的 idea.md (文献总账), 只把命中当前急需问题的解决方案写进 lit-feed.md (inbox)。

三种 scope 共用 `$ARXIV_WIKI_DIR` 指定的 wiki 池, 不重复读已读论文。下文凡涉及 scope 差异处会标注 [topic] / [idea] / [experiment]。 </scope>

<absolute_red_lines> 1. 所有文献搜索、下载、引文查询必须通过 arxiv-tools skill 提供的 `arxiv_tool.py`。禁止编造论文。开工前先用 Skill 工具加载 `agon:arxiv-tools` 取本机绝对路径。 2. B3 选出的每一篇论文都必须派 agent 读。选了几篇就派几个 agent。不许跳过。 3. 每个 `deep-lit-reader` reader 按 local settings 的 `lit_reader_model` 和 dispatch_manual 派发。 4. 结果从 `/tmp/$USER/<topic_slug>-deep-lit-reader-<arxiv_id>-result.json` 收集。 5. B7 对每篇 wiki_written 必须跑 `references` + `cited` + author-search + title-term-search 四项反向扩展, 不是 advisory。跳过任一项视为 tick 失败。 6. E 段 commit 前必须跑自检脚本验证 wiki 真存在 + 反向扩展调用数达标, 不通过视为 tick 失败。 </absolute_red_lines>

A. 准备

A1. 验证环境

调 `env-validator` subagent。有问题立即停下。 阅读 ${CLAUDE_PLUGIN_ROOT}/references/dispatch_manual.md 理解如何用命令行启动 claude/claude-* 和 codex subagent。 读取 local settings: 优先用 `.settings.toml`, 不存在则用 `.settings.example.toml`; 提取 `lit_reader_model` 并告知用户。

A2. 读取课题上下文

Read（cwd 为 agon-artifact，下同）。

[topic] / [idea] scope 读 topics/ 下的方向文件：

• `topics/<topic_slug>.md`（topic 高层方向）
• `topics/<topic_slug>-landscape.md`（landscape，单一事实源，含已有文献 arxiv_id 清单 + 已确认撞车风险）

[idea] scope 额外读：

• `ideas/<idea_slug>.v<latest>.md`（取版本号最大的那个文件）
• `ideas/<idea_slug>-proposal.v<latest>.md`（如存在）

[experiment] scope 改读 workspace 内的文件（实验阶段的上下文都在 workspace 里），不读 topics/ 与 ideas/：

• `workspace/<workspace_slug>/STATE.md`（**当前急需问题的来源**：`### 卡点` / §A6 已知问题 / 当前主攻 claim / §6 下一步）
• `workspace/<workspace_slug>/idea.md`（含已知文献，作为 already-known；其 frontmatter `topic:` 字段给出 topic_slug，下文 wiki 去重沿用该 topic_slug）
• `workspace/<workspace_slug>/proposal.md`、`workspace/<workspace_slug>/landscape.md`

提取核心 research question、核心 claims、已有参考文献 arxiv_id 清单、已确认的撞车风险，压缩为一段 `<topic_context>`（≤1500 字）。搜索 query 的种子按 scope 取：[idea] 用该 idea 的具体 method / claim / baseline / 数据集；[experiment] 用 STATE.md 里当前急需解决的问题（卡点 / 正在实现的 method / 待对比的 baseline），而非泛 topic 方向。

如果 landscape frontmatter 含 `mandatory_authors:` 列表，单独提取保存供 A4 axis 7 使用。

A3. 加载已读记录

Bash 检查 wiki 池（`$ARXIV_WIKI_DIR/`）：

ls "$ARXIV_WIKI_DIR/"*.md 2>/dev/null

对每个 .md，Bash grep 检查是否含 `## Read by: <topic_slug>`。含则将其 arxiv_id 加入 `already_read_ids`。（[experiment] scope 用 A2 从 idea.md frontmatter 取到的 topic_slug 作 key，从而复用 idea 阶段已读的 wiki，不重复读。）

A4. 生成初始搜索关键词

基于 `<topic_context>`，生成 query，强制覆盖以下 6 个 axes（每 axis ≥ 1 组完整 query，总计 ≥ 6 组）：

| axis | 关键词模板 | |---|---| | 方法 | topic 中具体 method / model / 架构词 | | 应用 | 目标领域 / 任务 / use case | | 数据 | dataset / benchmark / domain corpus | | 评估/判断 | judge / soundness / evaluator / pre-execution / first-gate / gatekeeper | | 失败模式 | failure mode / pitfall / fabrication / optimism bias / hallucination / over-judge | | 对抗 framing | 对 `<topic_context>` 中每个核心 claim/moat 生成"竞品 attack 这个 claim 会用什么词"的反向 query |

**额外 axis 7（mandatory_authors 扫盘，可选）**：如果 landscape frontmatter 有 `mandatory_authors: [name1, ...]`，每个 name 生成 1 组 `<name> <topic 核心> 2025 2026` query — 防止该 PI/lab 新作品漏掉（典型 case: missed a lab-specific 2025/2026 benchmark，axis 4 + axis 7 双缺失）。

每组 query 加 `--domain cs --max 15 --year 2025,2026`。后续轮次 A4 不重跑，关键词由 B7 喂入，但若任一 axis 在某轮 B7 派生候选 = 0，下轮 B1 必须显式补一个该 axis 的新 query。

B. 主循环

LOOP:
  B0. Web search 辅助发现（增量补充，非主导）
  B1. arxiv-tool 并行搜索（主导）
  B2. 合并 B0 候选 + B1 结果 → 去重，除 already_read_ids
  B3. 选 6-8 篇最相关（宁多勿漏）
  B4. 选不出 → 终止
  B5. 并行派 agent 读全部选中论文（有几篇派几个 agent）
  B6. 等全部完成，读 /tmp/$USER/*-deep-lit-reader-*-result.json 收集结果
  B7. 从 wiki 中提新关键词
  B8. 加引文/反引文搜索 → 下一轮

B0. Web search 辅助发现（增量）

**定位**：arxiv-tool 是唯一权威文献来源。WebSearch 仅用于发现 arxiv-tool 可能漏掉的候选 arxiv_id（标题变更、社区别名、不在 arXiv/S2/OpenAlex 索引中的情况）。WebSearch 产出的每一条候选都必须过 arxiv-tool `info` 验证，验证不通过的直接丢弃。

**时机**：每轮循环 B1 之前跑一次。首轮必跑，后续轮次如果上轮 web 发现产出少（<2 条有效候选）可以跳过。

用当前活跃关键词拼一组面向 web 的 query（更口语化、更社区导向，与 B1 的学术 query 互补）：

"<topic 核心概念> <替代名称/社区叫法> arxiv 2024 2025 2026"
"<topic 核心概念> dataset benchmark survey github"
"<topic 核心概念> <可能漏掉的关键作者/组名>"

非 arxiv 索引的 corner-case 来源也必须扫一遍（arxiv 不索引但本领域常发新工作处）：

site:github.com trending "<topic 核心概念>" stars:>50 (近 30 天)
site:huggingface.co/datasets OR site:huggingface.co/spaces "<topic 核心概念>" bench
site:openreview.net "<topic 核心概念>"
"awesome-<topic 核心概念>" curated list github
"<topic 核心概念>" workshop NeurIPS OR ICLR OR ICML 2025 2026

每组 query → `WebSearch`。从返回结果中提取：

• 直接出现的 arxiv ID（如 `arXiv:2411.17335` 或 `/abs/2411.17335`）
• 论文标题中包含的技术名词，可追问 `WebSearch "<paper title> arxiv"` 确认 ID

收集到候选 arxiv_id 列表后，逐条过筛子：

uv run a