前言¶

科技期刊编辑和论文作者在投稿、编目时，经常需要给文章标注中图分类号（CLC 分类号）。人工标引的问题在于：同一篇论文从不同角度可以归入多个类目，标引者要熟悉《中国图书馆分类法》的体系结构和类目之间的优先级，否则容易出现分类号与主题不符、或主分类号选错的情况。写一个能调用分类法逻辑的工具，又需要维护分类表数据，成本并不低。

下面介绍的是一个面向这个具体场景的 Agent Skill：论文中图分类号。它由 SkillHub 用户 @user_b3d533a7 发布，属于 community 来源、professional 分类。

这是什么¶

一句话定位：根据文章题目，结合检索到的候选分类信息，按《中国图书馆分类法》的规则给出最适合的中图分类号。

它解决的问题是：把「题目 → 候选分类 → 分类号」这条链路交给模型按统一规则完成，而不是让编辑每次手工查表。输出是标准 JSON，最多给 2 个分类号，并按与文章主题的关联紧密程度降序排列。

目前版本为 1.0.0。

核心功能¶

已核实的能力：

1、题目输入：接收用户提供的文章题目作为标引依据。
2、候选分类结合：在标引过程中结合检索到的候选分类信息，而不是凭空生成类目。
3、规则化标引：按《中国图书馆分类法》的规则给出最适合的中图分类号。
4、结构化输出：输出为标准 JSON 格式，最多 2 个分类号，按关联紧密程度降序排列。
5、无密钥依赖：标签 requires_api_key=false，不需要额外的 API Key。

触发场景：当用户要求标注中图分类号、查分类号、标引分类号、CLC 分类号、中图法分类时使用该技能。

安装与启用¶

该技能以通用 SKILL.md 格式提供，坐标为 @user_b3d533a7/cls-code-annotator，发布在 SkillHub。

来源: community
分类: professional
发布者: user_b3d533a7
坐标: @user_b3d533a7/cls-code-annotator

官方地址：

https://api.skillhub.cn/user_b3d533a7/cls-code-annotator
页面：https://www.skillhub.cn/skills/user_b3d533a7/cls-code-annotator

需要说明的是，现有公开资料中没有给出具体的安装命令或配置文件路径，因此这里不杜撰命令。实际使用时请到上述官方页面获取安装方式，并以页面当前说明为准。

典型用法¶

下面给出该技能描述的调用形态，输入是文章题目，输出是标准 JSON。

输入示例：

文章题目：基于深度强化学习的微电网能量优化调度方法

期望输出形态（最多 2 个分类号，按关联紧密程度降序）：

{
  "classification_codes": [
    { "code": "TM732", "reason": "对应微电网运行与调度类目" },
    { "code": "TP18", "reason": "对应智能控制与优化方法类目" }
  ]
}

上面 JSON 中的类目编号和理由为说明输出结构而写，不是该技能的实际返回值。实际输出以技能运行结果为准，请以官方页面描述的字段名为准核对结构。

使用流程可以拆成三步：

1、准备文章题目，尽量提供完整的题名，必要时补充关键词或摘要，减少同名题目带来的误判。
2、让模型按技能触发条件发起标引，即在要求「标注中图分类号 / 查分类号 / 标引分类号 / CLC 分类号 / 中图法分类」时使用该技能。
3、解析返回的 JSON，取第一个分类号作为主分类号，第二个作为辅助分类号。

适用场景与注意¶

适合谁：科技期刊编辑、出版社编务、论文作者、图书情报人员，以及需要把文章主题映射到 CLC 类目的工作流。

需要注意的地方：

1、输入是题目，不是全文。题目信息不足时，建议补充关键词、摘要或学科领域，否则分类号可能偏粗或偏到相邻类目。
2、输出最多 2 个分类号，无法覆盖需要多个辅助类目的场景。
3、标引结果依赖候选分类信息的质量，候选列表不完整时，分类号也会受影响。
4、中图分类法有版本之分，使用前请确认所需的类目版本与技能参考的类目一致。
5、该技能来源为 community，评分、下载量等指标以 SkillHub 页面当前显示为准，不作为质量承诺。

结尾¶

这个技能的价值在于把中图分类号标引收敛成一次结构化调用：给题目，得分类号，输出是 JSON，最多两个，按关联度排序。对编辑流程来说，省下的是查表、比对类目、统一输出格式这几件重复劳动。

官方地址：https://api.skillhub.cn/user_b3d533a7/cls-code-annotator