前言¶

科技期刊編輯和論文作者在投稿、編目時，經常需要給文章標註中圖分類號（CLC 分類號）。人工標引的問題在於：同一篇論文從不同角度可以歸入多個類目，標引者要熟悉《中國圖書館分類法》的體系結構和類目之間的優先級，否則容易出現分類號與主題不符、或主分類號選錯的情況。寫一個能調用分類法邏輯的工具，又需要維護分類表數據，成本並不低。

下面介紹的是一個面向這個具體場景的 Agent Skill：論文中圖分類號。它由 SkillHub 用戶 @user_b3d533a7 發佈，屬於 community 來源、professional 分類。

這是什麼¶

一句話定位：根據文章題目，結合檢索到的候選分類信息，按《中國圖書館分類法》的規則給出最適合的中圖分類號。

它解決的問題是：把「題目 → 候選分類 → 分類號」這條鏈路交給模型按統一規則完成，而不是讓編輯每次手工查表。輸出是標準 JSON，最多給 2 個分類號，並按與文章主題的關聯緊密程度降序排列。

目前版本爲 1.0.0。

核心功能¶

已覈實的能力：

1、題目輸入：接收用戶提供的文章題目作爲標引依據。
2、候選分類結合：在標引過程中結合檢索到的候選分類信息，而不是憑空生成類目。
3、規則化標引：按《中國圖書館分類法》的規則給出最適合的中圖分類號。
4、結構化輸出：輸出爲標準 JSON 格式，最多 2 個分類號，按關聯緊密程度降序排列。
5、無密鑰依賴：標籤 requires_api_key=false，不需要額外的 API Key。

觸發場景：當用戶要求標註中圖分類號、查分類號、標引分類號、CLC 分類號、中圖法分類時使用該技能。

安裝與啓用¶

該技能以通用 SKILL.md 格式提供，座標爲 @user_b3d533a7/cls-code-annotator，發佈在 SkillHub。

來源: community
分類: professional
發佈者: user_b3d533a7
座標: @user_b3d533a7/cls-code-annotator

官方地址：

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

需要說明的是，現有公開資料中沒有給出具體的安裝命令或配置文件路徑，因此這裏不杜撰命令。實際使用時請到上述官方頁面獲取安裝方式，並以頁面當前說明爲準。

典型用法¶

下面給出該技能描述的調用形態，輸入是文章題目，輸出是標準 JSON。

輸入示例：

文章題目：基於深度強化學習的微電網能量優化調度方法

期望輸出形態（最多 2 個分類號，按關聯緊密程度降序）：

{
  "classification_codes": [
    { "code": "TM732", "reason": "對應微電網運行與調度類目" },
    { "code": "TP18", "reason": "對應智能控制與優化方法類目" }
  ]
}

上面 JSON 中的類目編號和理由爲說明輸出結構而寫，不是該技能的實際返回值。實際輸出以技能運行結果爲準，請以官方頁面描述的字段名爲準覈對結構。

使用流程可以拆成三步：

1、準備文章題目，儘量提供完整的題名，必要時補充關鍵詞或摘要，減少同名題目帶來的誤判。
2、讓模型按技能觸發條件發起標引，即在要求「標註中圖分類號 / 查分類號 / 標引分類號 / CLC 分類號 / 中圖法分類」時使用該技能。
3、解析返回的 JSON，取第一個分類號作爲主分類號，第二個作爲輔助分類號。

適用場景與注意¶

適合誰：科技期刊編輯、出版社編務、論文作者、圖書情報人員，以及需要把文章主題映射到 CLC 類目的工作流。

需要注意的地方：

1、輸入是題目，不是全文。題目信息不足時，建議補充關鍵詞、摘要或學科領域，否則分類號可能偏粗或偏到相鄰類目。
2、輸出最多 2 個分類號，無法覆蓋需要多個輔助類目的場景。
3、標引結果依賴候選分類信息的質量，候選列表不完整時，分類號也會受影響。
4、中圖分類法有版本之分，使用前請確認所需的類目版本與技能參考的類目一致。
5、該技能來源爲 community，評分、下載量等指標以 SkillHub 頁面當前顯示爲準，不作爲質量承諾。

結尾¶

這個技能的價值在於把中圖分類號標引收斂成一次結構化調用：給題目，得分類號，輸出是 JSON，最多兩個，按關聯度排序。對編輯流程來說，省下的是查表、比對類目、統一輸出格式這幾件重複勞動。

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