dsh-lawcorpus · 法学论文框架语料库

一个 DeepSeek Harness 插件，内置近三年（2024–2026）四本 CLSCI 法学期刊（中国法学 / 比较法研究 / 法学研究 / 中外法学）真实论文的题名、作者、摘要、关键词与目录骨架，全部本地离线、零依赖。

做的是「论文框架语料库」：把期刊论文的目录（章节小标题）、摘要、关键词、题名结构化存成 JSONL，供模型在选题、仿写、投稿对标时检索与画像。不存全文，不回传任何服务器。

---

语料范围

下表为打包时的快照；具体篇数、按刊/按年分布、完整率以 lawcorpus_status 的实时输出为准。

期刊	2024	2025	2026	合计
中国法学	89	90	74	253
比较法研究	82	82	56	220
法学研究	69	70	58	197
中外法学	42	82	56	180
合计	282	324	244	850（含 3 篇笔谈/编者按）

• 850 = 847 篇标准论文 + 3 篇笔谈/编者按。
• 标准论文的摘要 / 关键词 / 目录完整率均为 100%，无乱码、无缺期号、无单字作者。
• 对照 CLSCI 24 种，还缺 20 本刊（当前只覆盖 4 本）。

数据源限制（如实声明）

1. 中外法学 2024 只有 42 篇——源 PDF 本身只含第 3、4、6 三期（缺 1、2、5 期）。
2. 2026 年各刊篇数偏少——期刊当年尚未出全。
3. 少数期号靠封面 Vol./No. 提取或按「期号缺口」回填，个别可能不精确。
4. 体裁（教义学/实证/比较法/案例评析等）与标题句式是规则 + 词表抽取，只当骨架参考，不保证与期刊官方分类一致。

---

五个工具

工具	用途	关键参数
lawcorpus_status	语料覆盖情况：总篇数、按刊/按年、完整率、缺哪些刊	journal、verbose
lawcorpus_profile	体裁/句式/功能句/字数/关键词画像	journal、yearFrom、yearTo、genre、topic
lawcorpus_frame	按选题抽「框架卡」（问题/方法/结论槽位 + 目录骨架 + 高频词）	topic（必填）、journal、genre、limit
lawcorpus_match	把你的摘要/标题/关键词对标本库，给出最近似论文与差距	abstract（必填）、title、keywords、journal
lawcorpus_export	导出 CSV / JSONL / Markdown	format、journal、yearFrom、yearTo、outFile、includeAbstract、overwrite

导出仅允许写入会话工作区，默认不覆盖已有文件；确需覆盖时显式设置 overwrite=true。lawcorpus_match 的分数表示查询词元覆盖率，用于粗略参考，不代表语义相似概率或投稿录用概率。

典型用法示例：

lawcorpus_frame topic="数据可携权" journal="法学研究"
lawcorpus_match abstract="……" title="……" keywords=["……"] journal="中国法学"
lawcorpus_profile journal="中外法学" yearFrom=2024 yearTo=2026
lawcorpus_status verbose=true

---

安装（DeepSeek Harness desktop profile）

1. 把本目录放进 profile 的 node_modules/dsh-lawcorpus。
2. 在 profile 的 cordis.patch.yml 里插一条：

- insert:
    - id: lawcorpus
      name: dsh-lawcorpus
      config:
        dataDir: ""

1. 在 profile package.json 的 dsh.profile.bundles 数组里加上 "dsh-lawcorpus"。
2. 重启 DeepSeek Harness。

dataDir 留空即直接读插件自带的 data/*.jsonl（只读）。也可以改成自定义目录，放入同格式 JSONL 后本插件照常检索。

JSONL 字段

每行一条记录（data/articles_<刊>_<年>.jsonl）：

{"id":"…","journal":"中国法学","year":2024,"issue":4,"title":"…","authors":["…"],"abstract":"…","keywords":["…"],"outline":["一、…","二、…"],"outlineCount":5,"pages":"…","startPage":88,"type":"article","source":"…","quality":{},"extractedAt":"…"}

---

实现说明

• 纯 ESM、零依赖（无 sqlite / 原生模块），Node ^22.19.0 || >=24.0.0。
• 检索 = 内存 BM25（字段权重：标题 3 / 关键词 4 / 摘要 1，汉字 bigram + 拉丁整词分词）。
• 语料在启动时载入内存并按文件 mtime+size 缓存；千篇以内量级瞬间完成。

自动触发（law-paper-writing skill）

本插件附带了全局 Skill skill/law-paper-writing/SKILL.md。插件加载时（apply 阶段）会自动把它装进 harness-home 的 skills/law-paper-writing/SKILL.md（DSH_HOME 环境变量指向 harness-home），装完插件重启后即可自动触发，无需手动拷贝：检测到你在做法学论文相关事项（写摘要/标题/关键词/目录、选题、润色、审稿自查、投稿对标、搭论证框架）时会自动调用 lawcorpus_* 工具，无需手动点名。详见该 SKILL.md 的触发规则与场景映射表。

自动安装只做「缺失时补齐」：目标文件已存在则不覆盖（保留你改过的版本）；DSH_HOME 未设置或插件包内缺源文件时仅告警跳过，不影响插件加载。若首次重启后 skill 尚未出现在技能列表，再重启一次即可。

提示：具体篇数、覆盖、完整率以 lawcorpus_status 的输出为准；SKILL.md 里不写死数字。

扩展语料（tools/）

tools/ 目录提供从「可搜索」PDF 重建/扩展语料的脚本（build_corpus.py / run_batch.sh / summary.py / analyze.py / 任务书.md）。想加新刊、加新年份、换数据源时先读 tools/README.md 与 tools/任务书.md，再用 bash tools/run_batch.sh <PDF目录> 重建 data/*.jsonl。日常查询无需这些脚本。

边界声明

• 语料为题录层（题名/作者/摘要/关键词/目录），不含全文，无法回答「某篇原文第几段写了什么」。
• 体裁、标题句式、功能句分类为规则抽取，供「骨架参考」，不是官方标注。

变更记录

• v0.2.2：修复 lawcorpus_status 按刊过滤时把已覆盖刊误报为「还没覆盖」；单字主题词查询给出明确提示；导出默认文件名改用本地时间（原为 UTC）；相对 dataDir 改为以插件目录为基准；inject 声明补全 workingDirectory；修正打包中 tools/任务书.md 文件名乱码。
• v0.2.1：lawcorpus_frame 体裁筛选假阴性修复、lawcorpus_match 评分改为词元覆盖率、导出路径安全加固、skill 安装防并发竞态、lawcorpus_status 增加 verbose 逐年矩阵。
• v0.2.0：首版。