PEOPLE · RAG · AGENTS

把完整目录交给你的 Agent

一行克隆，本地检索，将可追溯的资源记录接入 RAG 和 Agent。完整目录无需账号或 API Key。

1. 克隆完整数据

git clone https://github.com/reacher-z/Awesome-CUA.git
cd Awesome-CUA
git rev-parse HEAD

直接读取 data/catalog.jsonl，或使用以下 Python 3.11+ 命令。检索和导出只需标准库，无需模型服务或安装依赖。保存 Git commit，便于复核所使用的数据快照。

版本化数据快照提供可重复使用的完整数据 ZIP。校验 SHA256SUMS，并保留 release-manifest.json 中的源提交与目录指纹。数据包包含目录、RAG、引用和专题子集；以下仓库 CLI 命令需要克隆源代码后运行。

2. 先检索，再深入阅读

python3 scripts/catalog.py search "grounding" --kind model --status curated --json
python3 scripts/catalog.py search --kind dataset --environment android --status curated --limit 0 --json
python3 scripts/catalog.py search --kind paper --status curated --topic reinforcement-learning --limit 0 --json

检索按关键词进行 AND 匹配。没有结果时可尝试别名；--limit 0 返回全部匹配项。审阅状态、平台和主题标签反映目录已经核实的范围。

用稳定 ID 读取记录

python3 scripts/catalog.py get arxiv:2404.07972 --json
python3 scripts/catalog.py get arxiv:2404.07972 --related --json

按方向整理资料时，可先打开主题目录。对应的JSON 清单提供精确的已审阅资源 ID、完整记录子集、引用和文件指纹。下载的 records.jsonl 可作为 export_rag.py --input 的输入，构建专题检索库。主题可以交叉，同一主题不表示资源间存在依赖关系。

精确查询返回完整原记录。关联查询补充双向的已审阅关系与来源。未知 ID 和已排除 ID 会返回不同的非零退出码，不会被当作当前有效记录。

用已记录的仓库旧名检索

python3 scripts/catalog.py get github:mnotgod96/appagent --json
python3 scripts/catalog.py search "https://github.com/mnotgod96/AppAgent" --json

以上命令返回 AppAgent 的规范记录，关联查询和检索库更新应使用返回的 id。仓库身份记录通过成对的官方 API 收据，将旧名与当前名称绑定到同一个 GitHub 数字仓库 ID。这些是带日期的身份依据，不新增资源，也不改变审阅状态。目录和 RAG 记录均保留别名及其证据。

每条资源页面都有 record.json，可直接通过 HTTP 读取。范围排除项会返回明确的 excluded 决定，而非有效资源记录。 JSON 示例.

3. 接入 RAG

python3 scripts/export_rag.py --output dist/rag-documents.jsonl
python3 scripts/export_rag.py --include-metadata --output dist/rag-all-records.jsonl
python3 scripts/catalog.py build

将 text 字段用于检索，并完整保留 metadata。使用 id 作为稳定的更新键。建议先使用已审阅导出；完整导出还包含相关性待审阅的论文。SQLite 会生成到 dist/catalog.sqlite。

字段	用途
`id` `metadata.resource_id`	稳定的资源标识
`text`	标题、原创注释、上下文和来源链接
`metadata.review_status` `metadata.scope`	用于筛选，并说明证据边界
`metadata.citation_url` `metadata.source_url`	目录固定链接与一手来源；已知时指向记录的 arXiv 版本
`metadata.evidence` `metadata.last_verified_at`	来源收据、指纹和核验日期
`metadata.licenses` `metadata.relations`	分开的许可范围及已审阅关联
`metadata.record_sha256`	检测规范化后的原始资源 JSON 对象是否发生变化

直接读取 catalog.jsonl 或 record.json 时，原记录使用 url 和 details.arxiv_snapshot；上表中的 metadata 引用链接与记录指纹由 RAG 导出器生成。目录与 RAG 字段对照。

4. 导出论文引用

python3 scripts/export_citations.py --format bibtex --output dist/citations.bib
python3 scripts/export_citations.py --format csl-json --output dist/citations.csl.json
python3 scripts/export_citations.py --id arxiv:2404.07972 --format bibtex

默认导出已审阅论文与综述；添加 --include-metadata 可包含全部当前书目。未知的会议和标识不会被猜测补全，首次提交日期与版本更新时间分别保留。每篇论文页面也提供独立 BibTeX 和 CSL JSON 下载。

选择正式出版版

python3 scripts/export_citations.py --edition publication --format bibtex --output dist/publication-citations.bib

这会选择具有出版信息的已审阅条目。出版版使用自己的题名、作者、会议／期刊和日期；默认 arXiv 引用仍保留原预印本版本。只有出版来源的条目在两种模式下使用同一出版记录。仅知年或月的日期保持原精度。

Publication BibTeX · Publication CSL JSON · 出版来源记录

直接下载

打开数据中心 · 完整下载清单

清单为每个主要导出记录数量、单位、范围、文件大小和 SHA-256。不同导出的内容可能交叉；入库前校验文件指纹，并随检索快照保存 catalog_sha256。

完整目录 — 全部当前资源及完整来源记录。
SQLite 数据库 — 资源、标签、关联关系与全文搜索。
已审阅检索文档 — 每项已审阅资源对应一份文档，保留引用与来源。
全部检索文档 — 包含论文元数据条目，并保留其待审阅状态。
已审阅论文引用 · BibTeX — 保留原作者、日期和记录的论文版本。
已审阅论文引用 · CSL JSON — 用于文献管理工具的结构化书目。
RAG 导出清单 — 文档数量、SHA-256 指纹与原始目录指纹。

让回答保留证据

“已审阅”表示经过 AI 辅助的一手来源编辑核读。“元数据已核验”只确认书目身份，不代表相关性或研究结论已经验证。回答时引用一手来源和目录链接，保留日期、版本与未知字段。论文、代码、数据集和权重可能属于同一项目的不同资源。

元数据条目可能尚待初审，也可能是在阅读来源后暂缓收录。已记录的暂缓原因见覆盖台账；暂缓条目仍不进入已审阅检索导出。

导出内容是目录元数据和原创注释。论文全文、模型权重和训练样本由原发布方提供；代码、数据、权重和文档许可分别记录。

更新与核对

更新到新的 Git commit，或获取新的导出清单。用 record_sha256 比较变更，并对照完整目录和排除台账处理消失的 ID；范围审阅后的排除项不应继续留在检索结果中。发现流程每日计划执行三次，实际执行结果和缺口公开记录在更新页。

扫描进展 · 覆盖台账 · 审阅方法