Add jobs and papers collection workflow

README.md

@@ -11,10 +11,13 @@
 - [Architecture Patterns](docs/02-architecture-patterns.md): 常见 Agent 架构与选型判断
 - [Practice Playbook](docs/03-practice-playbook.md): 从需求到上线的实践清单
 - [Evaluation and Observability](docs/04-evaluation-observability.md): 评估体系、指标、日志和回归
+- [Collection Workflow](docs/05-collection-workflow.md): JD 和论文的持续收集流程
 - [Glossary](docs/99-glossary.md): 统一术语表
+- [Jobs](jobs/README.md): 北京大厂 Agent / LLM 相关岗位要求
+- [Papers](papers/README.md): Agent 相关论文、阅读队列和研究洞察
 - [Projects](projects/README.md): 项目目录、项目记录和复盘
 - [Experiments](experiments/README.md): 实验台账、假设、结果和决策
-- [References](references/README.md): 论文、文章、开源项目和课程资料
+- [References](references/README.md): 文章、开源项目、课程和产品文档
 - [Templates](templates/): 概念笔记、项目记录、实验记录、论文笔记模板
 
 ## Operating Rules
@@ -31,8 +34,9 @@
 1. 看到一个新概念：用 [concept-note](templates/concept-note.md) 写成一页短笔记。
 2. 做一个新项目：从 [project-brief](templates/project-brief.md) 开始。
 3. 验证一个想法：用 [experiment-note](templates/experiment-note.md) 记录假设和结果。
-4. 读一篇论文或文章：用 [paper-note](templates/paper-note.md) 提炼可迁移结论。
-5. 有稳定结论后，把它合并到 `docs/` 的对应主题页。
+4. 收集一条岗位：用 [jd-note](templates/jd-note.md) 提取岗位要求和能力信号。
+5. 读一篇论文：用 [paper-note](templates/paper-note.md) 提炼可迁移结论。
+6. 有稳定结论后，把它合并到 `docs/` 的对应主题页。
 
 ## Status Labels
 
@@ -40,4 +44,3 @@
 - `wip`: 正在验证或补充
 - `validated`: 有项目、实验或可靠资料支撑
 - `deprecated`: 已不推荐使用，但保留原因和替代方案
-

docs/00-knowledge-map.md

@@ -12,7 +12,9 @@ Agent 知识可以按“问题层级”整理，而不是按资料来源堆放
 | 项目 | 我们做过什么，学到了什么 | 项目档案、复盘、可复用组件 |
 | 实验 | 哪些假设被验证或推翻 | 实验记录、指标、结论 |
 | 评估 | 怎么判断 Agent 是否可靠 | 测试集、指标、观测和回归 |
-| 资料 | 外部知识如何沉淀为判断 | 论文笔记、文章摘要、代码阅读 |
+| 岗位 | 市场正在要求什么 Agent 能力 | JD 笔记、技能趋势、能力缺口 |
+| 论文 | 研究里哪些方法和证据值得吸收 | 阅读队列、论文笔记、研究洞察 |
+| 资料 | 外部知识如何沉淀为判断 | 文章摘要、项目阅读、课程和文档笔记 |
 
 ## Taxonomy
 
@@ -56,6 +58,8 @@ Agent 知识可以按“问题层级”整理，而不是按资料来源堆放
 - `experiment`: 来自可复现实验
 - `reference`: 来自论文、文档或优秀开源实现
 - `incident`: 来自失败案例或线上问题
+- `job`: 来自岗位要求和市场信号
+- `paper`: 来自研究论文和 benchmark
 
 ## Maturity Model
 
@@ -74,4 +78,3 @@ Agent 知识可以按“问题层级”整理，而不是按资料来源堆放
 - 假设验证放进 `experiments/`。
 - 外部资料先放进 `references/`，再提炼进 `docs/`。
 - 不确定内容保留 `status` 和 `open_questions`，不要伪装成结论。
-

docs/01-agent-principles.md

@@ -95,4 +95,3 @@ Agent 系统失败经常不是因为没有能力，而是因为没有清晰的
 | Over-planning | 长时间规划但不执行 | 设定下一步可验证动作 |
 | Under-verification | 输出看起来对但没有证据 | 增加测试、日志和审阅 |
 | Unsafe action | 执行高风险外部操作 | 权限分层、确认、回滚方案 |
-

docs/02-architecture-patterns.md

@@ -120,4 +120,3 @@ Agent 在行动前检索知识库、文档、代码或历史记录。
 - 如何记录 trace？
 - 如何评估一次运行是否成功？
 - 如何防止回归？
-

docs/03-practice-playbook.md

@@ -88,4 +88,3 @@ input -> context -> one decision -> one tool/action -> verification -> output
 - [ ] 加入 trace 和日志。
 - [ ] 设计失败和回滚路径。
 - [ ] 记录已知限制。
-

docs/04-evaluation-observability.md

@@ -74,4 +74,3 @@ follow_ups:
 - 是否错过了更便宜或更稳定的路径？
 - 是否产生了不可恢复的副作用？
 - 失败时，日志是否足够定位原因？
-

docs/05-collection-workflow.md

@@ -0,0 +1,216 @@
+# Collection Workflow
+
+这个文档定义我如何帮你持续收集 JD 和论文。
+
+核心原则：先让资料稳定进入知识库，再逐步自动化；不要一开始为了自动化牺牲判断质量。
+
+## Collection Modes
+
+### 1. User-provided Source
+
+你给我链接、截图、岗位描述、论文标题或 PDF，我负责：
+
+- 判断它应该进入 `jobs/`、`papers/` 还是 `references/`。
+- 提取结构化 metadata。
+- 建立 Markdown 笔记。
+- 打标签和关联已有知识。
+- 更新对应的 insight 文件。
+
+适合：
+
+- 你平时看到的单条 JD。
+- 朋友转来的内推信息。
+- 某篇你觉得重要的论文。
+- 临时想整理的一批资料。
+
+### 2. Live Web Sweep
+
+你给我一个范围，我联网收集并整理。
+
+例子：
+
+```text
+收集最近北京大厂 Agent 岗位
+找最近三个月 Agent evaluation 相关论文
+整理 DeepSeek 和腾讯的大模型应用岗位要求
+找 coding agent 方向值得读的 10 篇论文
+```
+
+我会做：
+
+1. 确认范围：时间、公司、地区、关键词、数量、优先级。
+2. 在线检索：优先官方来源，其次可信平台和社区线索。
+3. 去重：按标题、公司、岗位、URL、日期或论文 DOI/arXiv ID 去重。
+4. 记录来源：每条资料都保留 `source_url` 和 `collected_at`。
+5. 结构化：生成 `jobs/items/` 或 `papers/items/` 笔记。
+6. 提炼判断：更新 `market-insights.md` 或 `paper-insights.md`。
+7. 回流知识：标记需要更新的 `docs/`、`experiments/`、`projects/`。
+
+### 3. Batch Import
+
+你给我一批链接、CSV、Markdown、浏览器书签或网页导出，我批量处理。
+
+适合：
+
+- 招聘网站搜索结果。
+- arXiv 搜索结果。
+- 论文清单。
+- 朋友发来的岗位合集。
+
+批量导入会先生成候选清单，不急着全部写成完整笔记。优先级高的条目才进入深度整理。
+
+### 4. Future Automation
+
+当资料量足够大后，再加自动化。
+
+候选能力：
+
+- 从 Markdown frontmatter 生成 `index.json`。
+- 生成搜索、筛选、时间线和标签页。
+- 定期检查 JD 是否过期。
+- 定期拉取论文搜索结果。
+- 把 JD 技能和论文 topic 做关联图谱。
+
+## JD Collection
+
+### Scope
+
+默认范围：
+
+- location: 北京
+- companies: DeepSeek、腾讯、字节、阿里、百度、美团、快手、京东、小米、智谱、月之暗面
+- keywords: Agent、大模型、LLM、RAG、智能体、模型评估、AI Infra、代码智能、AI 产品
+
+### Source Priority
+
+1. 公司官方招聘站和官方发布。
+2. 主流招聘平台。
+3. 技术社区、社交平台和内推帖。
+4. 转载和聚合结果。
+
+### Output
+
+每轮 JD 收集输出三类东西：
+
+- raw items: `jobs/items/*.md`
+- trend update: `jobs/market-insights.md`
+- taxonomy update: `jobs/skill-taxonomy.md`
+
+### JD Extraction Focus
+
+我不会只复制岗位描述，而会重点抽取：
+
+- 硬性技能要求。
+- 高频加分项。
+- 业务方向。
+- 工程成熟度要求。
+- 对 Agent 能力的隐含定义。
+- 和论文、实验、项目的关联。
+- 我们知识库还缺什么。
+
+### Example Prompt
+
+```text
+收集本周北京 DeepSeek、腾讯、字节的 Agent / LLM 应用岗位，优先官方来源，每家公司至少 3 条，如果官方不足再补招聘平台。
+```
+
+## Paper Collection
+
+### Scope
+
+默认主题：
+
+- Agent architecture
+- Tool use
+- Memory
+- RAG
+- Evaluation
+- Multi-agent
+- Coding agent
+- Human-in-the-loop
+- Computer use
+
+### Source Priority
+
+1. 论文原始页面、arXiv、OpenReview、ACL Anthology。
+2. 会议 proceedings。
+3. 作者或项目官方 GitHub。
+4. Papers with Code 和研究博客。
+5. 二手解读文章。
+
+### Output
+
+每轮论文收集输出三类东西：
+
+- queue entries: `papers/reading-queue.md`
+- paper notes: `papers/items/*.md`
+- research update: `papers/paper-insights.md`
+
+### Paper Triage Focus
+
+我会优先判断：
+
+- 这篇论文是否解决 Agent 核心问题。
+- 有没有明确实验或 benchmark。
+- 有没有可复现代码或数据。
+- 是否和 JD 高频技能呼应。
+- 是否能转成实验。
+- 是否值得沉淀进 `docs/`。
+
+### Example Prompt
+
+```text
+找最近 6 个月 Agent evaluation 方向最值得读的论文，优先有 benchmark 或代码的，整理成 reading queue。
+```
+
+## Cross-linking
+
+JD 和论文必须互相打通。
+
+一个技能或概念最好能形成这样的链路：
+
+```text
+Job requirement -> Paper evidence -> Experiment validation -> Project practice -> Docs conclusion
+```
+
+例子：
+
+```text
+agent-evaluation
+  jobs: 哪些公司要求模型评估、Agent benchmark、线上观测
+  papers: 哪些论文定义评估方法和 benchmark
+  experiments: 我们能否复现实验或搭一个 eval harness
+  projects: 哪些项目需要这套评估能力
+  docs: 稳定结论沉淀到 Evaluation and Observability
+```
+
+## Quality Rules
+
+- 时效信息必须带 `collected_at`。
+- 重要事实必须带来源。
+- 资料摘要和个人判断分开写。
+- 不用一个目录决定归类，使用 metadata 多标签。
+- 不确定的内容标记为 `unknown` 或 `needs verification`。
+- 过期 JD 不删除，改状态并保留原因。
+- 论文没有读完时只进入 queue，不伪装成已总结。
+
+## Review Rhythm
+
+建议先用轻量节奏：
+
+| Rhythm | JD | Papers |
+| --- | --- | --- |
+| Weekly | 新增岗位、明显变化 | 新论文线索、阅读队列 |
+| Monthly | 市场技能趋势 | 主题研究洞察 |
+| Quarterly | 能力缺口和学习路线 | 成熟结论回流 `docs/` |
+
+## What I Need From You
+
+默认我可以直接开始收集，但如果你给出这些约束，结果会更准：
+
+- 优先公司名单。
+- 是否只看北京。
+- 是否看实习、校招、社招。
+- 岗位偏工程、研究、产品还是综合。
+- 论文偏最新趋势、经典必读，还是能直接指导项目实现。
+- 每轮希望收集多少条。

docs/99-glossary.md

@@ -27,4 +27,3 @@
 - long-term memory
 - tool reliability
 - agentic workflow
-

jobs/README.md

@@ -0,0 +1,35 @@
+# Jobs
+
+这里持续收集北京大厂 Agent / LLM 相关岗位要求。
+
+重点不是保存 JD 原文，而是分析市场正在要求哪些能力、哪些能力正在变成基础门槛、哪些方向值得补论文和实验。
+
+## Structure
+
+- [items](items/README.md): 每条岗位一个 Markdown 文件
+- [schema](schema.md): JD 笔记字段和写法
+- [source-registry](source-registry.md): 来源优先级、目标公司、搜索方式
+- [skill-taxonomy](skill-taxonomy.md): 岗位能力标签体系
+- [market-insights](market-insights.md): 周期性趋势总结
+
+## Collection Questions
+
+- 北京大厂有哪些 Agent / LLM 相关岗位？
+- 这些岗位反复要求什么技能？
+- 哪些技能是硬门槛，哪些是加分项？
+- 不同公司对 Agent 的理解有什么差异？
+- 哪些岗位要求能反哺到论文阅读、实验和项目规划？
+
+## Workflow
+
+1. 收集岗位链接或原始 JD。
+2. 用 [jd-note](../templates/jd-note.md) 建立结构化笔记。
+3. 按 [skill-taxonomy](skill-taxonomy.md) 打标签。
+4. 更新 [market-insights](market-insights.md)。
+5. 把稳定结论回流到 `docs/`、`papers/`、`experiments/` 或 `projects/`。
+
+## Initial Scope
+
+- location: 北京优先
+- companies: DeepSeek、腾讯、字节、阿里、百度、美团、快手、京东、小米、商汤、智谱、月之暗面等
+- role keywords: Agent、LLM、AIGC、大模型应用、RAG、AI Infra、模型评估、智能体、代码智能、AI 产品

jobs/items/README.md

@@ -0,0 +1,16 @@
+# Job Items
+
+每条岗位一个文件，文件名建议：
+
+```text
+YYYY-MM-DD-company-role-location.md
+```
+
+例子：
+
+```text
+2026-07-08-deepseek-agent-engineer-beijing.md
+2026-07-08-tencent-llm-application-engineer-beijing.md
+```
+
+写入前先检查是否已经有同公司、同岗位、同来源的记录。岗位更新时优先新增 snapshot，不要直接覆盖旧笔记，因为 JD 的变化本身也是趋势信号。

jobs/market-insights.md

@@ -0,0 +1,46 @@
+# Job Market Insights
+
+status: seed
+
+这个文件沉淀 JD 收集后的趋势判断。原始岗位放在 `jobs/items/`，这里记录归纳结论。
+
+## Current Snapshot
+
+- date:
+- scope: 北京，大厂 Agent / LLM 相关岗位
+- sample size:
+- source mix:
+
+## High-frequency Skills
+
+| Skill | Count | Companies | Notes |
+| --- | --- | --- | --- |
+| _TBD_ | _TBD_ | _TBD_ | _TBD_ |
+
+## Company Differences
+
+| Company | Signals | Notes |
+| --- | --- | --- |
+| DeepSeek | _TBD_ | _TBD_ |
+| 腾讯 | _TBD_ | _TBD_ |
+| 字节 | _TBD_ | _TBD_ |
+| 阿里 | _TBD_ | _TBD_ |
+| 百度 | _TBD_ | _TBD_ |
+
+## Role Patterns
+
+- Agent engineer:
+- LLM application engineer:
+- AI infra engineer:
+- AI product manager:
+- AI research engineer:
+
+## Knowledge Gaps
+
+这些是 JD 里出现但知识库尚未充分覆盖的方向：
+
+-
+
+## Follow-up Collection Queue
+
+-

jobs/schema.md

@@ -0,0 +1,96 @@
+# Jobs Schema
+
+JD 笔记使用 YAML frontmatter 加正文。
+
+## Frontmatter
+
+```yaml
+---
+type: job
+company:
+role:
+location: 北京
+source_url:
+source_name:
+source_quality: official / job-board / social / secondary / unknown
+collected_at: YYYY-MM-DD
+posted_at:
+status: active / expired / unknown
+level:
+team:
+business_area:
+employment_type:
+salary:
+skills:
+  - agent
+  - rag
+topics:
+  - tool-use
+  - evaluation
+models:
+  -
+related_papers:
+  -
+related_experiments:
+  -
+related_projects:
+  -
+relevance: high / medium / low
+---
+```
+
+## Body
+
+```text
+# <company> - <role>
+
+## Source Snapshot
+
+来源、采集日期、是否北京岗位、是否仍可访问。
+
+## Raw JD Summary
+
+用自己的话概括岗位职责、任职要求和加分项。不要无选择地复制长段原文。
+
+## Responsibilities
+
+-
+
+## Requirements
+
+-
+
+## Bonus Points
+
+-
+
+## Extracted Signals
+
+- hard requirements:
+- preferred skills:
+- hidden signals:
+- business direction:
+
+## Knowledge Links
+
+- concepts:
+- papers:
+- experiments:
+- projects:
+
+## Gaps for Us
+
+-
+
+## Notes
+
+-
+```
+
+## Field Rules
+
+- `source_url` 必填，除非来源是用户直接提供的截图或文本。
+- `collected_at` 必填，因为 JD 是强时效资料。
+- `skills` 使用 [skill-taxonomy](skill-taxonomy.md) 中的标签，新增标签要同步补充说明。
+- `Raw JD Summary` 只做摘要和结构化提取，避免长篇搬运。
+- `Extracted Signals` 是最重要部分：它把 JD 从资料变成判断。

jobs/skill-taxonomy.md

@@ -0,0 +1,93 @@
+# Job Skill Taxonomy
+
+这是 JD 分析使用的受控标签。新增标签时先放在 `candidate tags`，多次出现后再转正。
+
+## Agent System
+
+- `agent`
+- `planning`
+- `tool-use`
+- `function-calling`
+- `workflow-agent`
+- `multi-agent`
+- `human-in-the-loop`
+- `memory`
+- `browser-agent`
+- `coding-agent`
+
+## LLM Application
+
+- `rag`
+- `prompt-engineering`
+- `context-engineering`
+- `llm-application`
+- `knowledge-base`
+- `chatbot`
+- `ai-assistant`
+- `enterprise-ai`
+
+## Evaluation
+
+- `agent-evaluation`
+- `llm-evaluation`
+- `benchmark`
+- `red-teaming`
+- `observability`
+- `data-quality`
+- `offline-eval`
+- `online-eval`
+
+## Model and Infra
+
+- `model-training`
+- `fine-tuning`
+- `rlhf`
+- `rl`
+- `inference`
+- `serving`
+- `distributed-training`
+- `gpu`
+- `model-compression`
+- `quantization`
+
+## Data and Retrieval
+
+- `embedding`
+- `vector-database`
+- `search`
+- `ranking`
+- `information-retrieval`
+- `data-pipeline`
+- `document-processing`
+
+## Engineering
+
+- `python`
+- `typescript`
+- `backend`
+- `frontend`
+- `fullstack`
+- `system-design`
+- `cloud`
+- `kubernetes`
+- `microservice`
+- `security`
+
+## Product and Business
+
+- `ai-product`
+- `user-research`
+- `product-design`
+- `b2b`
+- `consumer-ai`
+- `office-automation`
+- `customer-service`
+- `developer-tools`
+
+## Candidate Tags
+
+- `long-context`
+- `multimodal-agent`
+- `computer-use`
+- `voice-agent`
+- `mobile-agent`

jobs/source-registry.md

@@ -0,0 +1,76 @@
+# Jobs Source Registry
+
+这个文件记录 JD 收集来源、优先级和搜索策略。
+
+## Source Priority
+
+| Priority | Source Type | Use |
+| --- | --- | --- |
+| 1 | 公司官方招聘站、官方公众号、官方内推页面 | 最可靠，优先采集 |
+| 2 | 主流招聘平台 | 用于补充岗位数量、薪资、级别和描述变化 |
+| 3 | 技术社区、社交平台、内推帖 | 用于发现新岗位和团队方向 |
+| 4 | 二手转载和聚合站 | 只作为线索，不直接当成结论 |
+
+## Target Companies
+
+| Company | Notes | Status |
+| --- | --- | --- |
+| DeepSeek | 模型、推理、Agent、应用和研究岗位重点关注 | watch |
+| 腾讯 | 混元、云、微信、PCG、企业服务等大模型应用场景 | watch |
+| 字节 | 豆包、火山、扣子、搜索、代码智能、AI infra | watch |
+| 阿里 | 通义、云、钉钉、智能编码、企业知识库 | watch |
+| 百度 | 文心、搜索、智能云、Agent 应用 | watch |
+| 美团 | 搜索推荐、效率工具、业务智能化 | watch |
+| 快手 | 内容理解、AIGC、智能创作、Agent 应用 | watch |
+| 京东 | 零售、供应链、客服和企业智能化 | watch |
+| 小米 | 端侧 AI、智能硬件、助手、模型应用 | watch |
+| 智谱 | 模型、Agent、应用平台和企业服务 | watch |
+| 月之暗面 | 长上下文、AI 助手、应用工程 | watch |
+
+## Search Queries
+
+北京岗位：
+
+```text
+site:careers.tencent.com 北京 大模型 Agent
+site:careers.tencent.com 北京 LLM 应用
+site:jobs.bytedance.com 北京 Agent 大模型
+site:jobs.bytedance.com 北京 RAG 大模型
+site:jobs.alibaba.com 北京 大模型 Agent
+site:talent.baidu.com 北京 大模型 Agent
+DeepSeek 北京 Agent 招聘
+DeepSeek 大模型 应用 工程师 北京
+```
+
+招聘平台：
+
+```text
+北京 Agent 工程师 大模型
+北京 LLM 应用工程师 RAG
+北京 大模型评估 工程师
+北京 智能体 工程师
+北京 代码智能 Agent 工程师
+```
+
+## Collection Cadence
+
+- weekly: 新增岗位和明显变化
+- monthly: 高频技能、公司差异和知识缺口汇总
+- quarterly: 判断哪些能力已经从加分项变成基础要求
+
+## Codex Collection Role
+
+当你让我收集 JD 时，我会：
+
+1. 先确认范围：城市、公司、关键词、时间窗口。
+2. 优先查官方来源，再补充招聘平台和社区线索。
+3. 为每条岗位创建 `jobs/items/` 笔记。
+4. 抽取技能、业务方向、隐含能力和知识缺口。
+5. 更新 [market-insights](market-insights.md) 和 [skill-taxonomy](skill-taxonomy.md)。
+6. 标记需要补论文、实验或项目验证的方向。
+
+## Known Friction
+
+- 一些招聘平台需要登录、验证码或限制搜索结果。
+- 同一岗位可能在多个渠道重复出现，需要按公司、岗位、来源和日期去重。
+- JD 过期很快，所有判断都必须带日期。

papers/README.md

@@ -0,0 +1,30 @@
+# Papers
+
+这里持续收集 Agent 相关论文，并把论文转化成可复用判断、实验想法和项目输入。
+
+不按单一主题目录存放论文。每篇论文统一放在 `items/`，通过 metadata 支持多标签、多视图和后续前端索引。
+
+## Structure
+
+- [items](items/README.md): 每篇论文一个 Markdown 文件
+- [schema](schema.md): 论文笔记字段和写法
+- [source-registry](source-registry.md): 来源、搜索方式和筛选规则
+- [reading-queue](reading-queue.md): 阅读队列和优先级
+- [paper-insights](paper-insights.md): 周期性研究洞察
+
+## Collection Questions
+
+- 哪些论文真正解释了 Agent 系统能力？
+- 哪些方法有可靠证据，哪些只是 demo？
+- 哪些论文能指导项目实现或实验设计？
+- 哪些方向和 JD 市场需求形成呼应？
+- 哪些结论应该沉淀到 `docs/`？
+
+## Workflow
+
+1. 收集论文线索。
+2. 放入 [reading-queue](reading-queue.md)。
+3. 用 [paper-note](../templates/paper-note.md) 建立结构化笔记。
+4. 标注 topic、method、benchmark、relevance 和后续实验。
+5. 更新 [paper-insights](paper-insights.md)。
+6. 把稳定结论回流到 `docs/`、`experiments/` 或 `projects/`。

papers/items/README.md

@@ -0,0 +1,16 @@
+# Paper Items
+
+每篇论文一个文件，文件名建议：
+
+```text
+YYYY-first-author-short-title.md
+```
+
+例子：
+
+```text
+2023-yao-react.md
+2024-yang-swe-agent.md
+```
+
+一篇论文可以有多个 topic，不要因为目录位置限制它的归类。后续可通过 frontmatter 生成搜索索引、标签页、图谱和阅读队列。

papers/paper-insights.md

@@ -0,0 +1,40 @@
+# Paper Insights
+
+status: seed
+
+这个文件沉淀论文阅读后的研究判断。单篇论文放在 `papers/items/`，这里记录跨论文的趋势和结论。
+
+## Current Snapshot
+
+- date:
+- scope:
+- papers reviewed:
+
+## Strong Signals
+
+-
+
+## Weak or Unproven Claims
+
+-
+
+## Mature Directions
+
+-
+
+## Emerging Directions
+
+-
+
+## Experiment Candidates
+
+| Idea | Related Papers | Metric | Notes |
+| --- | --- | --- | --- |
+| _TBD_ | _TBD_ | _TBD_ | _TBD_ |
+
+## Links Back to Knowledge Base
+
+- docs to update:
+- experiments to create:
+- projects affected:
+- job skills connected:

papers/reading-queue.md

@@ -0,0 +1,20 @@
+# Reading Queue
+
+status: seed
+
+| Priority | Paper | Topic | Reason | Status | Link |
+| --- | --- | --- | --- | --- | --- |
+| _TBD_ | _TBD_ | _TBD_ | _TBD_ | queued | _TBD_ |
+
+## Priority Rules
+
+- `P0`: 直接影响当前项目或实验。
+- `P1`: 和 Agent 核心能力强相关，有可靠证据。
+- `P2`: 值得了解，但暂不影响近期决策。
+- `P3`: 只作为背景材料。
+
+## Review Rhythm
+
+- 每周补充新条目。
+- 每月清理低价值或重复条目。
+- 阅读完成后移动到 `papers/items/`，并在这里更新状态。

papers/schema.md

@@ -0,0 +1,88 @@
+# Papers Schema
+
+论文笔记使用 YAML frontmatter 加正文。
+
+## Frontmatter
+
+```yaml
+---
+type: paper
+title:
+authors:
+year:
+venue:
+url:
+code_url:
+source: arxiv / openreview / acl / github / blog / other
+collected_at: YYYY-MM-DD
+status: queued / skimmed / reading / summarized / reproduced / deprecated
+relevance: high / medium / low
+topics:
+  - tool-use
+methods:
+  -
+benchmarks:
+  -
+models:
+  -
+datasets:
+  -
+related_concepts:
+  -
+related_jobs:
+  -
+related_experiments:
+  -
+related_projects:
+  -
+---
+```
+
+## Body
+
+```text
+# <paper title>
+
+## One-line Takeaway
+
+一句话说明它对我们有什么价值。
+
+## Problem
+
+它解决什么问题，为什么重要？
+
+## Core Idea
+
+核心方法、系统设计或实验思路。
+
+## Evidence
+
+实验设计、benchmark、样本、对比方法和结果。
+
+## Limitations
+
+-
+
+## Useful For Us
+
+-
+
+## Follow-up Experiments
+
+-
+
+## Links
+
+- concepts:
+- jobs:
+- experiments:
+- projects:
+```
+
+## Field Rules
+
+- `url` 必填。
+- `collected_at` 必填，方便后续看研究趋势。
+- `topics` 可以多选，不要把论文强行归到单一主题。
+- `status` 反映阅读阶段，不代表论文质量。
+- `relevance` 是对本知识库的价值判断，不是论文绝对价值。

papers/source-registry.md

@@ -0,0 +1,87 @@
+# Papers Source Registry
+
+这个文件记录论文收集来源、搜索策略和筛选规则。
+
+## Source Types
+
+| Source | Use |
+| --- | --- |
+| arXiv | 快速发现新论文 |
+| OpenReview | ICLR、NeurIPS 等会议投稿和评审线索 |
+| ACL Anthology | NLP、工具使用、评估和 RAG 相关论文 |
+| Conference proceedings | NeurIPS、ICLR、ICML、ACL、EMNLP、KDD、WWW 等 |
+| Papers with Code | 查找 benchmark、代码和任务关联 |
+| GitHub | 查找系统实现、复现代码和高影响项目 |
+| Company research blogs | 查找工业实践和系统设计线索 |
+
+## Search Queries
+
+Agent 系统：
+
+```text
+LLM agent planning tool use evaluation
+language agents benchmark tool use memory
+autonomous agents LLM planning reflection
+```
+
+RAG 和知识：
+
+```text
+retrieval augmented generation agent memory evaluation
+LLM long context retrieval agent
+agent knowledge base retrieval planning
+```
+
+评估：
+
+```text
+LLM agent evaluation benchmark
+tool use benchmark language model agents
+SWE-bench agent evaluation coding
+```
+
+多 Agent：
+
+```text
+multi-agent LLM collaboration benchmark
+LLM agents debate cooperation workflow
+```
+
+代码 Agent：
+
+```text
+coding agent software engineering benchmark LLM
+SWE-bench agent repair repository
+```
+
+## Triage Rules
+
+优先进入阅读队列：
+
+- 直接解释 Agent 架构、工具使用、记忆、评估或代码 Agent。
+- 有 benchmark、消融实验或可复现代码。
+- 和 JD 高频技能有关。
+- 能生成可执行实验或项目改进。
+
+降低优先级：
+
+- 只有 demo，没有清晰评估。
+- 和 Agent 关联很弱，只是泛泛使用 LLM。
+- 方法高度依赖不可获得的数据或闭源系统。
+
+## Codex Collection Role
+
+当你让我收集论文时，我会：
+
+1. 先确认范围：主题、年份、会议、是否需要最新论文。
+2. 在线检索并优先选择原始论文页、会议页、代码仓库。
+3. 去重并放入 [reading-queue](reading-queue.md)。
+4. 为高优先级论文创建 `papers/items/` 笔记。
+5. 提取方法、证据、限制、可复现实验和项目启发。
+6. 更新 [paper-insights](paper-insights.md)，并把稳定结论回流到 `docs/`。
+
+## Collection Cadence
+
+- weekly: 新论文和高价值代码仓库线索
+- monthly: 主题趋势和阅读优先级调整
+- quarterly: 把成熟结论合并进 `docs/`，把可验证想法转成 `experiments/`

references/README.md

@@ -1,12 +1,14 @@
 # References
 
-这里收集论文、文章、开源项目、课程、产品文档和案例。
+这里收集文章、开源项目、课程、产品文档和案例。
+
+论文已经提升为独立目录，放在 [Papers](../papers/README.md)。
 
 ## Reference Index
 
 | Title | Type | Topic | Status | Notes |
 | --- | --- | --- | --- | --- |
-| _TBD_ | _paper/article/project/course/doc_ | _待补充_ | seed | _待补充_ |
+| _TBD_ | _article/project/course/doc_ | _待补充_ | seed | _待补充_ |
 
 ## Reading Rules
 
@@ -19,5 +21,4 @@
 - 对我们的 Agent 项目有什么可迁移价值？
 - 是否需要做实验验证？
 
-资料笔记建议复制 [paper-note](../templates/paper-note.md)。
-
+论文笔记建议放到 `papers/`。其他资料可以先复用 [paper-note](../templates/paper-note.md)，后续再拆更细模板。

templates/README.md

@@ -5,13 +5,13 @@
 | Template | Use |
 | --- | --- |
 | [concept-note](concept-note.md) | 新概念、新术语、新模式 |
+| [jd-note](jd-note.md) | 北京大厂 Agent / LLM 岗位记录 |
 | [project-brief](project-brief.md) | Agent 项目、原型、工程组件 |
 | [experiment-note](experiment-note.md) | 假设验证、模型对比、策略实验 |
-| [paper-note](paper-note.md) | 论文、文章、开源项目、课程资料 |
+| [paper-note](paper-note.md) | 论文和研究资料 |
 
 ## Rule of Thumb
 
 - 不确定的内容先放模板笔记。
 - 有证据支撑后，再提炼进 `docs/`。
 - 模板里的空字段可以删，但不要删掉 `status` 和核心结论。
-

templates/concept-note.md

@@ -39,4 +39,3 @@ status: seed
 ## Open Questions
 
 -
-

templates/experiment-note.md

@@ -48,4 +48,3 @@ status: seed
 ## Follow-ups
 
 -
-

templates/jd-note.md

@@ -0,0 +1,76 @@
+# Job: <company> - <role>
+
+---
+type: job
+company:
+role:
+location: 北京
+source_url:
+source_name:
+source_quality: official / job-board / social / secondary / unknown
+collected_at: YYYY-MM-DD
+posted_at:
+status: active / expired / unknown
+level:
+team:
+business_area:
+employment_type:
+salary:
+skills:
+  -
+topics:
+  -
+models:
+  -
+related_papers:
+  -
+related_experiments:
+  -
+related_projects:
+  -
+relevance: high / medium / low
+---
+
+## Source Snapshot
+
+- source:
+- collected_at:
+- availability:
+
+## Raw JD Summary
+
+用自己的话概括岗位职责、任职要求和加分项。
+
+## Responsibilities
+
+-
+
+## Requirements
+
+-
+
+## Bonus Points
+
+-
+
+## Extracted Signals
+
+- hard requirements:
+- preferred skills:
+- hidden signals:
+- business direction:
+
+## Knowledge Links
+
+- concepts:
+- papers:
+- experiments:
+- projects:
+
+## Gaps for Us
+
+-
+
+## Notes
+
+-

templates/paper-note.md

@@ -1,26 +1,52 @@
-# Reference: <title>
+# Paper: <title>
 
-status: seed
+---
+type: paper
+title:
+authors:
+year:
+venue:
+url:
+code_url:
+source: arxiv / openreview / acl / github / blog / other
+collected_at: YYYY-MM-DD
+status: queued / skimmed / reading / summarized / reproduced / deprecated
+relevance: high / medium / low
+topics:
+  -
+methods:
+  -
+benchmarks:
+  -
+models:
+  -
+datasets:
+  -
+related_concepts:
+  -
+related_jobs:
+  -
+related_experiments:
+  -
+related_projects:
+  -
+---
 
-## Citation
+## One-line Takeaway
 
-- title:
-- authors:
-- year:
-- link:
-- type: paper / article / project / doc / course
+一句话说明它对我们有什么价值。
 
 ## Problem
 
-它试图解决什么问题？
+它解决什么问题，为什么重要？
 
 ## Core Idea
 
-核心方法或观点是什么？
+核心方法、系统设计或实验思路。
 
 ## Evidence
 
-作者用了什么实验、案例或论证支撑？
+实验设计、benchmark、样本、对比方法和结果。
 
 ## Limitations
 
@@ -30,7 +56,7 @@ status: seed
 
 -
 
-## Not Useful / Be Careful
+## Be Careful
 
 -
 
@@ -38,3 +64,9 @@ status: seed
 
 -
 
+## Links
+
+- concepts:
+- jobs:
+- experiments:
+- projects:

templates/project-brief.md

@@ -50,4 +50,3 @@ input -> context -> decision -> tool/action -> observation -> output
 - what worked:
 - what failed:
 - reusable lessons:
-