文曲文库

它解决什么问题

动笔写文章之前的素材收集，通常有两种坏结果：要么随手把看到的网页全部塞进一个目录，等真正开始写时发现一半是弱相关内容；要么只存了链接，回头找不到原文细节，也说不清某个数字来自哪里。文曲·文库（wenqu-library）处理的是「带着写作意图做收集」这件事——在选题、写作目标和大致范围初步清楚之后，先找真正有用的相似文章和资料，并为每条素材留下可追溯的来源。

它同时区分两个层次：全局文库是跨文章、可长期沉淀的个人知识库，只保存提炼后的条目和原始链接；单篇文章的原始文件则归本篇素材目录管理，由后续写作环节（wenqu-write）使用，两者职责不混。

核心能力与工作方式

素材收集走四步流程：规划 → 搜索 → 下载 → 整理。

• 规划：根据写作规划产出收集清单——要找哪些相似文章（写法参考）、哪些相关素材（事实素材）、中英文关键词组合、预计抓取数量。清单经用户确认后才开始执行，这是内容范围的唯一确认点。
• 搜索：默认走 wenqu library search，覆盖百度、必应、Brave、搜狗、CSDN、掘金等多个引擎；CLI 未授权或整体失败时，回退到 agent 自带搜索，并在索引中登记检索渠道为 agent-native，不静默跳过。
• 下载：默认路径是 wenqu library fetch（内部封装 Crawl4AI），产物写入本篇素材目录对应分类；整站抓取时 --max-pages 必须显式限制。授权或安装失败时改用 agent 自带抓取作为回退，并登记失败原因。
• 整理：通读下载产物写摘要，按规则写入 index.md；与全局文库去重后，把可跨文章复用的条目提炼回收为全局条目（全局文库编号 L1、L2…，本篇素材编号 M1、M2…）。

index.md 每条素材登记来源（完整 URL 或 path:line）、来源类型、检索渠道、用途（写法参考或事实素材）、2~4 个标签与关联章节；另设冲突裁决与评测设计两个专项区，供审查阶段读取。

适用边界

• 相似文章只能当写法参考：它帮助判断切入角度、章节组织与叙事方式，不能直接当事实依据；支撑正文的机制、数字、案例必须来自事实素材。
• 规划驱动，不做无边界囤积：没有明确题目方向和范围时不应开始收集；--max-pages 等限量参数必须显式设置。
• 失败可见：抓取失败的 URL 要登记原因，回退到原生抓取同样登记，不允许悄悄跳过。
• CLI 是默认路径而非可选增强：搜索与下载均以 wenqu library 为默认，agent 自带能力仅在 CLI 不可用时作回退，且回退必须记录原因。