分析某位导师之前，先看数据：科研实力 · 一作让渡 · 一作集中度 · 成果压制 · 延毕率，五维量化，不靠猜。
① 作为 AI 助手的 Skill（推荐给使用 AI 助手的同学）
SKILL.md 是一份可直接加载给 AI 助手（如 WorkBuddy）执行的方法论：当你说"分析一下 XX 老师"，AI 会自动完成论文检索 → 分区标注 → 知网延毕率推断 → 五维报告的全流程。无需自己动手收集数据。
② 作为独立 Python 工具（不依赖 AI）
scripts/ 下的脚本纯标准库、零依赖，任何人都可以手动收集数据（OpenAlex 自动抓取 + 手工补填分区 + 知网查询）后离线计算五维指标。
两种用法共享同一套数据格式与判定标准，下文"快速开始"按独立工具方式说明，AI 用法见 SKILL.md。
把项目给 AI 助手用时，先让 AI 拿到本仓库的全部文件（SKILL.md + scripts/ + references/），再让它加载 SKILL.md：
# 方式 A：git clone（推荐，保持更新）
git clone https://github.com/THC-ENG/mentor-analysis.git
# 方式 B：下载 zip 解压
# https://github.com/THC-ENG/mentor-analysis/archive/refs/tags/v1.0.0.zip然后对你的 AI 助手说："读取 mentor-analysis/SKILL.md，按其中的方法分析 XX 老师" 即可。
- WorkBuddy 用户：把
mentor-analysis目录放进~/.workbuddy/skills/（用户级技能目录）后重启会话，之后直接说"分析 XX 老师"即可自动触发。 - 其他 AI 助手（Claude/ChatGPT 等）：把
SKILL.md内容粘贴进对话或作为 system prompt 的一部分，并确保它能访问本目录下的scripts/与references/文件。
在读研/保研/申博之前，用公开数据回答这些关键问题：
- 这个组整体科研实力怎么样？—— 一二区论文占比
- 导师会不会抢学生一作？—— 导师本人一作占比
- 组里一作是否被**"嫡系/关系户"垄断**？—— 一作集中度（top1 / HHI）
- 导师压不压成果？—— 三四区论文占比
- 学生能不能按时毕业？—— 从知网毕业论文编号推断的延毕率
| # | 维度 | 指标 | 回答的问题 |
|---|---|---|---|
| 1 | 科研实力 | 一二区论文占比 | 组内成果质量如何？ |
| 2 | 一作让渡 | 导师一作占比 | 导师是否把一作留给学生？ |
| 3 | 一作集中度 | top1/top3 占比、HHI | 一作是否被少数人垄断？ |
| 4 | 成果压制 | 三四区论文占比 | 是否压成果 / 毕业要求是否过高？ |
| 5 | 毕业保障 | 硕博延毕率 | 学生能否按时毕业？ |
延毕率推断原理：知网毕业论文封面左上角的论文编号前 4 位 = 入学年份（学号年份），落款时间 = 学位授予时间，两者相减即毕业用时（如 2019XXXX + 2022年6月 = 3 年毕业）。
需要 Python 3.9+，无第三方依赖（纯标准库）。
# 1. 从 OpenAlex 自动抓取导师近五年论文 → papers.json
python scripts/fetch_openalex.py "Wei Zhang" \
--institution "Example University" \
--years 5 --output papers.json
# 2. 手工补填 papers.json 中的 zone 字段（期刊分区，见 references/data-sources.md）
# —— OpenAlex 不提供分区信息
# 3. 准备 theses.json（知网毕业论文，结构见下方）
# 4. 计算五维指标
python scripts/compute_metrics.py papers.json theses.json \
--mentor "Wei Zhang" \
--recent-years 5 --senior --group-size 8 \
--output metrics.jsonpython scripts/compute_metrics.py examples/papers.json examples/theses.json \
--mentor "Zhang Wei" --output examples/metrics_example.json
# 示例报告见 examples/report-example.mdpython -m unittest discover -s tests -v # 无 pytest 依赖
# 或
pytest tests/ -vpapers.json（每篇论文一条）：
{
"papers": [
{
"title": "论文标题",
"year": 2023,
"journal": "期刊名",
"zone": "一区",
"authors": ["Zhang Wei", "Li Ming"],
"first_author": "Li Ming",
"co_first": [],
"corresponding": ["Zhang Wei"],
"type": "article"
}
]
}zone 取值：一区/二区/三区/四区 或 Q1–Q4，查不到填 null。
theses.json（每篇毕业论文一条，来自知网封面）：
{
"theses": [
{
"student": "Li Ming",
"degree": "博士",
"enroll_year": 2018,
"grant_year": 2023,
"grant_month": 6,
"note": ""
}
]
}enroll_year：论文编号前 4 位（入学年份）grant_year：落款时间年份（学位授予年份）degree：硕士 / 博士 / 硕博连读 / 直博
compute_metrics.py：
| 参数 | 默认 | 说明 |
|---|---|---|
--mentor |
必填 | 导师姓名（别名逗号分隔，如 "Zhang Wei,Wei Zhang"） |
--recent-years |
5 | 只统计最近 N 年论文（传 0 不过滤） |
--ms-std / --phd-std |
3 / 5 | 硕博标准学制（2 年制专硕传 --ms-std 2） |
--senior |
关 | 导师为资深教授，维度 2 判定更严格 |
--group-size |
5 | 组内在读人数估算，维度 2 判定校准 |
--output |
metrics.json | 输出路径 |
--no-judge |
关 | 只出统计量，不出判定标签 |
mentor-analysis/
├── SKILL.md # 完整方法论（供 AI 助手加载执行）
├── scripts/
│ ├── compute_metrics.py # 五维指标计算（纯标准库）
│ └── fetch_openalex.py # OpenAlex 自动抓取论文 → papers.json
├── references/
│ ├── data-sources.md # 数据源：论文检索 / 期刊分区 / 知网
│ └── graduation-method.md # 延毕率推断方法论（学号年份 vs 授予时间）
├── assets/
│ └── report-template.md # 分析报告模板
├── examples/ # 示例数据 + 示例报告（匿名化）
├── tests/ # 单元测试（20 项）
├── .github/workflows/ci.yml # GitHub Actions CI（多版本 Python 跑测试）
└── LICENSE # MIT
Q: 分区怎么查？
A: 用 WebSearch 查"《期刊名》 中科院分区"，或 LetPub / EasyScholar。详见 references/data-sources.md。计算机学科看顶会（CCF A 类），不适用期刊分区。
Q: 没有知网权限怎么办？
A: 用万方 / 维普 / 学校研究生院公示 / WebSearch"学校 导师 博士论文 年份"降级获取，详见 references/graduation-method.md。
Q: 论文数据不全怎么办？ A: OpenAlex 中文覆盖有限，建议与导师主页、Google Scholar 交叉补充；报告会标注数据局限。
- 数据来源合规：OpenAlex 为开放许可（CC0，详见其 API 条款）；知网检索必须遵守 CNKI 使用条款，本项目仅提供方法论，不绕过任何付费墙，请在有合法访问权限的前提下使用。
- 个人使用：本项目面向个人升学决策参考，示例数据均已匿名化。请勿用于商业用途或对导师、学生进行公开评价。
- 判定阈值是经验值：五维判定阈值为经验设定，不同学科（计算机顶会 vs 生医期刊 vs 化学材料）差异显著，请结合学科背景解读。本工具输出的是统计数据，不是对任何人的评价。