AI agent 用的 SCI/SCIE/ESCI/SSCI 期刊查询和投稿选刊 skill。它可以根据期刊名查询指标，也可以根据题名、摘要、关键词或正文片段生成候选期刊梯度，并给出主题匹配、分区、风险和数据来源说明。
它不做文章质量评价，也不预测录用概率。推荐结果表示“这批期刊在主题范围和公开指标上值得复核”，不表示“这篇文章适合投中”。
中文为主，English summary below.
- 论文投稿前，根据摘要或全文片段初筛候选期刊。
- 查询单个期刊的 IF、JCR Q 区、中科院分区、新锐分区、Nature Index、SCI 类型、OA/APC、h-index 和审稿速度。
- 生成
冲刺、稳妥、保底、谨慎四档投稿建议，而不是只按影响因子排序。 - 标出候选期刊的范围匹配、数据缺失、预警、ESCI、WoS 异常和弱匹配风险。
不同 agent、不同输入长度、不同联网状态下，候选期刊差异可能很大。这通常来自几个原因：
- 只给题名或摘要时，工具只能判断主题范围，不能判断创新性、实验完整度、图表质量、审稿风险和写作成熟度。
- 期刊 scope 很细，宽泛关键词会召回很多“看起来相关但不一定适合”的期刊。
- LetPub、OpenAlex、JCR、分区表和期刊官网更新节奏不同，第三方数据可能冲突或滞后。
- 用户目标不同会改变结果：新锐 1 区、保毕业、低版面费、快审、非 OA、避开预警、偏水文或偏环境，都会导向不同名单。
- AI 的主题归类会受输入影响；方法词太强时，可能把应用论文误带到方法类期刊。
所以 sci-select 的定位是“候选生成 + 指标聚合 + 风险提示”。最终投稿前仍需要作者核对期刊官网、近期文章、文章类型、版面费、收录状态和导师/团队偏好。
下载后即可用。仓库自带 assets/sci_select_journals.sqlite，默认包含：
| 字段 | 说明 |
|---|---|
jif_2025 / jcr_quartile_2025 |
2025 JIF 与 JCR Q 区 |
cas_2025 |
2025 中科院分区 |
xuankan_2026 |
2026 新锐分区 |
nature_index |
2026 Nature Index publication-venue 标记 |
issn / eissn |
期刊匹配键 |
warning_latest / tags |
预警和补充标签 |
运行时读取顺序：
SCI_SELECT_JOURNAL_INDEX_DB
↓
SCI_SELECT_JOURNAL_INDEX_PATH / SCI_SELECT_JOURNAL_INDEX_URL
↓
assets/sci_select_journals.sqlite
↓
LetPub / OpenAlex / optional XinRui API
仓库不打包原始 Excel、ShowJCR 原始 jcr.db、ShowJCR 源码或运行缓存。默认库是 sci-select 自己 schema 生成的 SQLite 文件；原始表格和公开页面只作为构建输入。
在支持 skills / agent instructions 的工具里安装：
请从 GitHub 安装这个 skill，并在 SCI 期刊查询、论文投稿选刊、候选期刊对比时优先使用它：
https://github.com/keros68/sci-select
安装后，新开窗口或重启 agent，然后调用：
使用 $sci-select 根据下面这篇论文摘要推荐投稿期刊，并列出冲刺、稳妥、保底和谨慎选择。
不能自动安装时，手动 clone 到 skills 目录：
# Claude Code
git clone https://github.com/keros68/sci-select.git ~/.claude/skills/sci-select
# Codex
git clone https://github.com/keros68/sci-select.git ~/.codex/skills/sci-select
# 通用 agent 目录
git clone https://github.com/keros68/sci-select.git ~/.agents/skills/sci-select没有正式 skill loader 的环境，可以把 SKILL.md 作为 agent instruction 使用。
安装依赖：
pip install -r requirements.txt查询单个期刊：
from scripts.journal_metrics import get_journal_metrics, format_metrics_line
metrics = get_journal_metrics("Environmental Pollution")
print(format_metrics_line(metrics))示例输出：
SCIE | IF=7.2 | NI=2026 | 2025中科院=2区 | 2026新锐=2区
根据论文内容推荐期刊：
from scripts.select_journals import select_journals, format_selection_report
paper_text = """PASTE TITLE + ABSTRACT + KEYWORDS HERE"""
bundle = select_journals(
text=paper_text,
impact_low="3",
# xinrui_partition="1区",
max_candidates=8,
)
print(format_selection_report(bundle["profile"], bundle["results"]))可选：生成出版社官方 Journal Finder 的人工核验链接和复制文本：
from scripts.official_finders import build_finder_checklist, format_finder_checklist
checklist = build_finder_checklist(
title="PASTE TITLE HERE",
abstract=paper_text,
keywords=["keyword 1", "keyword 2"],
)
print(format_finder_checklist(checklist))如需用自己的数据覆盖默认库，可以生成新的 sci-select SQLite：
python -m scripts.build_journal_index \
--cas-2025-xlsx "/path/to/cas_2025.xlsx" \
--xinrui-2026-xlsx "/path/to/xinrui_2026.xlsx" \
--jcr-file "/path/to/jcr_2025.xlsx" \
--nature-index-url "https://www.nature.com/nature-index/faq" \
--sqlite-output "/path/to/sci_select_journals.sqlite"然后配置：
export SCI_SELECT_JOURNAL_INDEX_DB="/path/to/sci_select_journals.sqlite"Windows PowerShell 示例（把路径替换成你自己的 SQLite 文件位置，不要求放在某个固定盘符）：
$env:SCI_SELECT_JOURNAL_INDEX_DB = "$HOME\journal-index\sci_select_journals.sqlite"也支持本地或自托管 JSON：
export SCI_SELECT_JOURNAL_INDEX_PATH="/path/to/search_index.json"
export SCI_SELECT_JOURNAL_INDEX_URL="https://example.com/search_index.json"支持形态：
{"meta": {"source": "local"}, "journals": [{"title": "ENVIRONMENTAL POLLUTION", "issn": "0269-7491", "cas_2025": "2区", "xuankan_2026": "2区"}]}[{"title": "ENVIRONMENTAL POLLUTION", "issn": "0269-7491"}]数据源细节见 references/data-sources.md。
题名 / 摘要 / 关键词 / 正文片段
↓
识别研究对象、研究问题、方法词和细分主题证据
↓
召回候选期刊并聚合本地索引、LetPub、OpenAlex、新锐 API
↓
按 scope 证据、主题契合、风险和指标重排
↓
输出冲刺、稳妥、保底、谨慎梯度报告
官方 Journal Finder 不自动参与默认评分。只有用户主动要求，或候选召回置信度较低时，sci-select 才生成 Elsevier、Springer Nature、Wiley、Taylor & Francis 等官方入口，供用户手动核验。
SKILL.md- skill 主说明和触发规则。assets/sci_select_journals.sqlite- 默认 SQLite 索引。scripts/select_journals.py- 主题识别、候选检索、排序和报告生成。scripts/journal_metrics.py- 已知期刊查询和指标聚合。scripts/build_journal_index.py- SQLite/JSON 索引构建器。scripts/official_finders.py- 官方 Journal Finder 人工核验链接。references/data-sources.md- 数据源说明。examples/demo-report.md- 示例报告。tests/- 行为测试。
python -m unittest discover -s tests -vWindows PowerShell 语法检查：
Get-ChildItem scripts -Filter *.py | ForEach-Object { python -m py_compile $_.FullName }- 不预测录用概率。
- 不评价文章创新性、实验设计、数据质量、图表质量、语言质量或审稿可接受度。
- 不替代作者阅读期刊官网、scope、author guidelines 和版面费政策。
- 不把摘要初筛包装成全文质量评价。
- 不自动登录出版社网站，不绕过验证码、付费墙、机构权限或账号限制。
- 不把 Nature Index、IF 或分区当作唯一排序标准，主题契合仍是第一过滤条件。
- 当前 SCI/SCIE/SSCI/ESCI 收录状态最终应以 Clarivate Master Journal List 或 JCR 复核。
- 不写“中科院2026分区”。中科院分区字段使用
2025中科院，新体系使用2026新锐。
This project is the original sci-select skill by keros68:
https://github.com/keros68/sci-select
The project is released under the MIT License. Redistribution, forks, modified versions, and repackaged copies must preserve the copyright notice and license text. Please do not present modified copies as the original project or imply endorsement by the original author.
sci-select is an AI-agent skill for journal lookup and manuscript-to-journal selection. It can query metrics for known journals, or turn a manuscript title, abstract, keywords, excerpt, or research direction into an evidence-backed list of SCI/SCIE/ESCI/SSCI candidate journals.
It ships with a bundled SQLite index for 2025 JIF/JCR quartiles, 2025 CAS partitions, 2026 XinRui partitions, 2026 Nature Index venue flags, ISSN matching, and warning tags. Optional local SQLite or JSON indexes can override the bundled data.
Typical output includes journal metrics, scope-fit reasons, recommendation tiers, submission bands, risk notes, and missing-source notes. sci-select does not predict acceptance, replace journal author guidelines, automate publisher logins, bypass access restrictions, or treat abstract-only screening as a full manuscript quality review.
Quick use:
Use $sci-select to recommend suitable journals for this paper abstract, including ambitious, solid, safer, and cautious options.
Python:
pip install -r requirements.txtfrom scripts.select_journals import select_journals, format_selection_report
bundle = select_journals(text=paper_text, impact_low="3", max_candidates=8)
print(format_selection_report(bundle["profile"], bundle["results"]))MIT. See LICENSE.