القائمة
深度分析单篇论文，生成详细笔记和评估，图文并茂 / Deep analyze a single paper, generate detailed notes with images
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
顶级会议论文搜索推荐 - 搜索 CVPR/ICCV/ECCV/ICLR/AAAI/NeurIPS/ICML 等顶会论文
从论文中提取图片，优先从arXiv源码包获取真正的论文图
协作精读论文，通过讨论实时改进笔记草稿 / Collaborative deep reading with real-time note refinement
在已整理的论文笔记中搜索相关内容
论文阅读工作流启动 - 生成今日论文推荐笔记 / Paper reading workflow starter - Generate daily paper recommendations
| name | paper-analyze |
| description | 深度分析单篇论文，生成详细笔记和评估，图文并茂 / Deep analyze a single paper, generate detailed notes with images |
| allowed-tools | Read, Write, Bash, WebFetch |
This skill supports both Chinese and English reports. The language is determined by the language field in your config file:
language: "zh" in configlanguage: "en" in configThe config file should be located at: $OBSIDIAN_VAULT_PATH/.claude/config/research_interests.yaml
At the start of execution, read the config file to detect the language setting:
# Read language from config
LANGUAGE=$(grep -E "^\s*language:" "$OBSIDIAN_VAULT_PATH/.claude/config/research_interests.yaml" | awk '{print $2}' | tr -d '"')
# Default to Chinese if not set
if [ -z "$LANGUAGE" ]; then
LANGUAGE="zh"
fi
Then use this language setting throughout the workflow:
--language $LANGUAGE to scriptsYou are the Paper Analyzer for OrbitOS.
对特定论文进行深度分析，生成全面笔记，评估质量和价值，并更新知识库。
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 设置变量（从环境变量 OBSIDIAN_VAULT_PATH 读取，或让用户指定）
PAPER_ID="[PAPER_ID]"
VAULT_ROOT="${OBSIDIAN_VAULT_PATH}"
PAPERS_DIR="${VAULT_ROOT}/论文"
接受输入格式：
搜索已有笔记
论文/目录中搜索读取论文笔记
# 下载PDF
curl -L "https://arxiv.org/pdf/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].pdf
# 保存PDF副本到vault（供 paper-read 精读时使用）
PDF_VAULT_DIR="${VAULT_ROOT}/资源/PDF/论文"
mkdir -p "$PDF_VAULT_DIR"
PAPER_TITLE="[论文标题，保留原始空格]"
cp /tmp/paper_analysis/[PAPER_ID].pdf "${PDF_VAULT_DIR}/${PAPER_TITLE}.pdf"
# 下载源码包（包含TeX和图片）
curl -L "https://arxiv.org/e-print/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].tar.gz
tar -xzf /tmp/paper_analysis/[PAPER_ID].tar.gz -C /tmp/paper_analysis/
# 使用curl获取arXiv页面
curl -s "https://arxiv.org/abs/[PAPER_ID]" > /tmp/paper_analysis/arxiv_page.html
# 提取关键信息（使用通用正则，适用于任何论文）
TITLE=$(grep -oP '<title>\K[^<]*' /tmp/paper_analysis/arxiv_page.html | head -1)
AUTHORS=$(grep -oP 'citation_author" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | paste -sd ', ')
DATE=$(grep -oP 'citation_date" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | head -1)
# 读取各章节内容
cat /tmp/paper_analysis/1-introduction.tex > /tmp/paper_analysis/intro.txt
cat /tmp/paper_analysis/2-joint-optimization.tex > /tmp/paper_analysis/methods.txt
cat /tmp/paper_analysis/3-agent-swarm.tex > /tmp/paper_analysis/agent_swarm.txt
cat /tmp/paper_analysis/5-eval.tex > /tmp/paper_analysis/eval.txt
获取论文元数据
id_list=[arXiv ID]获取PDF内容和图片
资源/论文图片/[论文标题]/images/index.md提取关键概念
总结研究目标
生成中文翻译
识别核心方法
分析方法结构
评估方法新颖性
提取实验设置
提取结果
评估实验严谨性
研究价值
局限性
未来工作
与相关工作对比
统一格式
$...$$$...$$ 并单独成行避免不可渲染写法
推荐写法
$L(\theta)$$$\theta^* = \arg\min_\theta L(\theta)$$复杂公式
$$...$$# 复制figures目录到目标位置
cp /tmp/paper_analysis/*.{pdf,png,jpg,jpeg} "${VAULT_ROOT}/资源/论文图片/${PAPER_TITLE}/" 2>/dev/null
# 列出复制的内容
ls "${VAULT_ROOT}/资源/论文图片/${PAPER_TITLE}/"
# 根据论文内容确定领域
# 推断规则（与 research_interests.yaml 域名一致）：
# - 如果提到 TTS/speech synthesis/voice/codec/vocoder/audio generation → 语音合成
# - 如果提到 ASR/speech recognition/speaker/diarization → 语音识别
# - 如果提到 vision/visual/image/video/multimodal/VLM/CLIP → 多模态
# - 如果提到 language model/LLM/MoE/transformer/foundation/training → 大语言模型
# - 否则 → 大语言模型（默认）
PAPERS_DIR="${VAULT_ROOT}/论文"
DOMAIN="[推断的领域]"
PAPER_TITLE="[论文标题，保留原始空格]"
NOTE_PATH="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}.md"
IMAGES_DIR="${VAULT_ROOT}/资源/论文图片/${PAPER_TITLE}"
INDEX_PATH="${IMAGES_DIR}/index.md"
# 调用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --authors "[作者]" --domain "[领域]" --language "$LANGUAGE"
当分析完成后，调用obsidian-markdown skill来确保格式正确，然后手动补充详细内容。
---
date: "YYYY-MM-DD"
paper_id: "arXiv:XXXX.XXXXX"
title: "论文标题"
authors: "作者列表"
domain: "[领域名称]"
tags:
- 论文笔记
- [领域标签]
- [方法标签-无空格] # 标签名不能有空格，空格替换为-
# ⚠️ 标签名格式规则
# Obsidian的tag名称不能包含空格，如有空格需用短横线(-)连接
# 例如：
# "Agent Swarm" → "Agent-Swarm"
# "Visual Agentic" → "Visual-Agentic"
# "MoonViT-3D" → "MoonViT-Three-D"
#
# Python脚本(scripts/generate_note.py)会自动处理标签名中的空格
# 将所有tag.replace(' ', '-')移除空格
- [相关论文1] ← 在tags中添加相关论文
- [相关论文2] ← 在tags中添加相关论文
quality_score: "[X.X]/10"
pdf: "[PAPER_TITLE].pdf"
created: "YYYY-MM-DD"
updated: "YYYY-MM-DD"
status: analyzed
---
# [论文标题]
## 核心信息
- **论文ID**：arXiv:XXXX.XXXXX
- **作者**：[作者1, 作者2, 作者3]
- **机构**：[从作者推断或查看论文]
- **发布时间**：YYYY-MM-DD
- **会议/期刊**：[从categories推断]
- **链接**：[arXiv](链接) | [PDF](链接)
- **引用**：[如果可获取]
## 摘要翻译
### 英文摘要
[论文的英文摘要原文]
### 中文翻译
[将英文摘要翻译成流畅的中文，保持学术术语的准确性]
### 核心要点提炼
- **研究背景**：[该研究领域的现状和存在的问题]
- **研究动机**：[为什么要做这项研究]
- **核心方法**：[一句话概括主要方法]
- **主要结果**：[最重要的实验结果]
- **研究意义**：[该研究对领域的贡献]
## 研究背景与动机
### 领域现状
[详细描述该研究领域当前的发展状况]
### 现有方法的局限性
[深入分析现有方法存在的问题：]
### 研究动机
[解释为什么需要这项研究：]
## 研究问题
### 核心研究问题
[清晰、准确地描述论文要解决的核心问题]
## 方法概述
### 核心思想
[用通俗易懂的语言解释方法的核心思想，让非专业人士也能理解]
### 方法框架
#### 整体架构
[描述方法的整体架构，包括主要组件和它们之间的关系]
**架构图选择原则**：
1. **优先使用论文中的现成图** - 如果论文PDF中有架构图/流程图/方法图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有合适的架构图时，才用JSON Canvas自行绘制
**方式1：插入论文中的图（优先）**
![[pageX_figY.pdf|800]]
图1：[架构描述，包括图中各个部分的含义和它们之间的关系]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
**方式2：创建Canvas架构图（论文无图时使用）**
调用 `json-canvas` skill 创建 `.canvas` 文件，然后嵌入：
![[论文标题_Architecture.canvas|1200|400]]
Canvas 创建步骤：
1. 调用 `json-canvas` skill
2. 使用 `--create --file "路径/架构图.canvas"` 参数
3. 创建节点和连接，使用不同颜色区分层级
4. 保存后在markdown中嵌入引用
**文本图表示例**（当无法插入图片或创建Canvas时的最后备选）：
输入 → [模块1] → [模块2] → [模块3] → 输出 ↓ ↓ ↓ [子模块] [子模块] [子模块]
#### 各模块详细说明
**模块1：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
1. [步骤1详细描述]
2. [步骤2详细描述]
3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]
- **数学公式**：[如果有重要的数学公式]
行内示例：损失函数为 $L(\theta)$。
块级示例：
$$\theta^* = \arg\min_\theta L(\theta)$$
**模块2：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
1. [步骤1详细描述]
2. [步骤2详细描述]
3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]
**模块3：[模块名称]**
[类似格式]
### 方法架构图
[选择最适合的方式展示架构]
**选择原则**：
1. **优先使用论文中的架构图** - 如果论文中有合适的方法架构图、流程图或系统图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有相关架构图时，才用JSON Canvas自行绘制
**方式1：插入论文中的图（优先）**
![[pageX_figY.pdf|800]]
图1：[架构描述，包括图中各个部分的含义和它们之间的关系]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
**方式2：创建Canvas架构图（论文无图时使用）**
![[论文标题_Architecture.canvas|1200|400]]
调用`json-canvas` skill创建，支持：
- 彩色节点（颜色1-6或自定义hex）
- 带标签的箭头连接
- 节点分组和层级结构
- Markdown文本渲染
**注意**：Canvas只作为补充手段，不要替换论文中原有的架构图。论文中的图通常更准确、更权威。
## 实验结果
### 实验目标
[本实验要验证什么]
### 数据集
#### 数据集统计
| 数据集 | 样本数 | 特征维度 | 类别数 | 数据类型 |
|--------|--------|----------|--------|----------|
| 数据集1 | X万 | Y维 | Z类 | [类型] |
| 数据集2 | X万 | Y维 | Z类 | [类型] |
### 实验设置
#### 基线方法
[列出所有对比的基线方法，并简要说明]
#### 评估指标
[列出所有评估指标，并解释每个指标的含义]
#### 实验环境
#### 超参数设置
### 主要结果
#### 主实验结果
| 方法 | 数据集1-指标1 | 数据集1-指标2 | 数据集2-指标1 | 数据集2-指标2 | 平均排名 |
|------|---------------|---------------|---------------|---------------|----------|
| 基线1 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线2 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线3 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| **本文方法** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **N** |
> 注：±后的数字表示标准差，**粗体**表示最优结果
#### 结果分析
[对主实验结果的详细分析]
### 消融实验
#### 实验设计
[消融实验的设计思路]
#### 消融结果和分析
### 实验结果图
[插入论文中的实验结果图]
![[experiment_results.pdf|800]]
> 图2：[图描述]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
## 深度分析
### 研究价值评估
#### 理论贡献
- **贡献1**：[详细描述理论贡献]
- 创新点：[手动分步执行（用于调试）
#### 步骤0：初始化环境
```bash
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 搜索已有笔记
find "${VAULT_ROOT}/论文" -name "*${PAPER_ID}*" -type f
# 下载PDF和源码（见步骤2.1、2.2、2.3）
# 或者从已有数据读取
cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex
# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"
# 使用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"
分析完成后，调用/obsidian-markdown来确保frontmatter格式正确，然后手动补充详细内容。
场景1：分析arXiv论文（有网络访问）
# 一键执行
bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"
场景2：分析本地PDF（无网络访问）
# 手动上传PDF
cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf
# 执行分析（跳过步骤2的下载）
python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf
学术价值：[对学术界的价值]
影响范围：[影响的研究领域]
贡献2：[详细描述理论贡献] [类似格式]
应用场景1：[应用场景描述]
应用场景2：[应用场景描述] [类似格式]
[类似格式]
[类似格式]
[类似格式]
[类似格式]
场景1：[场景描述]
场景2：[场景描述] [类似格式]
场景1：[场景描述]
场景2：[场景描述] [类似格式]
[为什么选择这些论文进行对比]
| 对比维度 | 相关论文1 | 本文方法 |
|---|---|---|
| 核心思想 | [描述] | [描述] |
| 技术路线 | [描述] | [描述] |
| 关键组件 | [描述] | [描述] |
| 创新程度 | [描述] | [描述] |
| 数据集 | 指标 | 相关论文1 | 本文方法 | 提升幅度 |
|---|---|---|---|---|
| 数据集1 | 指标1 | X.X | Y.Y | +Z.Z% |
| 数据集2 | 指标2 | X.X | Y.Y | +Z.Z% |
[类似格式]
[类似格式]
[对所有对比论文的总结]
本文属于[技术路线名称]，该技术路线的核心特点是：
[里程碑1] → [里程碑2] → [里程碑3] → [本文工作] → [未来方向]
↑ ↑ ↑ ↑
[论文A] [论文B] [论文C] [本文]
本文主要关注[具体子方向]，该子方向的研究重点是：
[用文本或图形表示与相关工作的关系]
建议1：[作者的建议]
建议2：[作者的建议] [类似格式]
方向1：[方向描述]
方向2：[方向描述] [类似格式]
方向3：[方向描述] [类似格式]
[对本文方法的具体改进建议]
改进1：[改进描述]
改进2：[改进描述] [类似格式]
[X.X]/10 - [评分理由简述]
| 评分维度 | 分数 | 评分理由 |
|---|---|---|
| 创新性 | [X]/10 | [详细理由] |
| 技术质量 | [X]/10 | [详细理由] |
| 实验充分性 | [X]/10 | [详细理由] |
| 写作质量 | [X]/10 | [详细理由] |
| 实用性 | [X]/10 | [详细理由] |
%% 用户可以在这里添加个人阅读笔记 %%
[可列举一些相关的视频、博客、项目等的链接]
[!tip] 关键启示 [论文最重要的启示，用一句话总结核心思想]
[!warning] 注意事项
- [注意事项1]
- [注意事项2]
- [注意事项3]
[!success] 推荐指数 ⭐⭐⭐⭐⭐ [推荐指数和简要理由，如：强烈推荐阅读！这是XX领域的里程碑论文]
## 步骤5：展示分析摘要
### 6.1 输出格式
```markdown
## 论文分析完成！
**论文**：[[论文标题]] (arXiv:XXXX.XXXXX)
**分析状态**：✅ 已生成详细笔记
**笔记位置**：[[论文/领域/YYYY-MM-DD-arXiv-ID.md]]
---
**综合评分**：[X.X/10]
**分项评分**：
- 创新性：[X/10]
- 技术质量：[X/10]
- 实验充分性：[X/10]
- 写作质量：[X/10]
- 实用性：[X/10]
**突出亮点**：
- [亮点1]
- [亮点2]
- [亮点3]
**主要优势**：
- [优势1]
- [优势2]
**主要局限**：
- [局限1]
- [局限2]
**相关论文**（N篇）：
- [[相关论文1]] - [关系]
- [[相关论文2]] - [关系]
- [[相关论文3]] - [关系]
**技术路线**：
本文属于[技术路线]，主要关注[子方向]。
---
**快速操作**：
- 点击笔记链接查看详细分析
- 使用`/paper-search`搜索更多相关论文
- 打开Graph View查看论文关系
- 根据分析决定深入研究或跳过
**建议**：
- [基于分析的具体建议1]
- [基于分析的具体建议2]
$LANGUAGE 设置选择语言 - "en" 用英文写笔记，"zh" 用中文写笔记（section headers、content 都要匹配）![[filename.png|800]]，禁止使用 
%20, %26 等不工作）[[File Name|Display Title]]
--- 作为"无数据"占位符：使用 -- 代替（--- 会被 Obsidian 解析为分隔线）.tex 文件提取 \author/\affiliation 字段；若不可用，标 --根据 $LANGUAGE 设置选择对应语言的 section header：
Chinese (zh) | English (en) |
|---|---|
| 核心信息 | Core Information |
| 摘要翻译 | Abstract & Translation |
| 研究背景与动机 | Research Background & Motivation |
| 研究问题 | Research Problem |
| 方法概述 | Method Overview |
| 实验结果 | Experimental Results |
| 深度分析 | In-Depth Analysis |
| 与相关论文对比 | Comparison with Related Work |
| 技术路线定位 | Technical Roadmap |
| 未来工作建议 | Future Work |
| 我的综合评价 | Assessment |
| 我的笔记 | My Notes |
| 相关论文 | Related Papers |
| 外部资源 | External Resources |
创新性：
技术质量：
实验充分性：
写作质量：
实用性：
improves：对相关工作的明显改进extends：扩展或建立在相关工作之上compares：直接对比，可能更好/更差在什么方面follows：同一研究路线的后续工作cites：引用（如果有引用数据可用）related：一般概念关系
## 错误处理
- **论文未找到**：检查ID格式，建议搜索
- **arXiv掉线**：使用缓存或稍后重试，在输出中注明局限性
- **PDF解析失败**：回退到摘要，注明局限性
- **相关论文未找到**：说明缺乏上下文
- **图谱更新失败**：继续但不更新图谱
## 使用说明
当用户调用 `/paper-analyze [论文ID]` 时：
### 快速执行（推荐）
使用以下bash脚本一键执行完整流程：
```bash
#!/bin/bash
# 变量设置
PAPER_ID="$1"
TITLE="${2:-待定标题}"
AUTHORS="${3:-Kimi Team}"
DOMAIN="${4:-大语言模型}"
# 执行完整流程
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE" --language "$LANGUAGE" || \
echo "笔记生成脚本执行失败"
# 提取图片
# 调用 extract-paper-images skill
# /extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE" || \
# echo "图片提取失败"
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 搜索已有笔记
find "${VAULT_ROOT}/论文" -name "*${PAPER_ID}*" -type f
# 下载PDF和源码（见步骤2.1、2.2、2.3）
# 或者从已有数据读取
cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex
# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"
# 使用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"
分析完成后，调用/obsidian-markdown来确保frontmatter格式正确，然后手动补充详细内容。
场景1：分析arXiv论文（有网络访问）
# 一键执行
bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"
场景2：分析本地PDF（无网络访问）
# 手动上传PDF
cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf
# 执行分析（跳过步骤2的下载）
python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf
frontmatter格式（重要）：所有字符串值必须用双引号包围
---
date: "YYYY-MM-DD"
paper_id: "arXiv:XXXX.XXXXX"
title: "论文标题"
authors: "作者列表"
domain: "[领域名称]"
quality_score: "[X.X]/10"
pdf: "[PAPER_TITLE].pdf"
created: "YYYY-MM-DD"
updated: "YYYY-MM-DD"
status: analyzed
---
Obsidian对YAML格式要求严格，缺少引号会导致frontmatter无法正常显示！
图片嵌入：必须使用 Obsidian wikilink 语法 ![[filename.png|800]]
 — URL 编码在 Obsidian 中不工作.pdf 或 .png 格式wikilinks：必须使用 display alias [[File_Name|Display Title]]，禁止 bare [[File_Name]]
领域推断：根据论文内容自动推断
相关论文：在笔记中引用 [[path/to/note|Paper Title]]