| name | daily-paper-push-writing(wo image) |
| description | A research/push notification writing guide. Use this skill with high priority when users ask you to perform tasks like daily paper push. |
daily-paper-push-writing — Agent Skill Reference
daily-paper-push-writing 是一个写作技能,提供一种生成每日科研论文汇总的规范化写作流程,从而帮助用户高效获取特定领域的最新研究成果和重要信息。
写作原则
论文筛选原则
- 时效性优先:优先选择近 1-2 周内发布的论文
- 相关性过滤:紧扣用户关注的领域和关键词
- 质量排序:按引用量、作者影响力、实验完整性等综合评估
- 多样性考量:兼顾不同研究方向和方法论,避免内容过度集中
写作风格原则
- 简洁精准:摘要提炼核心贡献,控制在 100-150 字
- 客观中立:如实描述论文内容,避免过度主观评价
- 学术规范:使用规范的学术用语,标题、作者、链接等信息准确无误
- 价值导向:在"学术价值分析"部分侧重实际应用场景和方法论借鉴意义
内容组织原则
- 层次分明:每篇论文遵循统一的格式模板
- 重点突出:用加粗或 emoji 标注关键信息(创新点、结论)
- 逻辑连贯:简报整体按论文重要程度或主题相关性排序
读者价值原则
- 降低阅读门槛:帮助读者快速判断论文是否值得深入阅读
- 提供增量价值:不仅罗列摘要,还要有对研究趋势的洞察
- 可操作性强:链接直达,方便读者进一步探索
长期运营原则
- 建立运营日志:由于该skill常用于长期任务,应该在memory中建立日志,记录每次抓取的论文和用户反馈,避免推送重复内容,并根据用户反馈不断优化筛选和写作流程。
- 注重推送质量:每次推送的论文建议控制在四到八篇,综合考虑论文的质量、相关性和潜在价值,确保每次推送都能为用户提供有价值的信息,避免信息过载。
写作模板
📢 【今日论文速递】20XX年XX月XX日 📢
📚 领域:XXX | 📊 关键词:关键词1、关键词2、关键词3
🌟 No.1 📄 论文标题
📝 作者:[作者列表]
📅 发布时间:20XX年XX月
🔗 论文链接:👉 [arXiv/论文链接]
🏷️ arXiv ID:arXiv:XXXX.XXXXX
📋 摘要:[论文摘要...]
📝 Overview 精华(由 LLM 从 PDF 文本提取):
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析:简要分析该论文的研究创新点、实验方法、潜在应用价值~
🌟 No.2 📄 论文标题
📝 作者:[作者列表]
📅 发布时间:20XX年XX月
🔗 论文链接:👉 [arXiv/论文链接]
🏷️ arXiv ID:arXiv:XXXX.XXXXX
📋 摘要:[论文摘要...]
📝 Overview 精华(由 LLM 从 PDF 文本提取):
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析:简要分析该论文的研究创新点、实验方法、潜在应用价值~
🌟 No.3 📄 论文标题
📝 作者:[作者列表]
📅 发布时间:20XX年XX月
🔗 论文链接:👉 [arXiv/论文链接]
🏷️ arXiv ID:arXiv:XXXX.XXXXX
📋 摘要:[论文摘要...]
📝 Overview 精华(由 LLM 从 PDF 文本提取):
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析:简要分析该论文的研究创新点、实验方法、潜在应用价值~
🌟 No.4 📄 论文标题
📝 作者:[作者列表]
📅 发布时间:20XX年XX月
🔗 论文链接:👉 [arXiv/论文链接]
🏷️ arXiv ID:arXiv:XXXX.XXXXX
📋 摘要:[论文摘要...]
📝 Overview 精华(由 LLM 从 PDF 文本提取):
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析:简要分析该论文的研究创新点、实验方法、潜在应用价值~
🌟 No.5 📄 论文标题
📝 作者:[作者列表]
📅 发布时间:20XX年XX月
🔗 论文链接:👉 [arXiv/论文链接]
🏷️ arXiv ID:arXiv:XXXX.XXXXX
📋 摘要:[论文摘要...]
📝 Overview 精华(由 LLM 从 PDF 文本提取):
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析:简要分析该论文的研究创新点、实验方法、潜在应用价值~
论文素材获取
每篇论文需要获取:
- PDF 文本 → 供 LLM 提取 Overview 精华内容
工作流程
┌─────────────────────────────────────────────────────────────┐
│ Step 1: 下载 PDF (一次下载,后续复用) │
│ python scripts/pdf_download.py <arxiv_id> [output_dir] │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Step 2: PDF 转文本 (供 LLM 读取 Overview) │
│ python scripts/pdf_to_text.py <pdf> <output.txt> │
└─────────────────────────────────────────────────────────────┘
脚本 1:PDF 下载
python scripts/pdf_download.py <arxiv_id> [output_dir]
示例:
python scripts/pdf_download.py 1706.03762
python scripts/pdf_download.py 1706.03762 ./my_pdfs/
python scripts/pdf_download.py 1706.03762 --force
脚本 2:PDF 转文本
python scripts/pdf_to_text.py <arxiv_id|pdf_path> <output_path> [options]
示例:
python scripts/pdf_to_text.py 1706.03762 paper.txt
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf overview.txt
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf overview.txt --section overview
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf output.txt --pages 5
可选参数:
--section, -s:提取特定章节(overview, method, experiment)
--pages, -p:提取前 N 页
用途:将文本提供给 LLM,让模型提取 Overview 精华内容,写入推送文档。
依赖说明
所有脚本都依赖以下 Python 包:
requests:下载 PDF
pymupdf (fitz):解析 PDF
pip install requests pymupdf
注意事项
- 推荐工作流:先
pdf_download 下载一次,然后所有操作都使用本地 PDF 路径
最终输出文件格式
-paper_push.md
注意:任务完成后请删除 PDF 文件,不在本地缓存。
注意:Overview 内容由 LLM 从 PDF 文本提取,直接写入 Markdown
工作流程
- 获取论文列表:先调用
arxiv-watcher skill 获取目标领域的最新论文
- 筛选论文:根据时效性、相关性、质量等原则筛选 4-8 篇论文
- 下载 PDF:对每篇论文调用
pdf_download.py 下载 PDF 到本地
- 提取文本:对每篇论文调用
pdf_to_text.py 获取文本,将文本提供给 LLM 让其提取 Overview 精华
- 撰写正文:按照写作模板组织内容,每篇论文附带 LLM 提取的 Overview 精华
- 输出文件夹:创建以日期命名的文件-paper_push.md
- 清理 PDF:任务完成后删除 pdfs/ 目录及其内容,不缓存 PDF 文件