| name | paper-analyzer |
| description | 通用论文分析技能，从多种来源（arXiv/GitHub/PDF/网页）提取论文信息并生成结构化分析结果。**优先使用于**: (1) 用户需要**分析/总结/理解论文内容**，(2) 用户提供 arXiv/GitHub/PDF 链接并提到"论文阅读/分析/总结"，(3) 需要将论文转换为博客文章，(4) 需要提取论文的元数据/章节/图片。**注意**: 如果用户只是需要合并/分割/旋转 PDF 文件操作，使用 pdf skill；如果用户需要**理解论文内容**，使用 paper-analyzer |
Paper Analyzer - 通用论文分析技能
核心职责
从多种来源提取论文信息，输出结构化 JSON 分析结果供 paper-to-blog 使用。
支持的输入来源
- arXiv 链接:
https://arxiv.org/abs/2305.01879 → 下载 PDF + LaTeX 源码
- GitHub 仓库:
https://github.com/user/repo → 提取 README + 下载论文 PDF
- 项目主页:
https://example.com/paper → 抓取页面内容 + 查找 PDF 链接
- PDF 文件: 本地路径或 URL → 直接解析
- 论文标题 + 作者: 尝试网络搜索后让用户确认
工作流程
1. 来源检测与下载
python ".opencode/skills/paper-analyzer/scripts/download_paper.py" \
"<input_source>" \
"_papers/<paper-slug>/"
下载策略（带 fallback）:
- arXiv: PDF → e-print 源码 → GitHub
- GitHub: README → releases → 项目主页 → 搜索
- 网页：HTML → 查找 PDF 链接 → 下载
- 搜索：Semantic Scholar → Google Scholar → arXiv
验证要求:
- 文件大小 > 1KB
- PDF 文件头正确（
%PDF- 开头）
- 下载失败自动重试（3 次，间隔递增）
2. 内容解析
python ".opencode/skills/paper-analyzer/scripts/parse_paper.py" \
"_papers/<paper-slug>/"
解析器 fallback 链:
- pdfplumber（首选，支持文本提取）
- PyMuPDF/fitz（备选，支持扫描版）
- pdfminer（第三选择）
- OCR/tesseract（最后手段，针对图片型 PDF）
提取内容:
- 元数据（标题、作者、机构、日期）
- 摘要（Abstract）
- 各章节内容（Introduction, Method, Experiments, Conclusion）
- 参考文献列表
3. 图片提取与分类
python ".opencode/skills/paper-analyzer/scripts/extract_figures.py" \
"_papers/<paper-slug>/paper.pdf" \
"_papers/<paper-slug>/figures/"
图片分类规则:
| 类型 | 识别关键词 | 示例 |
|---|
| overview | roadmap, overview, pipeline | 论文路线图 |
| architecture | framework, architecture, model | 架构图 |
| method | method, approach, algorithm | 方法示意图 |
| result | results, comparison, accuracy | 实验结果 |
| ablation | ablation, study, analysis | 消融实验 |
| table | table, statistics, benchmark | 数据表格 |
输出格式:
{
"path": "_papers/slug/figures/fig_1_1.png",
"suggested_name": "roadmap.png",
"caption": "论文内容路线图",
"type": "overview",
"page": 1,
"confidence": "high"
}
4. 生成分析 JSON
输出文件: _papers/<paper-slug>/analysis.json
完整结构:
{
"metadata": {
"title": "论文英文标题",
"authors": ["Author One", "Author Two"],
"affiliations": ["Institution 1", "Institution 2"],
"venue": "会议/期刊名称",
"date": "2024-01-15",
"links": {
"arxiv": "https://arxiv.org/abs/...",
"github": "https://github.com/...",
"homepage": "https://..."
}
},
"abstract": "论文摘要原文",
"sections": {
"introduction"
...
输出位置
_papers/<paper-slug>/
├── analysis.json # 结构化分析结果（核心输出）
├── paper.pdf # 下载的 PDF 文件
└── figures/ # 提取的图片
├── fig_1_1.png
├── fig_2_1.png
└── ...
与 paper-to-blog 的协作
标准调用流程:
- 用户提供 arXiv 链接
- 调用 paper-analyzer 生成
analysis.json
- 自动调用 paper-to-blog 读取 JSON 并生成博客
- 询问用户是否保留临时文件
示例命令:
python ".opencode/skills/paper-analyzer/scripts/analyze_paper.py" \
"https://arxiv.org/abs/2305.01879" \
--output "_papers/scott-kd" \
--next "paper-to-blog" \
--categories "论文阅读，知识蒸馏"
错误处理策略
| 错误级别 | 示例 | 处理方式 |
|---|
| 致命错误 | 无法下载 PDF、无可用内容 | 终止，告知用户原因 |
| 严重错误 | 所有解析器失败、图片提取全失败 | 降级处理，询问继续/终止 |
| 警告 | 某些章节缺失、图片命名置信度低 | 继续，在报告中说明 |
| 提示 | 临时文件未清理 | 自动处理或询问 |
临时文件管理
默认策略: 发布后询问用户是否删除 _papers/<slug>/ 目录
自动清理条件:
- 用户配置
auto_cleanup: true
- 博客生成成功且用户确认无误
.gitignore 规则:
_papers/*.json
_papers/*.py
_papers/figures/
*.tmp
参考文档
- 详细 API: 详见
references/api.md
- 解析器配置: 详见
references/parsers.md
- 图片分类规则: 详见
references/figure-classification.md
示例
输入
https://arxiv.org/abs/2305.01879 分类：论文阅读，知识蒸馏
输出
_papers/scott-kd/
├── analysis.json (8.2KB)
├── paper.pdf (1.2MB)
└── figures/
├── fig_1_1.png (roadmap.png)
├── fig_3_1.png (contrastive_decoding.png)
└── ...
分析 JSON 片段
{
"metadata": {
"title": "Self-Consistent Thought Distillation",
"authors": ["Xiaohan Xu", "Ming Li"],
"affiliations": ["University A", "University B"],
"venue": "ICML 2024",
"date": "2024-05-15",
"links": {
"arxiv": "https://arxiv.org/abs/2305.01879",
"github": "https://github.com/user/scott"
}
},
"key_contributions": [
"提出自洽思维链蒸馏方法",
"在 5 个基准上达到 SOTA",
"开源代码和数据"
],
"tags"
