| name | read-paper |
| description | 深度精读学术论文,从标题分析到审稿人视角全面解析论文价值、方法逻辑和研究贡献 |
| version | 1.0.0 |
Read Paper Skill - 学术论文深度精读助手
此 skill 专门用于深度精读学术论文(支持 LaTeX/PDF 格式),不仅提取信息,更重要的是分析为什么会有这种方法、这种方法怎么就能解决问题。
使用方法
/read --file 路径/到/论文.pdf
或直接在对话中:
请帮我精读 papers/example-paper.pdf
或针对 LaTeX 源文件:
请深度精读 thesis/main.tex
参数
--file (可选): 论文文件路径,支持 PDF 或 LaTeX 文件
使用场景
当你需要:
- 深度理解论文的研究动机和方法逻辑
- 从审稿人角度评价论文质量
- 理解作者的学术背景和研究脉络
- 分析实验设计的合理性和结果的说服力
- 理解论文在学术领域中的定位和贡献
精读分析流程
执行此 skill 时,将按以下步骤进行深度分析(不是浅层信息提取):
1. 标题深度分析
- 原文标题:完整提取论文标题
- 关键词拆解:精读标题的每个关键词,提取:
- 一句话概述:用一句话概括标题的核心内容
2. 基本信息与时间线
- 开源情况:有没有开源代码,什么时候开源的,开源后有没有宣传
- 发布时间线:文章什么时候投稿,什么时候被接收
- 会议/期刊:发表在哪里,影响因子或会议等级
注意:如果是 PDF 论文,尝试从文件元数据、页眉页脚、首页信息中提取;如果信息不全,明确说明
3. 作者和单位背景
- 作者列表:提取所有作者及其单位
- 作者背景分析(如果有条件):
- 搜索第一作者和通讯作者的公开信息和个人主页
- 特别关注他们声称致力于做什么
- 之前有没有知名的相关工作
注意:对于 LaTeX 源文件,从 \author{} 命令提取;对于 PDF,从首页提取。如果无法进行网络搜索,说明需要用户补充
4. 摘要和关键词深度提炼
- 原文摘要:完整复制摘要(中文摘要即可,如有)
- 关键词:原样提取关键词
- TL;DR:用一段话通俗介绍本文想解决什么问题、用了什么方法、为什么这个方法能够解决问题、有它没它有什么区别
5. 目录和章节组织架构
- 完整目录:提取所有层级(章、节、小节、小小节)
- 组织架构分析:
- 论文整体展开方式是怎样的
- 各章之间的逻辑关系(承上启下)
- 方法部分是先 overview 再具体模块,还是先理论分析再系统实现
- 每章的功能定位
关键:不要只列目录,要说明为什么这样组织
6. 背景部分深度分析
结合目录分析背景部分介绍了哪些内容
以及为什么要介绍这个(是划定了要解决的问题、给出了现在依托的方法、点出了场景的特殊性、还是阐述了当前痛点和已有工作的局限?)
支撑了论文哪一段核心论证
7. 动机分析
- 问题陈述:现有方法存在什么具体问题(定量描述)
- 风险分析:这样的性能劣化反映了怎样可见的风险
- 定量到定性的转换:这个定量指标的下降怎么就导致了定性问题
- 必要性论证:为什么必须提出新方法
关键:分析作者如何从"指标下降"推导到"问题严重",这种论证是否充分
8. 方法部分逐一阐述
对每个图表和伪代码分别简要阐述(关注逻辑,不要摘抄技术细节):
- 方法框架图:
- 整体架构是什么
- 为什么要这样设计(解决什么问题)
- 各模块如何协同工作
- 具体模块图:
- 该模块的输入输出是什么
- 核心操作是什么
- 为什么这样做就能解决问题(而不只是描述做了什么)
- 伪代码/算法:
- 算法的核心逻辑
- 关键步骤的作用
- 时间/空间复杂度分析
- 代码变换通路:如果涉及代码转换,说明转换的每一步
9. 实验部分逐一阐述
对每个图表分别阐述(关注逻辑,不要摘抄实验数据):
- 先给研究问题映射:在开始分析任何图表前,先明确这一组实验想回答哪几个研究问题(RQ1、RQ2...),并标明每个研究问题对应的图表编号
- 验证的问题:这个实验要回答什么问题
- 实验设计:
- 硬件平台(GPU/CPU型号、内存等)
- 软件版本(所依赖的第三方库或实验比较的软件版本)
- 基线选择(为什么选这些基线)
- 评估方法(什么样的测试场景)
- 性能指标(为什么用这些指标)
- 结果分析:
- 探究问题(一个凝练的疑问句)
- 实验结果(定量描述和趋势分析)
- 实验结论(它如何验证前面所提方法,或者有哪些新发现)
- 消融实验:
10. 相关工作分析
- 相关工作分类:论文涉及哪几类相关工作
- 联系与区别:与每类工作的联系是什么,本文的创新点在哪
- 贡献范围界定:作者如何界定本研究的贡献范围
11. 讨论部分分析
- 对领域的指导意义:本文对未来研究有什么启发
- 技术贡献列举:明确列出本文的技术贡献点
- 后续工作展望:作者提出了哪些后续研究方向
12. 审稿人视角总结
从审稿人的角度做客观点评:
优点(Strengths)
- 研究动机是否充分
- 方法创新性如何
- 实验设计是否合理
- 结果是否有说服力
- 写作和组织是否清晰
不足(Weaknesses)
关键问题(Critical Questions)
- 为什么会有这种方法:动机是否充分
- 这种方法怎么就能解决问题:逻辑链条是否完整
- 实验是否充分验证了主张
- 与相关工作的区别是否显著
- 真正的、别人没有的洞察和创新点是什么
输出规范
生成的精读笔记将遵循以下规范:
- 深度优先:强调分析"为什么"和"怎么解决",而不只是"做了什么"
- 结构化组织:使用清晰的小标题分节
- 目录层级缩进:生成完整目录时按层级缩进展示,例如
2 为一级,2.1 和 2.2 在 2 的基础上缩进,2.1.1 再在 2.1 的基础上继续缩进
- 信息准确性:原文内容(标题、摘要、关键词)必须完整提取
- 完整性优先:不遗漏任何图表和章节
- 批判性思维:从审稿人角度客观评价,指出优点和不足
- 术语去包装:不要被作者术语牵着走;分析作者定义的术语背后的本质
- 明确缺失:如某些信息无法获取(如作者背景、时间线),明确说明
完成精读后,默认将阅读报告写在当前目录下的read-paper-report.md里。在文档的最前面添加文档信息(包括论文标题、会议、作者、精读日期),然后添加本文档的目录(包括12个精读分析流程)。目录必须做层级缩进展示。最后全面检查文档,增加markdown的可读性(比如目录可以提供超链接、章节架构注意缩进,小标题适当加粗等等)。
重要注意事项
1. 摘要必须完整提取,一个字都不能少
- 错误示例:只提取摘要的前几段,省略后续详细描述
- 正确做法:完整复制摘要全文,包括所有列举段落(如"1. ...", "2. ...", "3. ..."等)
2. 目录结构必须从实际 tex 文件中完整提取
- 对于 LaTeX 论文:搜索所有
.tex 文件中的 \chapter、\section、\subsection、\subsubsection 命令
- 对于 PDF 论文:从目录页或文档结构中提取完整层级
- 目标:提取完整的多级目录结构
3. 分析要深入,不要只描述表面
- 错误示例:"作者提出了一个新的算法" → 这只是描述
- 正确做法:"作者观察到现有算法在X场景下存在Y问题,因此提出了Z算法,通过A机制解决了Y问题" → 这是深度分析
4. 每个图表都要单独分析
- 不要笼统地说"实验结果表明方法有效"
- 要针对每个图表说明:验证什么问题、结果是什么、说明了什么
5. 保持客观和批判性
- 不要盲目夸赞,要指出真实存在的问题
- 不要打分,不用给出 Accept/Reject/Boardline 等总体评价。只阐述优点、不足、关键问题是否有回应即可。
⚠️ 关键提醒
核心原则:描述"为什么"和"怎么解决",而不只是"做了什么"
在分析方法和实验时,始终追问:
- 为什么要这样设计?
- 这样做怎么就能解决前面提到的问题?
- 这个实验为什么能证明作者的主张?
- 还有什么问题没有解决?