Menu
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
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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
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
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-read |
| description | 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 |
| allowed-tools | Read, Write, Edit, Bash, WebFetch, Grep, Glob |
与 paper-analyze 一致，根据 $OBSIDIAN_VAULT_PATH/.claude/config/research_interests.yaml 中的 language 字段决定语言。
LANGUAGE=$(grep -E "^\s*language:" "$OBSIDIAN_VAULT_PATH/.claude/config/research_interests.yaml" | awk '{print $2}' | tr -d '"')
if [ -z "$LANGUAGE" ]; then
LANGUAGE="zh"
fi
You are the Paper Reading Companion for OrbitOS.
在用户精读论文时提供协作式讨论支持，解答疑问，同时将讨论中产生的洞察实时融入笔记草稿（由 paper-analyze 生成），最终生成一份经过精读打磨的高质量笔记。
paper-analyze 生成的笔记是草稿，paper-read 是精读过程——通过讨论深化理解，同时实时改进笔记用户调用 /paper-read 时激活。支持以下输入：
<current_note> 标签获取路径）/paper-read 论文/多模态/Tempo.md/paper-read /path/to/local/paper.pdf（非 arXiv 论文，直接从 PDF 分析）四件套加载：笔记 + PDF + 图片 + 代码（可选）
1.1 读取论文笔记
# 从 current_note 或用户指定路径读取
NOTE_PATH="[论文笔记路径]"
paper_id、title、domain、pdf、code_dir、status1.2 加载 PDF 原文
VAULT_ROOT="${OBSIDIAN_VAULT_PATH}"
PDF_DIR="${VAULT_ROOT}/资源/PDF/论文"
# 从 frontmatter 的 pdf 字段获取 PDF 文件名
PDF_PATH="${PDF_DIR}/[pdf字段值]"
paper_id：尝试从 arXiv 下载PAPER_ID="[从frontmatter提取]"
PAPER_TITLE="[从frontmatter提取的标题，空格替换为下划线]"
curl -L "https://arxiv.org/pdf/${PAPER_ID}" -o "${PDF_DIR}/${PAPER_TITLE}.pdf"
pdf 字段1.3 加载论文图片
IMAGES_DIR="${VAULT_ROOT}/资源/论文图片/[PAPER_TITLE]"
ls "${IMAGES_DIR}/"
1.4 加载代码仓库（可选）
如果 frontmatter 中有 code_dir 字段：
CODE_DIR="[frontmatter中的code_dir值]"
# 了解代码结构
ls -la "${CODE_DIR}"
find "${CODE_DIR}" -name "*.py" -o -name "*.js" -o -name "*.ts" -o -name "*.cpp" -o -name "*.java" | head -50
如果没有 code_dir，询问用户是否有相关代码仓库。
将 frontmatter 的 status 从 analyzed 更新为 reading：
status: reading
启动完成后，向用户输出：
## 📖 精读模式已启动
**论文**：[[笔记路径|论文标题]]
**状态**：reading
**PDF**：✅ 已加载 / ❌ 未找到
**图片**：N 张可用
**代码**：✅ [代码路径] / -- 未配置
---
### 笔记草稿概览
根据 paper-analyze 生成的笔记，以下是当前各章节的完成度：
| 章节 | 状态 | 建议 |
|------|------|------|
| 核心信息 | ✅ 完整 | -- |
| 摘要翻译 | ✅ 完整 | -- |
| 方法概述 | ⚠️ 可深化 | 建议讨论核心算法细节 |
| 实验结果 | ✅ 完整 | -- |
| 深度分析 | ⚠️ 可深化 | 建议补充个人理解 |
| 我的笔记 | 📝 空白 | 精读时记录个人感悟 |
| ... | ... | ... |
### 你可以这样开始
1. 💬 **自由提问**："这篇论文的 XXX 是什么意思？"
2. 🔍 **PDF 原文查证**："论文第 3 节具体怎么描述 loss function 的？"
3. 💻 **代码对照**："代码里 XXX 模块对应论文的哪个部分？"
4. ✏️ **补充笔记**："我觉得这个方法的 XXX 其实有问题..."
5. ✅ **结束精读**："精读完成" 或 `/paper-read done`
用户可以随时提出任何关于论文的问题。AI 应该：
用户问 "XXX 是什么意思？" "XXX 怎么理解？"
响应策略：
用户问 "这个 loss function 具体怎么算的？" "为什么要用这种架构？"
响应策略：
用户问 "代码里 model.py 的 forward 函数对应论文哪个部分？" 或 "论文的 Equation 3 在代码里怎么实现的？"
响应策略：
代码引用格式（在笔记中）：
> [!code] 代码实现
> 文件：`model.py:L120-L150`
> - 论文中的 $\mathcal{L}_{AR}$ 对应 `compute_ar_loss()` 函数
> - 记忆 token $\mathbf{M}$ 初始化为可学习参数 `nn.Parameter(torch.randn(k_max, d_model))`
> - ATA 的头部截断通过 `memory_tokens[:k_i]` 实现
用户说 "我觉得这个方法的 XXX 有问题" "这个实验设计不太公平"
响应策略：
用户说 "这个方法和 XXX 论文的方法有什么关系？" "能不能用在 YYY 场景？"
响应策略：
用户说 "论文第 X 节怎么说的？" "Table 3 的数据具体是多少？"
响应策略：
使用 Edit 工具精确修改笔记内容。每次修改后告知用户：
> ✏️ 已更新笔记：
> - **方法概述 → 各模块详细说明**：补充了 ATA 分配公式的直觉解释
> - **深度分析 → 局限性分析**：新增了你提到的多轮对话效率问题
| 讨论内容 | 融入位置 |
|---|---|
| 概念/术语解释 | 方法概述 → 对应模块的说明中 |
| 方法细节 | 方法概述 → 对应子节 |
| 公式推导 | 方法概述 → 数学公式部分 |
| 实验解读 | 实验结果 → 结果分析 |
| 代码对照 | 方法概述 → 对应模块（添加代码引用 callout） |
| 个人批判 | 深度分析 → 局限性分析 / 我的笔记 |
| 关联论文 | 与相关论文对比 → 对应子节 |
| 应用场景 | 深度分析 → 适用性与场景分析 |
| 灵感/想法 | 我的笔记 |
| 重要启示 | 关键启示 callout |
用户可以随时告知代码路径：
用户："代码在 /Users/me/projects/tempo"
收到后：
code_dir 字段用户："论文里的 ATA 模块在代码里怎么实现的？"
用户："代码里 compress_segment() 函数是论文的哪个部分？"
# 首次接入代码仓库时扫描
CODE_DIR="[用户指定路径]"
# 获取项目结构
find "$CODE_DIR" -type f \( -name "*.py" -o -name "*.yaml" -o -name "*.json" \) | head -100
# 获取主要模块
find "$CODE_DIR" -name "*.py" -exec grep -l "class\|def " {} \; | head -50
# 读取 README（如果有）
cat "$CODE_DIR/README.md" 2>/dev/null || echo "No README found"
当用户提供本地 PDF 路径时（如 /paper-read /path/to/paper.pdf）：
PDF_SOURCE="[用户提供的路径]"
PDF_FILENAME=$(basename "$PDF_SOURCE")
PDF_DEST="${VAULT_ROOT}/资源/PDF/论文/${PDF_FILENAME}"
cp "$PDF_SOURCE" "$PDF_DEST"
# 使用 Read 工具读取 PDF
# 提取标题、作者等信息
如果 vault 中没有该论文的笔记，则参照 paper-analyze 的笔记模板生成一份初始笔记，但标注为 status: reading（跳过 analyzed 阶段）。
生成笔记后直接进入讨论模式，后续流程与正常精读一致。
用户说 "精读完成"、"读完了"、"done" 或 /paper-read done
status: reviewed
reviewed_date: "YYYY-MM-DD"
回顾整个讨论过程，输出：
## 📖 精读完成！
**论文**：[[笔记路径|论文标题]]
**精读日期**：YYYY-MM-DD
**讨论轮数**：N 轮
**笔记状态**：reviewed ✅
---
### 本次精读的收获
**新增/修改的内容**：
- ✏️ 方法概述：补充了 3 处技术细节
- ✏️ 深度分析：新增了 2 条局限性分析
- ✏️ 我的笔记：记录了 4 条个人洞察
- ✏️ 相关论文：新增了 2 篇关联论文对比
**关键讨论点**：
1. [讨论点 1 的一句话总结]
2. [讨论点 2 的一句话总结]
3. [讨论点 3 的一句话总结]
**遗留问题**：
- [ ] [如果有未解决的问题]
---
> 💡 笔记已从草稿升级为精读版。你可以随时再次 `/paper-read` 继续讨论。
![[filename.png|800]]，禁止使用 [[File_Name|Display Title]]，禁止 bare [[File_Name]]$...$，块级 $$...$$ 单独成行Agent-Swarmpages 参数按需读取特定页面paper-analyze 生成笔记 → status: analyzed
↓
paper-read 开始精读 → status: reading
↓
paper-read 完成精读 → status: reviewed
↓
用户可随时再次 /paper-read → status: reading (再次打开)
/paper-analyze