Run any Skill in Manus with one click

Get Started

paper-analyze

Stars2

Forks0

UpdatedApril 12, 2026 at 06:57

深度分析单篇论文，生成详细笔记和评估，图文并茂

Installation

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.

Run Skill in Manus

Source

Clay-HHK

Clay-HHK/claude-config

View GitHub Repository View Creator Repositories

Download

Run Skill in Manus

Related occupationsSOC

Based on SOC occupation classification

Biochemists and BiophysicistsLife, Physical, and Social Science Occupations·SOC 19-1021

File Explorer

3 files

SKILL.md

readonly

目标

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。

工作流程

实现脚本

步骤0：初始化环境

# 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}/20_Research/Papers"

步骤1：识别论文

1.1 解析论文标识符

接受输入格式：

arXiv ID："2402.12345"
完整ID："arXiv:2402.12345"
论文标题："论文标题"
文件路径：直接路径到现有笔记

1.2 检查现有笔记

搜索已有笔记
- 按arXiv ID在20_Research/Papers/目录中搜索
- 按标题匹配
- 如果找到，读取该笔记
读取论文笔记
- 如果找到，返回完整内容

步骤2：获取论文内容

2.1 下载PDF并提取源码

# 下载PDF
curl -L "https://arxiv.org/pdf/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].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/

2.2 提取论文元数据

# 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)

2.3 读取TeX源码内容

# 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

步骤2.1 从arXiv获取

获取论文元数据
- 使用WebFetch访问arXiv API
- 查询参数：id_list=[arXiv ID]
- 提取：标题、作者、摘要、发布日期、类别、链接、PDF链接
获取PDF内容和图片
- 使用WebFetch获取PDF
- 重要：提取论文中的所有图片
- 保存图片到20_Research/Papers/[领域]/[论文标题]/images/
- 生成图片索引：images/index.md

2.2 从Hugging Face获取（如果适用）

获取论文详情
- 使用WebFetch访问Hugging Face
- 提取：标题、作者、摘要、标签、点赞、下载

步骤3：执行深度分析

3.1 分析摘要

提取关键概念
- 识别主要研究问题
- 列出关键术语和概念
- 注明技术领域
总结研究目标
- 要解决的问题是什么？
- 提出的解决方案方法是什么？
- 主要贡献是什么？
生成中文翻译
- 将英文摘要翻译成流畅的中文
- 使用适当的技术术语

3.2 分析方法论

识别核心方法
- 主要算法或方法
- 技术创新点
- 与现有方法的区别
分析方法结构
- 方法组件及其关系
- 数据流或处理流水线
- 关键参数或配置
评估方法新颖性
- 这个方法有什么独特之处？
- 与现有方法相比如何？
- 有什么关键创新？

3.3 分析实验

提取实验设置
- 使用的数据集
- 对比基线方法
- 评估指标
- 实验环境
提取结果
- 关键性能数字
- 与基线的对比
- 消融研究（如果有）
评估实验严谨性
- 实验是否全面？
- 评估是否公平？
- 基线是否合适？

3.4 生成洞察

研究价值
- 理论贡献
- 实际应用
- 领域影响
局限性
- 论文中提到的局限性
- 潜在弱点
- 有什么假设可能不成立？
未来工作
- 作者建议的后续研究
- 有什么自然的扩展？
- 有什么改进空间？
与相关工作对比
- 搜索相关历史论文
- 与相似论文相比如何？
- 补充了什么空白？
- 属于哪个研究路线

步骤3：复制图片并生成索引

# 复制figures目录到目标位置
cp /tmp/paper_analysis/*.{pdf,png,jpg,jpeg} "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/" 2>/dev/null

# 列出复制的内容
ls "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/"

步骤4：生成综合论文笔记

4.1 确定笔记路径和领域

# 根据论文内容确定领域（智能体/大模型/多模态技术/强化学习_LLM_Agent等）
# 推断规则：
# - 如果提到"agent/swarm/multi-agent/orchestration" → 智能体
# - 如果提到"vision/visual/image/video" → 多模态技术
# - 如果提到"reinforcement learning/RL" → 强化学习_LLM_Agent
# - 如果提到"language model/LLM/MoE" → 大模型
# - 否则 → 其他

PAPERS_DIR="${VAULT_ROOT}/20_Research/Papers"
DOMAIN="[推断的领域]"
PAPER_TITLE="[论文标题，空格替换为下划线]"
NOTE_PATH="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}.md"
IMAGES_DIR="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}/images"
INDEX_PATH="${IMAGES_DIR}/index.md"

4.2 使用Python生成笔记（正确处理Obsidian格式）

# 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]"

4.3 使用obsidian-markdown skill生成最终笔记

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。

步骤5：更新知识图谱

5.1 读取现有图谱

GRAPH_PATH="${PAPERS_DIR}/../PaperGraph/graph_data.json"
cat "$GRAPH_PATH" 2>/dev/null || echo "{}"

5.2 生成图谱节点和边

# 调用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --domain "[领域]" --score [评分]

步骤4：生成综合论文笔记

4.1 笔记结构

---
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"
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）**

架构图|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]

[公式内容]


**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）**

架构图|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]

![实验结果图|800](images/实验结果.pdf)

> 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

步骤1：识别论文

# 搜索已有笔记
find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f

步骤2：获取论文内容

# 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

步骤3：复制图片

# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"

步骤4：生成笔记

# 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"

步骤5：更新图谱

# 使用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8

步骤6：使用obsidian-markdown skill修复格式

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。

完整工作流程示例

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

新理论/新方法/新视角]

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]

实际应用价值

应用场景1：[应用场景描述]
- 适用性：[该方法在该场景的适用性]
- 优势：[相比现有方案的优势]
- 潜在影响：[可能带来的影响]
应用场景2：[应用场景描述] [类似格式]

领域影响

短期影响：[近期可能产生的影响]
中期影响：[中期可能产生的影响]
长期影响：[长期可能产生的影响]
潜在变革：[可能带来的范式变革]

方法优势详解

优势1：[优势名称]

描述：[详细描述该优势]
技术基础：[该优势的技术基础]
实验验证：[实验如何验证该优势]
对比分析：[与现有方法相比的优势程度]

优势2：[优势名称]

[类似格式]

优势3：[优势名

重要规则称]

[类似格式]

局限性分析

##所有局都限用上限名称]

描述：[详细描述该局限性]
表现：[在实际中的表现]
原因：[产生该局限的根本原因]
影响：[对实际应用的影响]
可能的解决方案：[如何缓解或解决]

局限2：[局限名称]

[类似格式]

局限3全面分析名称]包含所有部分，图文并茂场景分析

适用场景

场景1：[场景描述]
- 适用原因：[为什么适用]
- 预期效果：[预期能达到的效果]
- 注意事项：[使用时需要注意什么]
场景2：[场景描述] [类似格式]

不适用场景

场景1：[场景描述]
- 不适用原因：[为什么不适用]
- 替代方案：[建议使用什么替代方案]
场景2：[场景描述] [类似格式]

与相关论文对比

对比论文选择依据

[为什么选择这些论文进行对比]

[[相关论文1]] - [论文标题]

基本信息

作者：[作者]
发表时间：[时间]
会议/期刊：[ venue]
核心方法：[一句话概括]

方法对比

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]

性能对比

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%

关系分析

关系类型：[改进/扩展/对比/跟随]
本文改进：[相比该论文的改进点]
优势：[本文方法的优势]
劣势：[本文方法的劣势]
互补性：[两种方法是否互补]

[[相关论文2]] - [论文标题]

[类似格式]

[[相关论文3]] - [论文标题]

[类似格式]

对比总结

[对所有对比论文的总结]

技术路线定位

所属技术路线

本文属于[技术路线名称]，该技术路线的核心特点是：

特点1：[描述]
特点2：[描述]
特点3：[描述]

技术路线发展历程

[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]

本文在技术路线中的位置

承上：[继承了哪些前期工作]
启下：[为后续工作提供了什么基础]
关键节点：[为什么是技术路线中的关键节点]

具体子方向

本文主要关注[具体子方向]，该子方向的研究重点是：

重点1：[描述]
重点2：[描述]

未来工作建议

作者建议的未来工作

建议1：[作者的建议]
- 可行性：[是否可行]
- 价值：[潜在价值]
- 难度：[实现难度]
建议2：[作者的建议] [类似格式]

基于分析的未来方向

方向1：[方向描述]
- 动机：[为什么这个方向值得研究]
- 可能的方法：[可能的研究方法]
- 预期成果：[可能取得的成果]
- 挑战：[面临的挑战]
方向2：[方向描述] [类似格式]
方向3：[方向描述] [类似格式]

改进建议

[对本文方法的具体改进建议]

改进1：[改进描述]
- 当前问题：[存在的问题]
- 改进方案：[如何改进]
- 预期效果：[预期能达到的效果]
改进2：[改进描述] [类似格式]

我的综合评价

价值评分

总体评分

[X.X]/10 - [评分理由简述]

分项评分

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]

重点关注

值得关注的技术点

需要深入理解的部分

我的笔记

%% 用户可以在这里添加个人阅读笔记 %%

外部资源

[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：更新知识图谱

### 5.1 添加或更新节点

1. **读取图谱数据**
   - 文件路径：`$OBSIDIAN_VAULT_PATH/20_Research/PaperGraph/graph_data.json`

2. **添加或更新该论文的节点**
   - 包含分析元数据：
     - quality_score
     - tags
     - domain
     - analyzed: true

3. **创建到相关论文的边**
   - 对每篇相关论文，创建边
   - 边类型：
     - `improves`：改进关系
     - `related`：一般关系
   - 权重：基于相似度（0.3-0.8）

4. **更新时间戳**
   - 设置`last_updated`为当前日期

5. **保存图谱**
   - 写入更新的graph_data.json

## 步骤6：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**：[[20_Research/Papers/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]

重要规则

保留用户现有笔记 - 不要覆盖手动笔记
使用全面分析 - 涵盖方法论、实验、价值评估
提供中文内容 - 翻译和解释用中文
引用相关工作 - 建立连接到现有知识库
客观评分 - 使用一致的评分标准
更新知识图谱 - 维护论文间关系
图文并茂 - 论文中的所有图都要用上（核心架构图、方法图、实验结果图等）
优雅处理错误 - 如果一个源失败则继续
管理token使用 - 全面但不超出token限制

分析标准

评分细则（0-10分制）

创新性：

9-10分：新颖突破、新范式
7-8分：显著改进或组合
5-6分：次要贡献、已知或已确立
3-4分：增量改进
1-2分：已知或已确立

技术质量：

9-10分：严谨的方法论、合理的方法
7-8分：良好的方法、次要问题
5-6分：可接受的方法、有问题的方法
3-4分：有问题的方法、差的方法
1-2分：差的方法

实验充分性：

9-10分：全面的实验、强基线
7-8分：良好的实验、充分的基线
5-6分：可接受的实验、部分基线
3-4分：有限的实验、差基线
1-2分：差的实验或没有基线

写作质量：

9-10分：清晰、组织良好
7-8分：总体清晰、次要问题
5-6分：可理解、部分不清晰
3-4分：难以理解、混乱
1-2分：差写作

实用性：

9-10分：高实用影响、可直接应用
7-8分：良好实用潜力
5-6分：中等实用价值
3-4分：有限实用性、理论性仅
1-2分：低实用性、理论性仅

关系类型定义

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:-其他}"

# 执行完整流程
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" || \
    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"

手动分步执行（用于调试）

步骤0：初始化环境

# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis

步骤1：识别论文

# 搜索已有笔记
find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f

步骤2：获取论文内容

# 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

步骤3：复制图片

# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"

步骤4：生成笔记

# 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"

步骤5：更新图谱

# 使用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8

步骤6：使用obsidian-markdown skill修复格式

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。

完整工作流程示例

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

注意事项

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"
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！

图片路径：使用相对路径images/xxx（不指定扩展名，Obsidian会自动识别）
- 重要：从arXiv提取的图片通常是.pdf格式，Obsidian可以直接显示PDF图片
- 图片路径应使用实际文件名，如images/loss_curve.pdf或images/figure1.png
wikilinks：使用[[论文名]]格式
领域推断：根据论文内容自动推断
相关论文：在笔记中引用[[相关论文]]，图谱会自动创建边

重要规则

关键特性

图文并茂：论文中的所有图片都要用上

保存到正确位置：20_Research/Papers/[领域]/[论文标题]/images/
图片索引：生成images/index.md索引所有图片
与start-my-day区别：paper-analyze用于深度分析单篇论文
全面分析：包含所有部分，图文并茂

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
allowed-tools	Read, Write, Bash, WebFetch

paper-analyze

More from this repository

More from this repository

目标

工作流程

实现脚本

步骤0：初始化环境

步骤1：识别论文

1.1 解析论文标识符

1.2 检查现有笔记

步骤2：获取论文内容

2.1 下载PDF并提取源码

2.2 提取论文元数据

2.3 读取TeX源码内容

步骤2.1 从arXiv获取

2.2 从Hugging Face获取（如果适用）

步骤3：执行深度分析

3.1 分析摘要

3.2 分析方法论

3.3 分析实验

3.4 生成洞察

步骤3：复制图片并生成索引

步骤4：生成综合论文笔记

4.1 确定笔记路径和领域

4.2 使用Python生成笔记（正确处理Obsidian格式）

4.3 使用obsidian-markdown skill生成最终笔记

步骤5：更新知识图谱

5.1 读取现有图谱

5.2 生成图谱节点和边

步骤4：生成综合论文笔记

4.1 笔记结构

步骤1：识别论文

步骤2：获取论文内容

步骤3：复制图片

步骤4：生成笔记

步骤5：更新图谱

步骤6：使用obsidian-markdown skill修复格式

完整工作流程示例

新理论/新方法/新视角]

实际应用价值

领域影响

方法优势详解

优势1：[优势名称]

优势2：[优势名称]

优势3：[优势名

重要规则称]

局限性分析

局限2：[局限名称]

局限3全面分析名称]包含所有部分，图文并茂场景分析

适用场景

不适用场景

与相关论文对比

对比论文选择依据

[[相关论文1]] - [论文标题]

基本信息

方法对比

性能对比

关系分析

[[相关论文2]] - [论文标题]

[[相关论文3]] - [论文标题]

对比总结

技术路线定位

所属技术路线

技术路线发展历程

本文在技术路线中的位置

具体子方向

相关工作图谱

未来工作建议

作者建议的未来工作

基于分析的未来方向

改进建议

我的综合评价

价值评分

总体评分

分项评分

重点关注

值得关注的技术点

需要深入理解的部分

我的笔记

相关论文