paper-review

name	paper-review
description	论文深度解读 Skill — 下载论文PDF → LLM深度解读（问题/创新点/方法原理/实验分析）→ PDF图片提取 → 生成组会PPT → 生成解读音频MP3。端到端学术论文解读工具。
license	MIT
requires_env	OPENAI_API_KEY
triggers	["论文解读","paper review","paper reading","组会PPT","研读论文"]
required_args	["paper_url"]
metadata	{"version":"1.0","category":"academic","author":"RapidAI Research - 安妮"}

Paper Review — 论文深度解读工具

端到端论文解读流程：下载论文 → LLM 深度解读 → 提取图片 → 生成 PPT → 生成 MP3 音频。

架构概览

用户提供论文URL/路径
       │
       ▼
┌──────────────────┐
│  Step 1: 下载PDF  │  (支持 arXiv / DOI / 任意URL)
└────────┬─────────┘
         ▼
┌─────────────────────────┐
│  Step 2: 全文提取 (txt)  │  (PDF→文本，含图片占位标记)
└────────┬────────────────┘
         ▼
┌──────────────────────────────────────────────┐
│  Step 3: LLM 深度解读分析                     │
│   • 解决的问题                               │
│   • 创新点                                   │
│   • 方法本质与核心原理                        │
│   • 详细原理解读                              │
│   • 实验方法与结果分析                        │
└────────┬─────────────────────────────────────┘
         ▼
┌──────────────────┐
│  Step 4: 提取图片 │  (PDF→PNG图片素材)
└────────┬─────────┘
         ▼
┌──────────────────────────────┐
│  Step 5: 生成组会PPT (.pptx)  │  (深度解读内容 + 图片嵌入)
└────────┬─────────────────────┘
         ▼
┌──────────────────────────────┐
│  Step 6: 生成解读音频 (.mp3)  │  (TTS 合成为自然语音)
└────────┬─────────────────────┘
         ▼
      输出文件清单

环境要求

• Python 3.8+
• 依赖安装：pip install requests PyPDF2 python-pptx Pillow pydub
• 如使用 Edge TTS 音频：pip install edge-tts
• (可选) pdf2image + poppler 用于图片提取

Step 1: 下载 PDF

从 arXiv / DOI / 任意 URL 下载论文 PDF。

python "{baseDir}/steps/download_paper.py" --url "{{paper_url}}" --output "{{output_dir}}"

参数：

• --url: 论文 URL（arXiv 链接、DOI 链接、或直接 PDF 链接）
• --output: 输出目录（可选，默认当前目录）

输出：{{paper_id}}.pdf

Step 2: 全文提取

从 PDF 提取文本内容（含图片标记）：

python "{baseDir}/steps/extract_text.py" --pdf "{{pdf_path}}" --output "{{output_dir}}"

输出：{{paper_id}}_text.txt

Step 3: LLM 深度解读

调用 OpenAI 兼容 API 对论文进行深度解读：

python "{baseDir}/steps/analyze_paper.py" --text "{{txt_path}}" --output "{{output_dir}}"

输出：{{paper_id}}_review.json + {{paper_id}}_review.md

解读结构：

{
  "title": "论文标题",
  "problem": "解决的问题",
  "novelty": ["创新点1", "创新点2", ...],
  "method_essence": "方法本质/核心思想",
  "method_detail": "详细原理解读",
  "experiments": "实验方法及结果分析",
  "conclusion": "结论与启示"
}

Step 4: 提取图片素材

从 PDF 中提取图片作为 PPT 素材：

python "{baseDir}/steps/extract_images.py" --pdf "{{pdf_path}}" --output "{{output_dir}}/images"

参数：

• --dpi: 图片 DPI（默认 200）
• --format: 输出格式（默认 png）

输出：images/page_XX.png 等

Step 5: 生成组会 PPT

基于解读内容和图片生成组会 PPT：

python "{baseDir}/steps/generate_ppt.py" --review "{{review_json}}" --images "{{images_dir}}" --output "{{output_dir}}"

PPT 结构（10-15页）：

1. 封面 — 论文标题 / 作者 / 会议
2. 研究背景与动机 — 为什么做这个工作
3. 要解决的问题 — 问题定义与挑战
4. 核心创新点 — 本文的主要贡献
5. 方法总览 — 整体架构图（含原论文图）
6. 方法详解① — 关键模块/步骤
7. 方法详解② — 更多细节
8. 核心原理剖析 — 为什么有效
9. 实验设置 — 数据集 / 评价指标 / 基线
10. 实验结果 — 主实验结果（含原论文表格）
11. 消融实验 — 各模块贡献分析
12. 可视化分析 — 可视化结果（含原论文图）
13. 讨论与局限性
14. 总结与启示
15. 参考资料 / Q&A

输出：{{paper_id}}_presentation.pptx

Step 6: 生成解读音频

将完整解读文本合成为 MP3 音频：

python "{baseDir}/steps/generate_audio.py" --text "{{review_md}}" --output "{{output_dir}}"

输出：{{paper_id}}_audio.mp3

完整运行

一步到位运行所有步骤：

python "{baseDir}/run.py" --url "{{paper_url}}" --output "{{output_dir}}"

输出文件

文件	说明
{{paper_id}}.pdf	原论文 PDF
{{paper_id}}_text.txt	PDF 提取的纯文本
{{paper_id}}_review.md	LLM 深度解读报告
{{paper_id}}_review.json	结构化解读数据
images/	提取的论文图片素材
{{paper_id}}_presentation.pptx	组会 PPT
{{paper_id}}_audio.mp3	解读音频

自定义配置

通过环境变量配置 API：

变量	说明	默认值
OPENAI_BASE_URL	API 基础 URL	由 maclaw proxy 自动注入
OPENAI_API_KEY	API 密钥	由 maclaw proxy 自动注入
OPENAI_MODEL	模型名称	gpt-4o-mini
TTS_ENGINE	TTS 引擎 (openai/edge)	edge
PPT_LANG	PPT 语言 (zh/en)	zh