Menu
学术论文 Wiki 知识库 — 架构概览、页面类型、引用规范、故障排查。具体流程见 paper-ingest、paper-update、wiki-lint、wiki-ask 四个子 Skill。
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
Entry point for new users — guides through initialization, architecture review, and cleanup. Use when the user first opens this project or says "开始" / "初始化" / "怎么用".
Wiki 增强研究构思 — 基于 wiki 知识库的研究想法生成。扫描论文局限性和开放问题，通过结构化路径生成研究想法，过滤后保存为 wiki idea 页面。支持反重复机制（banlist）。
论文导入 — 将学术论文导入 Wiki 知识库，自动创建论文页、概念页、方法页、数据集页、作者页，条件触发 Survey 和 Comparison 页面。
论文增量更新 — 更新已导入的论文版本，同步更新关联的概念页、方法页和作者页。
快速联网查询工具，基于 Tavily Search API。支持天气查询、事实检索、新闻动态、官方文档查找、实时行情等场景。用户要求搜索、联网、查官网、核实事实、获取最新信息时使用。
面向本地知识库目录的检索和问答助手。核心流程：(1)分层索引导航 (2)遇到PDF/Excel时必须先读取references学习处理方法 (3)处理文件后再检索。按文件类型组合使用 grep、Read、pdfplumber、pandas 进行渐进式检索，避免整文件加载。用户问题涉及"从知识库目录回答问题/检索信息/查资料"时使用。
| name | paper-wiki |
| description | 学术论文 Wiki 知识库 — 架构概览、页面类型、引用规范、故障排查。具体流程见 paper-ingest、paper-update、wiki-lint、wiki-ask 四个子 Skill。 |
遵循 Karpathy LLM Wiki 设计模式，构建可持续演化、可维护、可追溯的学术论文知识库。
| Skill | 功能 | 触发词 |
|---|---|---|
paper-ingest | 导入新论文，自动创建实体页面 | "ingest"、"导入论文"、提供 PDF/arXiv 链接 |
paper-update | 增量更新已有论文版本 | "update"、"更新论文" |
wiki-lint | 健康检查 + 自动修复 + 实体回填 | "lint"、"检查 wiki" |
wiki-ask | 知识查询 | "query wiki"、"wiki 里有没有关于 X" |
raw/sources/ ← Layer 1: 原始资料（只读，注册后不可修改）
wiki/ ← Layer 2: 知识库（Agent 维护的结构化 Markdown）
workspace/AGENTS.md ← Layer 3: Schema 和工作流规范
| 工具 | 用途 |
|---|---|
pdf_parser | 解析 PDF 提取文本和元信息 |
register_source | 注册原始资料，计算 SHA-256 哈希 |
save_wiki_page | 保存 wiki 页面 |
read_wiki_page | 读取 wiki 页面 |
list_wiki_pages | 列出 wiki 页面 |
rebuild_index | 重建 wiki/index.md |
append_log | 追加操作日志 |
lint_wiki | 健康检查 |
query_wiki | 搜索 wiki |
fetch_url | 抓取 arXiv 页面 |
python_repl | 下载 PDF 等辅助任务 |
| 类型 | 目录 | 核心章节 |
|---|---|---|
| paper | wiki/papers/ | Overview, Background, Core Problem, Method, Experiments, Contributions, Limitations |
| concept | wiki/concepts/ | Definition, Intuition, How It Works, Key Papers, Variants, Applications |
| method | wiki/methods/ | Mechanism, Procedure, Assumptions, Tradeoff Profile, Limitations |
| dataset | wiki/datasets/ | Overview, Size & Structure, Splits, Evaluation Metrics, Leaderboard |
| author | wiki/authors/ | Profile, Research Areas, Key Contributions, Recent Work |
| survey | wiki/surveys/ | Overview, Taxonomy, Timeline, Key Methods Comparison, Open Problems |
| comparison | wiki/comparisons/ | Overview, Dimension-by-Dimension Comparison, When to Use Which |
Self-attention reduces sequential computation to O(1) steps.
> Source: [Attention Is All You Need](papers/attention-is-all-you-need.md), Section 3
Transformer 的并行化优势使其在长序列任务上显著优于 RNN。
> Agent judgment (confidence: high) — based on papers/attention-is-all-you-need, methods/transformer
该方法可能在低资源语言上效果有限。（confidence: low — 缺少直接实验证据）