paper-card

name	paper-card
description	把一篇论文拆解成结构化研究卡片。 当用户说"做个卡片"、"写阅读笔记"、"总结这篇论文"、 "帮我读一下"、"结构化分析"、"拆解论文"时触发。 输出 card.md（快速概览）和 card-deep.md（深度分析）。
argument-hint	<论文引用 | folder_slug | PDF路径> [--lang zh|en]

Paper Card

Generate structured research cards from an acquired paper.

Ownership

This skill owns:

• $PAPERS_DIR/{folder_slug}/card.md — quick card
• $PAPERS_DIR/{folder_slug}/card-deep.md — deep card

This skill does not:

• Download PDF or normalize paper (use paper-acquire)
• Resolve paper identity (use paper-search)
• Discover code repositories (use paper-repo)
• Modify metadata.yaml

Input Handling

输入类型检测

按以下优先级检测输入类型：

1. 已导入论文（folder_slug）：检查 $PAPERS_DIR/{input}/metadata.yaml 是否存在。 存在 → 检查 paper/paper.md → 生成卡片。 输入看起来像 folder_slug（无 .pdf 后缀、无 URL scheme、无 DOI/arXiv 前缀）但目录不存在时，告知用户该论文未导入，询问是否需要导入。
2. 本地 PDF：输入是本地 .pdf 文件路径（Path(input).suffix == '.pdf' and Path(input).is_file()）。 → 调 pdf-to-md 转 markdown → 调 paper-search 解析身份 → 复制 PDF 和 markdown 到 $PAPERS_DIR/{folder_slug}/paper/ → 生成卡片。
3. 论文引用（标题/DOI/arXiv ID/URL）：其他所有输入。 → 委托 paper-import 完成 search+acquire → 用生成的 folder_slug → 生成卡片。

本地 PDF 处理细节

用户给本地 PDF（如 ~/Downloads/paper.pdf）时：

1. 调 pdf-to-md 把 PDF 转成 markdown，输出到 PDF 同目录
2. 从 PDF 文件名推断论文身份（如 2301.13688.pdf → arXiv ID，attention_is_all_you_need.pdf → 标题关键词）
3. 如果文件名无法推断，询问用户补充信息（标题/DOI/arXiv ID）
4. 调 paper-search 生成 metadata.yaml
5. 在 $PAPERS_DIR/{folder_slug}/paper/ 下创建标准目录结构，复制（不移动）PDF 和 markdown
6. 生成卡片

委托 paper-import

非 folder_slug、非本地 PDF 的输入，agent 应：

1. 调用 paper-import skill，传入用户的论文引用
2. paper-import 完成 search → acquire 后，获得 folder_slug
3. 用该 folder_slug 继续生成卡片

Windows 兼容性注意事项

在 Windows 上执行 paper-acquire / pdf-to-md 的 bash 命令时：

• 设置 PYTHONIOENCODING=utf-8 环境变量避免 GBK 编码错误
• 确保 MINERU_API_TOKEN 在当前 shell session 中可用（检查 $env:MINERU_API_TOKEN 或 os.environ）
• Windows 上 python3 可能不存在，使用 python 替代

Workflow

Step 0: Input Resolution

检测输入类型并确保前置条件满足（详见 Input Handling）。

完成后，以下文件必须存在：

• $PAPERS_DIR/{folder_slug}/metadata.yaml
• $PAPERS_DIR/{folder_slug}/paper/paper.md

Step 1: Load paper content and metadata

Read both files:

• $PAPERS_DIR/{folder_slug}/metadata.yaml — for frontmatter (title, authors, year, venue, url, code, tags)
• $PAPERS_DIR/{folder_slug}/paper/paper.md — full paper text

Step 2: Generate cards

Read both templates (templates/paper-card-deep.md and templates/paper-card-quick.md). The deep card template contains inline extraction rules (in HTML comments and annotation blocks) that guide how to fill each section. Follow them.

Read the full paper.md and fill both templates section by section:

1. Frontmatter: Fill from metadata.yaml + your assessment (tags, builds_on, contrasts_with, ratings, verdict)
2. Deep card: Fill all 16 sections following the template's inline extraction rules
3. Quick card: Fill all sections — a condensed subset of the deep card content

Optional parallel execution: If the caller supports subagent dispatch, run two independent extractions in parallel for cross-validation. Both read paper.md independently and follow the same templates. When two results are available, use cross-validation rules:

• Factual fields (problem, method, experiments): if both agree → high confidence; if they disagree → use the more conservative/verifiable version
• Ratings: average the two scores, round to nearest integer; use the more specific reason
• Limitations / tags / builds_on / contrasts_with: merge both lists, deduplicate

If subagents are not available, the main agent performs the extraction directly — same templates, single pass.

Step 3: Write output files

Write to:

• $PAPERS_DIR/{folder_slug}/card.md
• $PAPERS_DIR/{folder_slug}/card-deep.md

Both files should be self-contained Markdown with YAML frontmatter.

Language

卡片输出语言由 --lang 参数决定。未指定时跟随用户对话语言（用户用中文提问则输出中文，用英文则输出英文）。

语言规则：

• 保持原文（不翻译）：frontmatter 的 title / authors / venue / url / code
• 跟随 --lang：section headers、分析正文（TL;DR、Problem、Method、Result、Limitation、Takeaway、Verdict）、tags / builds_on / contrasts_with / verdict
• 技术术语保持英文：方法名（Transformer、BERT、GAT）、数据集（CIFAR-10、ImageNet）、指标（mAP、BLEU、F1）、架构组件（attention head、MLP、GNN layer）

模板文件保持英文不变。agent 在生成卡片时根据语言指令翻译 section headers 和正文内容。

Templates

• Quick card template
• Deep card template

Both templates contain inline extraction rules (HTML comments). Read them for guidance, but do NOT include them in the output. Preserve all section headers, numbering, annotations, and callout syntax exactly as they appear.

Integration

This skill runs after paper-acquire (which runs after paper-search).

Use paper-import for end-to-end workflow including card generation.