| name | paper-analyzer |
| description | 深度精读学术论文的完整框架，适用于 ML / 算法 / 图学习 / 优化/DL类论文。
使用 MinerU Cloud API 高精度解析 PDF，逐公式讲解，复现级代码分析。
当用户上传论文、询问"帮我读这篇论文"、"精读"、"逐公式讲解"、
"这个方法是什么意思"、"帮我找 idea"、"论文有什么缺陷"、"能复现吗"时触发。
采用学术严谨风格，生成 Markdown 和 HTML 格式。
用户背景：数学分析/离散数学/概率统计/数据结构/算法，不预设拓扑/测度论/凸分析。
|
修改说明: 本 skill 修改于 paper-analyzer，优化了论文精读流程和输出格式。
Academic Paper Analyzer - 学术论文深度解析
核心能力
- MinerU Cloud API 高精度 PDF 解析（图片、表格、LaTeX 公式）
- 逐公式精读：每个公式的推导、来源、可检查点
- 符号表构建：全文符号统一管理，前置知识补全
- 复现级分析：伪代码逐行解释、复杂度分析、超参敏感性
- 实验因果解释：不只复述结果，分析为什么有效
- 缺陷识别：假设过强、推导不严、对比不公平等
- 联网评价：相关工作对照、论文定位、社区反应
- Idea 生成：基于论文缺陷提出可做的研究方向
- 输出 Markdown + HTML（base64 嵌入图片）
前置准备
MinerU API Token
- 访问 https://mineru.net 注册账号
- 获取 API Token
- 设置环境变量（推荐）：
export MINERU_TOKEN="your_token_here"
依赖安装
pip install requests markdown
操作步骤
第零步：确认用户意图
根据用户需求选择路径：
| 用户意图 | 执行模块 |
|---|
| 完整精读 | A → B → C → D → E → F → G → H（逐模块推进） |
| 只看公式/证明 | A + B + C（重点） |
| 想复现方法 | A + D（重点）+ E |
| 评价创新/缺陷 | A + F + G |
| 想要 idea | A–F 后执行 H |
节奏规则：每个主模块输出完后暂停，等用户说"继续"再推进，如果用户说为我直接生成完成的阅读文章，就自动执行所有流程
快速跳转：用户可说 @公式精读、@复现、@找缺陷、@找idea、@相关工作 直接定位。
第一步：PDF 解析（使用 MinerU API）
python scripts/mineru_api.py <pdf_path> <output_dir>
或者直接传入 token：
python scripts/mineru_api.py paper.pdf ./output YOUR_TOKEN
输出结果：
output_dir/*.md - Markdown 文件（含公式、表格）output_dir/images/ - 高质量提取的图片
第二步：提取论文信息
python scripts/extract_paper_info.py <output_dir>/*.md paper_info.json
第三步：精读框架
模块 A：读前准备
目标：1-2 屏内建立整体图景，带着问题去读。
A1. 核心问题
一句话：[用最朴素的语言说清楚论文想解决什么]
数学表述：
• 给定：[输入的形式化描述，含符号]
• 求：[输出/目标的形式化描述]
• 优化目标/判定问题：[公式]
• 关键难点：[为什么这个问题难，或之前的方法在哪里卡住了等]
A2. 研究设置
| 维度 | 内容 |
|---|
| 输入 | 数据类型、格式、维度 |
| 输出 | 预测目标、结构、格式 |
| 核心假设 | 列出所有假设，标注强假设 |
| 数据集 | 名称、规模、领域、是否公开 |
| 评价指标 | 主指标 + 辅助指标 |
| 约束条件 | 计算资源、隐私、实时性等 |
A3. 贡献列表
按重要性排序，标注类型：
- 🔵 理论贡献：新定理/引理/复杂度下界/收敛证明/泛化界
- 🟠 工程贡献：系统设计/实现技巧/效率优化/开源工具
- 🟢 实验贡献：新 benchmark/大规模实验/消融分析
💡 读前锚点：列出 2-3 个读完应该能回答的核心问题。
模块 B：符号表与前置知识对齐
B1. 全文符号表
| 符号 | 含义 | 类型 | 维度/取值范围 | 所在空间 | 首次出现 |
|---|
| | 标量/向量/矩阵/集合/函数 | | $\mathbb{R}^d$ 等 | 节 X.X |
注意：
区分随机变量与其实现值（XX
X vs xx
x）
标出重载符号（同一字母在不同节含义不同）
标出论文隐式约定（如默认范数为 ℓ2\ell_2等
ℓ2、默认图为无向图等等）
B2. 前置知识补全
对用户可能没学过的概念，用以下模板解释：
【概念名称】
• 直觉（一句话）：它在做什么？
• 正式定义：...
• 本文中的具体用法：...
• 你只需要知道：[最小必要理解]
• 常见坑：[容易误解的地方]
按需覆盖：测度/σ-代数、Lipschitz 连续性、凸函数/次梯度、谱图论、信息论、PAC 学习/VC 维、变分推断/ELBO、随机过程、矩阵分析等。
模块 C：数学公式逐式精读
⚡ 核心模块。按论文章节顺序推进，每次处理一个小节后暂停。公式 > 8 个时，先列"公式地图"，让用户选重点。
对每一个公式/定理/引理/算法步骤输出：
公式/定理 [编号]
① 角色
从以下选择：定义 · 目标函数 · 约束条件 · 上界 · 下界 · 算法步骤 · 误差分解 · 关键引理 · 收敛条件 · 近似替代
② 来源判定 + 详细解析
情形 A：已有结论
✅ 来源：[定理名称/出处，如"Jensen 不等式"]
适用条件：[什么时候成立]
直觉解释：[不依赖证明也能理解]
本文使用方式：[如何套用到当前场景]
情形 B：作者新提出
推导路线图：
Step 1: [从 A 出发，利用 X]
Step 2: [代入 B，化简]
Step 3: [应用 Y 不等式]
结论：[最终形式]
每步格式：
[Step N]
操作：[具体代数变形/概率工具/不等式应用]
工具：[Cauchy-Schwarz / Jensen / AM-GM 等]
可行理由：[满足该工具使用条件的说明]
中间结果：[该步表达式]
作者省略步骤时，强制标注并补全：
⚠️ 作者省略：从 [表达式 A] 到 [表达式 B] 跳过了以下步骤：
[补全过程]
为什么容易漏：[常见误解]
③ 可检查点
模块 D：方法与算法（复现视角）
D1. 整体方法架构
用一段话 + 文字结构示意图描述整体流程，标清各模块输入输出关系。
D2. 伪代码逐行解释
Algorithm X: [算法名]
──────────────────────────────────────────
输入：[变量名]：[含义，维度]
输出：[变量名]：[语义解释]
──────────────────────────────────────────
Line 1: [原始伪代码]
→ 做什么：[操作的直白描述]
→ 为什么：[这一步的设计动机]
→ 注意：[实现时容易出错的地方]
──────────────────────────────────────────
整体：[算法不变量/终止条件说明]
D3. 复杂度分析
| 维度 | 复杂度 | 瓶颈所在 | 备注 |
|---|
| 时间（训练） | $O(...)$ | 第 X 步 | |
| 时间（推理） | $O(...)$ | | |
| 空间 | $O(...)$ | | |
| 可并行化？ | ✅ / ❌ | [哪些步骤可并行] | |
| 可近似？✅ / ❌[方式及精度损失] | | | |
| 💡 与 naive baseline 的复杂度对比。 | | | |
D4. 关键超参分析
| 超参 | 符号 | 作用 | 敏感性 | 作者建议值 | 有消融？ |
|---|
| | | 高/中/低 | | ✅ / ❌ |
无消融时：指出最值得实验的 1-2 个超参，预测影响方向。
模块 E：实验与结论（因果解释）
E1. 实验设计审查
- 对照组充分性：缺少哪些重要 baseline？
- 数据划分合理性：有无数据泄露风险？
- 公平性评估：超参是否同等调优？计算量/参数量是否可比？预训练/外部数据是否对等？
E2. 指标合理性
- 主指标是否真正反映任务目标？
- 有无"指标投机"风险？
- 是否报告置信区间/统计显著性？
E3. 结果因果解释
结论：[作者声称的结论]
因果分析：
• 直接原因：[与方法设计哪一点直接关联]
• 数据/任务特性：[为什么这个场景有利/不利]
• 潜在混淆因素：[是否有其他解释？]
反例思考：
• 什么场景下结论可能不成立？
• 作者是否讨论过失败案例？
模块 F：论文优缺点与遗留问题
F1. 优点
| 维度 | 评价 | 具体亮点 |
|---|
| 创新性 | ⭐⭐⭐⭐☆ | |
| 理论严格性 | ⭐⭐⭐☆☆ | |
| 工程可用性 | ⭐⭐⭐⭐☆ | |
| 实验充分性 | ⭐⭐⭐☆☆ | |
F2. 缺点（逐条，有理有据）
【类型】假设过强/推导不严/对比不公平/边界未讨论/复现难/扩展性差/动机牵强
描述：[具体指出问题在论文哪里]
影响：高/中/低
能否修复：[是否有直接修复方向]
F3. 遗留问题（可研究的问题陈述）
问题 [N]：[清晰的一句话问题陈述]
背景：论文在哪里暗示或回避了这个问题？
重要性：解决它能带来什么价值？
难度：高/中/低（附理由）
关联：与 F2 中哪条缺点相关？
模块 G：联网评价（相关工作对照与定位）
必须联网检索，使用 web_search 工具。
G1. 检索策略（依次执行）
"[论文标题]" site:arxiv.org — 确认版本、引用数[方法名] [核心关键词] survey [近两年] — 找综述定位[论文标题] follow-up OR extension OR improvement — 找后续工作[论文标题] reproducibility OR replication OR critique — 找质疑/复现报告[第一作者名] [核心关键词] [近一年] — 找作者后续进展
G2. 相关工作对照表
| 方法 | 年份/会议 | 核心思想 | 关键假设 | 时间复杂度 | 代表性指标 | 适用场景 | 与本文关系 |
|---|
| 本文 | | | | | | | — |
| 前驱工作 | | | | | | | 被改进 |
| 同期竞争 | | | | | | | 横向对比 |
| Follow-up | | | | | | | 推广/修复 |
G3. 论文定位评估
研究谱系位置：
• 子领域：[具体细分方向]
• 定性：开创性/重要改进/工程优化/综合整合/负结果
真正超过前人的地方：
1. [具体超越点，附数据支撑]
依赖前人未变的地方：
• [哪些核心假设/框架仍沿用前人]
影响力（基于检索）：
• 引用数/趋势：...
• 开源代码：有/无（[链接]）
• 社区反应：赞扬/质疑/改进方向
最终判断：
□ incremental contribution
□ significant advancement
□ paradigm shift
理由：...
模块 H：基于论文提出 2-3 个可做 idea
每个 idea 必须完整输出所有字段。质量标准：动机清晰、技术路线具体、MVP 一两周能跑出来。
Idea [N]：[简明标题，10 字以内]
核心动机
针对：F2 缺点 [编号] / F3 遗留问题 [编号]
具体痛点：[论文在哪里卡住了]
解决这个问题的价值：[理论价值/实践价值]
技术路线
现有做法：[论文原始方案的关键步骤]
本 idea 的改动：
• 改什么：[模型结构/目标函数/证明框架/数据处理/实验设计]
• 怎么改：[具体技术描述，精确到公式或伪代码级别]
• 为什么能解决问题：[逻辑链]
关键技术挑战：[最难突破的地方]
可能的解决方向：[初步思路]
预期收益
理论层面：[能证明什么新结论？]
实践层面：[哪些任务/场景会受益？]
潜在投稿：[NeurIPS / ICML / ICLR / KDD / WWW / AAAI 等]
竞争格局：[是否可能已有人在做？如何差异化？]
风险点
技术风险：[可能失败的技术原因]
创新性风险：[是否可能已有工作覆盖？]
验证成本：[计算资源/数据/时间]
Plan B：[如果核心假设不成立，有没有退路？]
最小可行实验（MVP）
核心假设：[这个 idea 成立的最关键假设]
验证目标：[MVP 只需验证这一点]
数据集：[小规模、易获取，如 Cora / MNIST / toy synthetic]
实验步骤（≤5步）：
1. ...
2. ...
成功标准：[什么结果说明假设成立/idea 可行]
失败标准：[什么结果说明需要换方向]
预计时间：[X 天，含调参]
代码起点：[基于论文开源代码哪个模块/从头实现哪部分]
第四步：生成学术文章
采用学术专业型风格，阅读以下风格定义文件：
styles/academic.md - 学术型风格指南styles/with-formulas.md - 公式讲解指南styles/with-code.md - 代码分析指南（如论文有 GitHub 仓库）
轻量模式（节省上下文）
重要：为避免上下文膨胀，请遵循以下原则：
- 不要反复读取图片文件 - MinerU 已提取高质量图片，直接引用路径即可
- 信任 paper_info.json - 包含图片列表和元数据，无需视觉确认
- 只看关键图 - 最多读取 1-2 张核心架构图，其余直接引用
通用写作原则
学术专业型风格特点：
- 使用专业术语和严谨表述
- 保留原文的核心概念和技术细节
- 适合学术报告、论文综述、研究组分享
避免：
- AI 常用词（"深入探讨"、"至关重要"、"在...领域"）
- 机械化章节标题
- LaTeX 公式语法（如
$\mathcal{O}(1)$）- 使用提取的公式图片
- 过度简化的比喻和口语化表达
采用：
- 自然段落叙述
- 充分利用 MinerU 提取的图片
- 论文中的每张关键图都应该被讲解到
- 公式截图比 LaTeX 语法更易读
- 保持学术严谨性和专业性
文章结构
1. 论文信息
**论文标题**：xxx
**论文链接**：[arXiv](https://arxiv.org/abs/xxxx)
**作者团队**：xxx
**会议/期刊**：xxx
2. 核心问题与研究设置（2-3段）
- 一句话说明论文解决什么问题
- 数学形式化描述（给定、求、优化目标）
- 关键难点和挑战
- 研究设置（输入输出、假设、数据集、评价指标）
3. 符号表与前置知识（按需）
4. 核心创新与方法（5-6段）
- 详细讲解论文的创新点和技术方法
- 每个创新点都要有图片支撑
- 使用专业术语准确描述技术细节
- 公式用图片展示并详细解读符号含义
- 逐公式推导（按模块 C 的标准）
- 伪代码逐行解释（按模块 D 的标准）
- 复杂度分析和超参敏感性
5. 实验验证与因果分析（3-4段）
- 关键的实验结果图表
- 对比分析和数据解读
- 因果解释：为什么有效，什么场景下可能失效
- 实验设计的合理性评估
6. 优缺点与遗留问题（2-3段）
- 客观评价论文的创新性、理论严格性、工程可用性
- 逐条列出缺点（假设过强、推导不严、对比不公平等）
- 指出遗留的可研究问题
7. 相关工作对照与定位（2-3段）
- 与前驱工作、同期竞争、后续工作的对比
- 论文在研究谱系中的位置
- 基于联网检索的影响力评估
8. 研究方向建议（可选，2-3段）
- 基于论文缺陷提出 2-3 个可做的 idea
- 每个 idea 包含：核心动机、技术路线、预期收益、风险点、MVP
第五步：输出格式
默认输出 Markdown，文章写完后询问用户是否需要其他格式：
"文章已生成：article.md。需要生成 HTML 版本吗？（HTML 会嵌入图片，方便直接分享）"默认不需要，如果需要，需要用户自己询问
如果用户需要 HTML：
python scripts/generate_html.py <article.md> <output.html>
资源索引
风格定义：
styles/storytelling.md - 故事型风格styles/academic.md - 学术型风格styles/concise.md - 精炼型风格styles/with-formulas.md - 公式讲解styles/with-code.md - 代码分析
脚本：
scripts/mineru_api.py - MinerU Cloud API 调用（推荐）scripts/convert_pdf.py - 本地转换（备选，需要 PyMuPDF）scripts/extract_paper_info.py - 提取论文元数据scripts/generate_html.py - 生成 HTML（base64 图片）
输出规范
公式格式：
- 行内公式：
$...$
- 独立公式：
$$...$$
- 公式图片优先于 LaTeX 语法
推导引用：
- 所用引理/定理须标名称（Jensen 不等式、Azuma-Hoeffding 界、Perron-Frobenius 定理等）
标注语义（全文统一）：
- ⚠️ 警告/作者省略/潜在错误/强假设
- ✅ 已验证/直接可用
- ❓ 存疑/需进一步确认
- 💡 值得记住的直觉/关键 insight
- 🔁 与论文其他部分有关联（标出位置）
节奏控制：
- 每个主模块结束后输出
[模块 X 完成] 是否继续模块 Y？ 等用户确认
- 用户可说
@公式精读、@复现、@找缺陷、@找idea、@相关工作 直接定位
用户背景假设：
- 已学：数学分析、离散数学、概率统计、数据结构、算法
- 不预设：拓扑、测度论、凸分析（需要时补充）
注意事项
- 优先使用 MinerU API，精度最高，支持公式/表格
- 节省上下文：不要反复读取图片，信任元数据
- 逐模块推进：每个主模块完成后暂停，等用户确认再继续
- 公式必须严格：每个公式都要标注角色、来源、推导步骤、可检查点
- 作者省略必补全：发现推导跳步时强制标注并补全
- 实验要因果解释：不只复述结果，要分析为什么有效
- 缺陷要有理有据：指出具体问题在论文哪里，影响程度
- 联网评价必须做：使用 web_search 工具检索相关工作和影响力
- Idea 要完整：包含动机、技术路线、预期收益、风险点、MVP
- 避免分点列表，使用自然段落叙述（除表格和结构化内容）
- 图片选择 3-5 张关键图表
API 限制
- 单个文件最大 200MB
- 单个文件最多 600 页
- 支持 PDF、DOC、PPT、图片等格式
