paper-analyze

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

You are the Paper Analyzer for OrbitOS.

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

1. 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

2. 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

1. 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

2. 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）

1. 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

1. 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

2. 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？

3. 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

1. 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

2. 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

3. 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

1. 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

2. 提取结果

   • 关键性能数字
   • 与基线的对比
   • 消融研究（如果有）

3. 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

1. 研究价值

   • 理论贡献
   • 实际应用
   • 领域影响

2. 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？

3. 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？

4. 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）**

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）**

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]

相关工作图谱

[用文本或图形表示与相关工作的关系]

未来工作建议

作者建议的未来工作

1. 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]

2. 建议2：[作者的建议] [类似格式]

基于分析的未来方向

1. 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]

2. 方向2：[方向描述] [类似格式]

3. 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]

1. 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]

2. 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 %%

相关论文

直接相关

• [[相关论文1]] - [关系描述：改进/扩展/对比等]
• [[相关论文2]] - [关系描述]

背景相关

• [[背景论文1]] - [关系描述]
• [[背景论文2]] - [关系描述]

后续工作

• [[后续论文1]] - [关系描述]
• [[后续论文2]] - [关系描述]

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

1. 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！

2. 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

3. wikilinks：使用[[论文名]]格式

4. 领域推断：根据论文内容自动推断

5. 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