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。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
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）