| name | read-paper |
| description | 深度精读学术论文，从标题分析到审稿人视角全面解析论文价值、方法逻辑和研究贡献 |
| version | 1.0.0 |
Read Paper Skill - 学术论文深度精读助手
此 skill 专门用于深度精读学术论文（支持 LaTeX/PDF 格式），不仅提取信息，更重要的是分析为什么会有这种方法、这种方法怎么就能解决问题。
使用方法
/read --file 路径/到/论文.pdf
或直接在对话中：
请帮我精读 papers/example-paper.pdf
或针对 LaTeX 源文件：
请深度精读 thesis/main.tex
参数
--file (可选): 论文文件路径，支持 PDF 或 LaTeX 文件
使用场景
当你需要：
- 深度理解论文的研究动机和方法逻辑
- 从审稿人角度评价论文质量
- 理解作者的学术背景和研究脉络
- 分析实验设计的合理性和结果的说服力
- 理解论文在学术领域中的定位和贡献
精读分析流程
执行此 skill 时，将按以下步骤进行深度分析（不是浅层信息提取）：
1. 标题深度分析
- 原文标题：完整提取论文标题
- 关键词拆解：精读标题的每个关键词，提取：
- 一句话概述：用一句话概括标题的核心内容
2. 基本信息与时间线
- 开源情况：有没有开源代码，什么时候开源的，开源后有没有宣传
- 发布时间线：文章什么时候投稿，什么时候被接收
- 会议/期刊：发表在哪里，影响因子或会议等级
注意：如果是 PDF 论文，尝试从文件元数据、页眉页脚、首页信息中提取；如果信息不全，明确说明
3. 作者和单位背景
- 作者列表：提取所有作者及其单位
- 作者背景分析（如果有条件）：
- 搜索第一作者和通讯作者的公开信息和个人主页
- 特别关注他们声称致力于做什么
- 之前有没有知名的相关工作
注意：对于 LaTeX 源文件，从 \author{} 命令提取；对于 PDF，从首页提取。如果无法进行网络搜索，说明需要用户补充
4. 摘要和关键词深度提炼
- 原文摘要：完整复制摘要（中文摘要即可，如有）
- 关键词：原样提取关键词
- TL;DR：用一段话通俗介绍本文想解决什么问题、用了什么方法、为什么这个方法能够解决问题、有它没它有什么区别
5. 目录和章节组织架构
- 完整目录：提取所有层级（章、节、小节、小小节）
- 组织架构分析：
- 论文整体展开方式是怎样的
- 各章之间的逻辑关系（承上启下）
- 方法部分是先 overview 再具体模块，还是先理论分析再系统实现
- 每章的功能定位
关键：不要只列目录，要说明为什么这样组织
6. 背景部分深度分析
结合目录分析背景部分介绍了哪些内容
以及为什么要介绍这个（是划定了要解决的问题、给出了现在依托的方法、点出了场景的特殊性、还是阐述了当前痛点和已有工作的局限？）
支撑了论文哪一段核心论证
7. 动机分析
- 问题陈述：现有方法存在什么具体问题（定量描述）
- 风险分析：这样的性能劣化反映了怎样可见的风险
- 定量到定性的转换：这个定量指标的下降怎么就导致了定性问题
- 必要性论证：为什么必须提出新方法
关键：分析作者如何从"指标下降"推导到"问题严重"，这种论证是否充分
8. 方法部分逐一阐述
对每个图表和伪代码分别简要阐述（关注逻辑，不要摘抄技术细节）：
- 方法框架图：
- 整体架构是什么
- 为什么要这样设计（解决什么问题）
- 各模块如何协同工作
- 具体模块图：
- 该模块的输入输出是什么
- 核心操作是什么
- 为什么这样做就能解决问题（而不只是描述做了什么）
- 伪代码/算法：
- 算法的核心逻辑
- 关键步骤的作用
- 时间/空间复杂度分析
- 代码变换通路：如果涉及代码转换，说明转换的每一步
9. 实验部分逐一阐述
对每个图表分别阐述（关注逻辑，不要摘抄实验数据）：
- 先给研究问题映射：在开始分析任何图表前，先明确这一组实验想回答哪几个研究问题（RQ1、RQ2...），并标明每个研究问题对应的图表编号
- 验证的问题：这个实验要回答什么问题
- 实验设计：
- 硬件平台（GPU/CPU型号、内存等）
- 软件版本（所依赖的第三方库或实验比较的软件版本）
- 基线选择（为什么选这些基线）
- 评估方法（什么样的测试场景）
- 性能指标（为什么用这些指标）
- 结果分析：
- 探究问题（一个凝练的疑问句）
- 实验结果（定量描述和趋势分析）
- 实验结论（它如何验证前面所提方法，或者有哪些新发现）
- 消融实验：
10. 相关工作分析
- 相关工作分类：论文涉及哪几类相关工作
- 联系与区别：与每类工作的联系是什么，本文的创新点在哪
- 贡献范围界定：作者如何界定本研究的贡献范围
11. 讨论部分分析
- 对领域的指导意义：本文对未来研究有什么启发
- 技术贡献列举：明确列出本文的技术贡献点
- 后续工作展望：作者提出了哪些后续研究方向
12. 审稿人视角总结
从审稿人的角度做客观点评：
优点（Strengths）
- 研究动机是否充分
- 方法创新性如何
- 实验设计是否合理
- 结果是否有说服力
- 写作和组织是否清晰
不足（Weaknesses）
关键问题（Critical Questions）
- 为什么会有这种方法：动机是否充分
- 这种方法怎么就能解决问题：逻辑链条是否完整
- 实验是否充分验证了主张
- 与相关工作的区别是否显著
- 真正的、别人没有的洞察和创新点是什么
输出规范
生成的精读笔记将遵循以下规范：
- 深度优先：强调分析"为什么"和"怎么解决"，而不只是"做了什么"
- 结构化组织：使用清晰的小标题分节
- 目录层级缩进：生成完整目录时按层级缩进展示，例如
2 为一级，2.1 和 2.2 在 2 的基础上缩进，2.1.1 再在 2.1 的基础上继续缩进
- 信息准确性：原文内容（标题、摘要、关键词）必须完整提取
- 完整性优先：不遗漏任何图表和章节
- 批判性思维：从审稿人角度客观评价，指出优点和不足
- 术语去包装：不要被作者术语牵着走；分析作者定义的术语背后的本质
- 明确缺失：如某些信息无法获取（如作者背景、时间线），明确说明
完成精读后，默认将阅读报告写在当前目录下的read-paper-report.md里。在文档的最前面添加文档信息（包括论文标题、会议、作者、精读日期），然后添加本文档的目录（包括12个精读分析流程）。目录必须做层级缩进展示。最后全面检查文档，增加markdown的可读性（比如目录可以提供超链接、章节架构注意缩进，小标题适当加粗等等）。
重要注意事项
1. 摘要必须完整提取，一个字都不能少
- 错误示例：只提取摘要的前几段，省略后续详细描述
- 正确做法：完整复制摘要全文，包括所有列举段落（如"1. ...", "2. ...", "3. ..."等）
2. 目录结构必须从实际 tex 文件中完整提取
- 对于 LaTeX 论文：搜索所有
.tex 文件中的 \chapter、\section、\subsection、\subsubsection 命令
- 对于 PDF 论文：从目录页或文档结构中提取完整层级
- 目标：提取完整的多级目录结构
3. 分析要深入，不要只描述表面
- 错误示例："作者提出了一个新的算法" → 这只是描述
- 正确做法："作者观察到现有算法在X场景下存在Y问题，因此提出了Z算法，通过A机制解决了Y问题" → 这是深度分析
4. 每个图表都要单独分析
- 不要笼统地说"实验结果表明方法有效"
- 要针对每个图表说明：验证什么问题、结果是什么、说明了什么
5. 保持客观和批判性
- 不要盲目夸赞，要指出真实存在的问题
- 不要打分，不用给出 Accept/Reject/Boardline 等总体评价。只阐述优点、不足、关键问题是否有回应即可。
⚠️ 关键提醒
核心原则：描述"为什么"和"怎么解决"，而不只是"做了什么"
在分析方法和实验时，始终追问：
- 为什么要这样设计？
- 这样做怎么就能解决前面提到的问题？
- 这个实验为什么能证明作者的主张？
- 还有什么问题没有解决？
