paper-analysis-assistant

name	paper-analysis-assistant
description	根据arXiv论文网址自动下载PDF并进行多维度分析，包括文本提取、词频分析、语音播报、播客对话生成、交互式网页、PPT、总结图和引用分析
dependency	{"python":["requests==2.31.0","pdfplumber==0.10.3","python-pptx==0.6.23","pandas==2.1.4","pyttsx3==2.90","beautifulsoup4==4.12.2","nltk==3.8.1"]}

论文分析助手

任务目标

• 本 Skill 用于:根据 arXiv 论文网址自动进行多维度分析并生成多种格式的输出
• 能力包含:PDF 下载与文本提取、词频统计、语音合成、播客对话生成、交互式网页、PPT 生成、总结图生成、引用分析
• 触发条件:用户提供 arXiv 论文网址或论文 PDF 文件

前置准备

• 依赖说明:所需 Python 包已在 dependency 中列出
• 停用词资源:需准备英文停用词列表，用于词频分析过滤

操作步骤

• 标准流程:

  1. 下载 PDF 文件
     • 调用 scripts/download_pdf.py 下载 arXiv PDF
     • 参数:--url (arXiv 论文网址), --output (输出 PDF 文件路径)
  2. 提取 PDF 文本
     • 调用 scripts/extract_text.py 提取纯文本
     • 参数:--pdf (PDF 文件路径), --output (输出 txt 文件路径)
  3. 词频分析
     • 调用 scripts/analyze_word_frequency.py 进行词频统计
     • 参数:--txt (txt 文件路径), --output (输出 csv 文件路径)
     • 该脚本会自动过滤英文停用词（见 references/stopwords.txt）
  4. 文本转语音
     • 调用 scripts/text_to_speech.py 将文本转为语音
     • 参数:--txt (txt 文件路径), --output (输出 wav 文件路径)
  5. 生成播客对话
     • 智能体步骤:根据论文内容生成双人对话脚本（包含两个角色的对话内容）
     • 脚本步骤:调用 scripts/dialogue_to_podcast.py 将对话脚本转换为语音
     • 参数:--dialogue (对话脚本文件路径), --output (输出 wav 文件路径)
  6. 生成交互式网页
     • 调用 scripts/generate_html.py 生成交互式网页
     • 参数:--txt (txt 文件路径), --word_freq (词频 csv 文件路径), --output (输出 html 文件路径)
  7. 生成 PPT
     • 调用 scripts/generate_ppt.py 生成演示文稿
     • 参数:--txt (txt 文件路径), --output (输出 pptx 文件路径)
  8. 生成总结图
     • 智能体步骤:根据论文内容直接生成"一图胜千言"的总结图（PNG 格式）
  9. 分析引用链接
     • 调用 scripts/extract_references.py 提取引用链接
     • 参数:--txt (txt 文件路径), --output (输出 csv 文件路径)

• 可选分支:

  • 当 用户直接提供 PDF 文件:跳过步骤 1，直接从步骤 2 开始
  • 当 用户只需要部分分析:根据需求选择性执行对应步骤

资源索引

• 下载脚本:见 scripts/download_pdf.py(用途:下载 arXiv PDF)
• 文本提取:见 scripts/extract_text.py(用途:提取 PDF 纯文本)
• 词频分析:见 scripts/analyze_word_frequency.py(用途:统计词频并过滤停用词)
• 语音合成:见 scripts/text_to_speech.py(用途:文本转语音)
• 播客生成:见 scripts/dialogue_to_podcast.py(用途:对话脚本转语音)
• 网页生成:见 scripts/generate_html.py(用途:生成交互式 HTML)
• PPT 生成:见 scripts/generate_ppt.py(用途:生成 PPT 演示文稿)
• 引用提取:见 scripts/extract_references.py(用途:提取引用链接)
• 停用词表:见 references/stopwords.txt(用途:词频分析时的停用词过滤)

注意事项

• 确保所有脚本参数路径正确，特别是输入输出文件的相对路径
• 语音合成功能需要系统支持语音引擎（pyttsx3）
• 播客对话的脚本内容由智能体生成，需确保对话格式正确
• 总结图由智能体直接生成，无需调用脚本

使用示例

• 示例 1:完整分析流程

  # 下载 PDF
  python scripts/download_pdf.py --url "https://arxiv.org/abs/2301.00001" --output ./user-data/paper.pdf
  # 提取文本
  python scripts/extract_text.py --pdf ./user-data/paper.pdf --output ./user-data/paper.txt
  # 词频分析
  python scripts/analyze_word_frequency.py --txt ./user-data/paper.txt --output ./user-data/word_freq.csv
  # 语音合成
  python scripts/text_to_speech.py --txt ./user-data/paper.txt --output ./user-data/paper.wav
  # 播客对话（智能体生成对话脚本后）
  python scripts/dialogue_to_podcast.py --dialogue ./user-data/dialogue.txt --output ./user-data/podcast.wav
  # 生成网页
  python scripts/generate_html.py --txt ./user-data/paper.txt --word_freq ./user-data/word_freq.csv --output ./user-data/analysis.html
  # 生成 PPT
  python scripts/generate_ppt.py --txt ./user-data/paper.txt --output ./user-data/presentation.pptx
  # 提取引用
  python scripts/extract_references.py --txt ./user-data/paper.txt --output ./user-data/references.csv
  

• 示例 2:快速分析（仅词频和引用）

  python scripts/analyze_word_frequency.py --txt ./user-data/paper.txt --output ./user-data/word_freq.csv
  python scripts/extract_references.py --txt ./user-data/paper.txt --output ./user-data/references.csv