메뉴
每日论文推荐的一句话总入口。用户说"今日论文推荐""过去3天论文推荐""过去一周论文推荐" "最近3天论文""看看这周有啥论文"时使用。 内部会自动：关键词丰富化 → 多源检索 → 规范化去重 → Claude判断相关性 → 生成推荐 → 生成笔记。 如果用户没有指定关键词，使用共享配置中的 `daily.keywords`；旧配置 `daily_paper_keywords` 仍兼容。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
论文抓取（3 步流水线的第 1 步）。根据 Claude 生成的多样化关键词，执行多源检索、 规范化、去重、排序和基础富化，输出 candidates/source_diagnostics/dedup_stats 供后续 skill 使用。 触发词："论文抓取"、"跑一下论文抓取" 支持多天模式："过去3天论文推荐"、"过去一周论文推荐"、"过去一周的论文"、"抓 3 天的论文"、"最近5天"
论文笔记生成（3 步流水线的第 3 步）。为推荐论文生成完整笔记，链接回填到推荐文件。 目录页默认自动刷新，git 自动化默认关闭。 触发词："批量笔记"、"跑一下论文笔记"
论文点评（3 步流水线的第 2 步）。读取多源检索后的候选论文数据，Claude 判断相关性，生成推荐点评， 保存推荐文件到 Obsidian。 触发词："论文点评"、"跑一下论文点评"
用户说"调研XXX领域的文章"、"帮我搜索XXX相关论文"、"我想了解一下XXX方向"时使用。 根据用户输入的主题，用 LLM 生成多样化检索关键词，然后自动抓取、点评、更新 summary 候选列表。 调研阶段不精读论文，不调用 paper-reader，不下载 PDF，不抽图。 **触发词**：调研、搜索、了解、看看XX方向、XX领域文章
Use when user asks to "read paper", "analyze paper", "summarize paper", "读论文", "分析文献", "帮我看一下这篇paper", "论文笔记", or provides a PDF file that appears to be an academic paper. **重要触发词**: "读一下 XXX"、"精读 XXX"、"生成笔记 XXX"、"帮我读 XXX" → 必须调用此 skill **不要触发**: 用户只说"读一下"但没有给论文名、链接或 PDF 时，不启动深读；先列出 summary 中待精读候选让用户选择。
| name | daily-papers |
| description | 每日论文推荐的一句话总入口。用户说"今日论文推荐""过去3天论文推荐""过去一周论文推荐" "最近3天论文""看看这周有啥论文"时使用。 内部会自动：关键词丰富化 → 多源检索 → 规范化去重 → Claude判断相关性 → 生成推荐 → 生成笔记。 如果用户没有指定关键词，使用共享配置中的 `daily.keywords`；旧配置 `daily_paper_keywords` 仍兼容。 |
这是面向用户的一句话入口。
识别时间范围：
今日论文推荐、每日推荐、今日论文 -> 当天过去3天论文推荐、最近3天论文 -> 3 天过去一周论文推荐、看看这周有啥论文 -> 7 天过去两个月 -> 60 天识别关键词：
daily.keywords 配置获取默认关键词；旧配置 daily_paper_keywords 仍兼容每日论文只能写入一个日期目录：
{DAILY_PAPERS_PATH}/{YYYY-MM-DD}/
例如 Dailypaper/2026-05-20/。禁止创建或写入任何月份/日期混合目录，包括：
Dailypaper/5月/0520/Dailypaper/5月/520/Dailypaper/{月份}/{DD}/Dailypaper/{月份}/{MMDD}/执行前必须显式设置并复用：
DATE_DIR="$(date +%F)"
DAILY_RUN_DIR="{DAILY_PAPERS_PATH}/$DATE_DIR"
META_DIR="$DAILY_RUN_DIR/_meta"
RECOMMENDATION_FILE="$DAILY_RUN_DIR/$DATE_DIR-论文推荐.md"
后续抓取、点评、笔记、图片、_meta 都只能使用这些变量。不要手写 5月、0520、520 这种路径。
如果发现同一天的旧式目录已经存在，先停止写入并迁移到 Dailypaper/{YYYY-MM-DD}/；如果目标目录已有内容，保留目标目录，不要把新内容写回旧式目录。
对每个原始关键词进行丰富化（英文 + 中文变体）：
| 原始关键词 | 丰富化关键词 |
|---|---|
| 大模型评测 | LLM evaluation, large language model benchmark, foundation model evaluation, 模型评测, 大模型评估 |
| 扩散模型 | diffusion model, score-based model, diffusion generative model, 扩散生成模型 |
丰富化逻辑：
调用 multi_source_fetch.py，传入丰富化后的关键词。输出保存在当天日期目录的 _meta/ 下，便于复盘：
python3 ~/.claude/skills/daily-papers/multi_source_fetch.py \
--topic "每日论文" \
--queries-json '["{丰富化关键词1}", "{丰富化关键词2}"]' \
--since-year {年份下限} \
--max-results 100 \
--sources auto \
--output "$META_DIR/candidates.json"
输出：
_meta/candidates.json：规范化、去重、排序后的候选论文_meta/source_diagnostics.json：各来源请求状态_meta/dedup_stats.json：去重统计_meta/plan.json：本次 topic / queries / source 配置读取 _meta/candidates.json，Claude 逐一判断每篇论文是否与关键词相关，输出 core / adjacent / exclude 筛选理由并生成推荐点评。
对推荐中标记为"🔥 必读"的论文，逐篇生成中英双语笔记。
跑一下论文抓取 / 点评 / 笔记