메뉴
通过 A/B 双 agent 对话式渐进披露深度解读 arXiv 论文。A 持有全文、给出结构化摘要，B 模拟未读原文的好奇读者、循环追问；用对话桥接作者意图与读者理解的 gap。适用于 '帮我深度读这篇论文'、'对话式阅读 arxiv:xxxx'、'dialog paper reading'、'渐进式论文解读' 等场景。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/justcyl/my-skills --skill paper-dialog-reader명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
SOC 직업 분류 기준
| name | paper-dialog-reader |
| description | 通过 A/B 双 agent 对话式渐进披露深度解读 arXiv 论文。A 持有全文、给出结构化摘要，B 模拟未读原文的好奇读者、循环追问；用对话桥接作者意图与读者理解的 gap。适用于 '帮我深度读这篇论文'、'对话式阅读 arxiv:xxxx'、'dialog paper reading'、'渐进式论文解读' 等场景。 |
两个 agent 合作渐进式解读一篇 arXiv 论文。
整个过程是渐进式披露：B 的每轮追问都在桥接"作者实际写了什么"与"摘要覆盖到了什么"之间的 gap。
使用 ph-paper-helper skill 获取论文内容。
alias ph='uv run --project ~/project/ph2 ph'
# 导入并触发全文提取（MinerU 解析，可能需要数十秒到数分钟）
ph fetch --paper-id arxiv://<ID>
# 轮询直到 fetch_state=done
ph fetch --paper-id arxiv://<ID> --include-content
等待 fetch_state=done 后，用 --include-content 拿到全文 Markdown。
如果用户给的是完整 URL（如 https://arxiv.org/abs/2310.06825），提取其中的 arXiv ID（2310.06825）。
拿到全文后，你作为 Agent A，按以下 7 个维度生成初始摘要。每个维度都要扩写而非压缩——目标不是总结，而是把论文的思路完整呈现出来。
## [论文标题]
### 1. 问题提出
这篇论文在解决什么问题？这个问题为什么值得研究？背景是什么？
### 2. 前人工作与当前水平
这个方向上已有哪些方法？各自的思路是什么？目前的 SOTA 是什么？存在哪些不足？
### 3. 本文 Idea 的来源
作者的核心洞察是什么？他们从哪个观察/直觉出发？为什么这个方向有希望？
### 4. 方案详述
作者提出了什么方法？关键设计是什么？架构/算法的核心是什么？与前人最关键的区别在哪里？
### 5. 实验设计
用了哪些数据集和 baselines？评估指标是什么？实验如何验证核心 claim？有哪些消融？
### 6. 结论与主要发现
主要实验结果是什么？核心 claim 是否成立？有哪些意外发现或局限？
### 7. 未来方向
作者提出了哪些开放问题？还有哪些方向值得探索？
生成摘要后，将完整摘要呈现给用户，然后进入 Step 2。
将 A 的初始摘要作为 B 的唯一输入，使用 spawn --agent paper-reader-b 启动 Agent B。
B 是一个专用 minion（~/.pi/agent/agents/paper-reader-b.md），它没有任何工具，只会根据 prompt 中提供的内容提问。
spawn 调用示例（伪代码）：
spawn --agent paper-reader-b --task "
下面是 Agent A 对一篇 AI 论文的结构化摘要。
你没有读过原文，只能基于下面的内容来提问。
---
[Agent A 的完整初始摘要]
---
请识别摘要中最让你感到困惑、或描述不够充分的地方，提出 3-5 个最重要的问题。
"
信息隔离是关键：不要在 task prompt 里塞入任何原文内容。B 的上下文只有 A 说过的话。
你作为 Agent A，基于论文全文逐一回答 B 的每个问题。
回答原则：
将 B 的问题和 A 的回答整理成对话格式，呈现给用户：
---
### 第 N 轮对话
**B 问：** [问题]
**A 答：** [详细回答]
**B 问：** [问题]
**A 答：** [详细回答]
...
---
将本轮所有内容（初始摘要 + 所有历史 Q&A）作为新的上下文，再次 spawn --agent paper-reader-b，让 B 继续追问。
每次 spawn 都是无状态的新 minion，所以必须把完整历史作为 task prompt 传入。
后续轮次 spawn 调用示例（伪代码）：
spawn --agent paper-reader-b --task "
下面是你（B）和 Agent A 到目前为止关于一篇 AI 论文的完整对话记录。
你没有读过原文，只能基于下面的内容来提问。
---
[初始摘要]
[第1轮 Q&A]
[第2轮 Q&A]
...
---
基于目前你已经了解的内容，提出 3-5 个新的、更深入的问题。不要重复已经问过的问题。
"
以下任一条件满足时，结束对话循环：
no_more_questions：对话自然结束，将 B 的理解总结呈现给用户结束时，输出一份完整的阅读记录，包含：
关于信息隔离： B 每次只能看到 A 说过的内容。你在 spawn B 时，不要在 prompt 里塞入任何原文信息——B 的上下文只有 A 的摘要和历史 Q&A。这个信息隔离是这个工作流的核心机制：B 的困惑 = 真实读者的困惑。
关于扩写 vs 总结： 这个 skill 的目标是帮用户理解全文，而不是提炼精华。A 应当尽可能扩写，把论文中的细节铺开，而不是再次压缩。
关于 ph fetch 的等待：
MinerU 全文解析可能需要几分钟。在等待期间，可以先用 ph fetch --metadata-only 获取论文标题、摘要等基本信息，告知用户正在处理的论文，然后等待全文完成。
关于 spawn 的正确姿势： 每次 spawn B 都是一个全新的、无状态的 minion——它没有记忆。这意味着每次 spawn 时都要把完整的历史上下文作为 prompt 的一部分传入。
关于轮次控制： 前几轮 B 通常会问宏观问题（方法细节、实验设计），后几轮会问更深入的问题（某个设计选择的动机、局限性的根源）。这是正常的渐进深入过程。