paper-summarize-academic

name	paper-summarize-academic
description	根据论文主题分类动态选择 SOP 的学术论文总结技能。支持 method、dataset、multimodal 等多种论文类型，并提供严格的分析模板。
author	Claude (克劳德)
version	1.0.1
metadata	{"acadclaw":{"profiles":["literature"],"produces":["literature_review"],"consumes":["search_results"]}}

论文总结技能

该 skill 提供学术级论文总结能力，并会根据论文类型动态选择对应的标准操作流程（SOP）。

能力

• 动态 SOP 选择：根据论文类型（method、dataset、multimodal 等）自动选择合适的分析模板
• 严格分析：遵循顶级会议的评审标准（NeurIPS/ICML/ICLR/ACL）
• 结构化输出：生成包含方法批判、实验评估、优缺点等内容的完整总结
• 本地文件保存：将总结结果按规范命名并保存到结构化目录中
• 提示词跟踪：保留实际使用的 prompt 记录，便于复现
• 数据集关注：明确关注训练与评测阶段使用的数据集

支持的论文类型

• method: 算法或架构论文
• dataset: 数据集或 benchmark 论文
• multimodal: 跨模态学习论文
• tech_report: 系统或模型发布类论文
• application: 应用型 AI 论文
• survey: 综述或 review 论文
• rl_alignment: 强化学习、对齐、安全方向论文
• speech_audio: 语音或音频处理论文
• benchmark: 评测或 benchmark 论文
• analysis: 实证分析类论文

用法

输入要求

• 论文标题、作者、摘要
• 主题分类（需属于支持的类型之一）
• 研究上下文（关键词、子主题）

输出格式

• 本地文件：保存在 research/{domain}/ai_summaries/ 下的 {paper_title}.md
• 内容结构：
  • 论文信息（标题、作者、发表 venue、链接）
  • 核心贡献总结
  • 方法论批判（2000+ 字）
  • 实验评估（1000+ 字，重点关注数据集）
  • 优点与缺点
  • 给作者的关键问题
  • 影响评估

质量标准

• 方法论批判：2000+ 字，需覆盖 pipeline、创新点、数学原理、假设、与已有工作的比较、计算成本和失败模式
• 实验评估：1000+ 字，需严格评估 训练与测试所用数据集、实验协议严谨性、baseline 公平性、消融完整性和统计显著性
• 整体分析：3000+ 字，保持批判性视角
• 技术精度：术语使用正确，方法名明确，指标表述精确

工作流集成

该 skill 可以嵌入更大的研究工作流中：

1. 论文发现：可接收 arXiv 等搜索结果
2. 质量筛选：处理已经通过相关性筛选的论文
3. 批量处理：可以对多篇论文重复调用
4. 报告生成：输出结果可并入最终研究报告

配置

SOP 模板定义在以下位置：

• src/lib/agents/topic-sops.ts (primary location)
• summarization_prompt.ts (backup/reference)

两个文件中的 SOP 定义保持一致，并共享输出格式要求。

示例

# 总结一篇方法论文
paper_summarize --title "SongEcho: Cover Song Generation" --topic "method" --abstract "..." --authors "..."

# 总结一篇数据集论文
paper_summarize --title "MusicSem: Language-Audio Dataset" --topic "dataset" --abstract "..." --authors "..."

创建的文件

• research/{domain}/ai_summaries/{paper_title}.md
• research/{domain}/prompts/{paper_title}_prompt.txt
• Directory structure automatically created if missing