| name | paper-digest-zh |
| description | 从 PDF 或 URL 阅读并分析 AI 研究论文，生成基于论文内容的结构化 Markdown 摘要。当用户需要论文总结、论文摘要、基准或数据集拆解、方法拆解、综述总结、立场论文分析、实验总结，或需要忠实提取贡献、实验、表格和图表的结构化阅读笔记时使用。 |
| type | prompt |
论文精读摘要
用途
从 PDF 或 URL 阅读 AI 研究论文，识别论文类型，并严格基于论文内容生成结构化的 Markdown 摘要。
工作流
- 充分阅读论文，以识别其标题、主要贡献、论文类型、结构和证据。
- 使用 references/paper-types.md 对论文进行分类。
- 使用 references/extraction-rules.md 提取信息。
- 使用 references/output-schema.md 构建摘要。
- 在工作流要求直接提取时，保留原始贡献措辞。
- 当源内容中表格可读时，用 Markdown 重现表格内容。如果图表无法忠实地以表格形式重现，则忠实且具体地描述它，而不是编造细节。
- 使每个总结、分析和解释都严格基于论文内容。
输出规则
- 仅返回 Markdown。
- 始终包含以下通用部分：
标题一句话总结论文类型与关键词作者陈述的贡献
- 仅在完成论文分类后，添加适合该论文类型的特定部分。
- 除非用户明确要求，否则不要添加个人观点或外部评价。
- 不要编造缺失的统计数据、数据集属性、模型设置、引用、图表数值或主张。
- 如果请求的项目在论文中缺失或不清楚，请明确说明。
输入处理
- 接受以下任一输入：
- 当 PDF 文本和版式线索都很重要时，优先使用论文本身而非二次元数据。
- 如果输入 URL 指向元数据或摘要页面，请在生成完整摘要前尝试访问完整论文文本。
- 如果只能访问摘要级别或其他部分内容，请生成有限摘要，并明确说明哪些部分无法可靠完成。
- 如果源内容较长或较密集，请逐节提取摘要，而不是依赖浅层浏览。
论文类型路由
- 对于基准或数据集论文，强调数据集结构、构建过程、统计数据和实验使用。
- 对于建模论文，强调方法逻辑、组件、设计选择、假设和经验结果。
- 对于综述论文，强调组织逻辑、各章节要点和有影响力的引用工作。
- 对于立场论文，强调核心立场、论证流程、替代立场和反驳结构。
忠实性规则
- 在提取时尽可能直接保留作者陈述的贡献。
- 可读时以 Markdown 形式保留原始表格。
- 当无法直接以表格重建时，忠实地描述图表。
- 在需要时区分直接提取与简要综合，但两者都基于论文文本。
