Menu
深度分析单篇论文，生成详细笔记和评估，图文并茂 / Deep analyze a single paper, generate detailed notes with images
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
DeepSpeed ZeRO 显存优化与训练加速
Flash Attention 版本选型与最佳配置
提交代码到远程仓库
NVIDIA Nsight Systems 系统级 GPU Profiling
Nsight Systems 自动检测、安装与升级
PyTorch Profiler 性能分析，提供算子级瓶颈定位
| name | paper-analyze |
| description | 深度分析单篇论文，生成详细笔记和评估，图文并茂 / Deep analyze a single paper, generate detailed notes with images |
| allowed-tools | Read, Write, Bash, WebFetch |
This skill supports both Chinese and English reports. The language is determined by the language field in your config file:
language: "zh" in configlanguage: "en" in configThe config file should be located at: $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml
At the start of execution, read the config file to detect the language setting:
# Read language from config
LANGUAGE=$(grep -E "^\s*language:" "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" | awk '{print $2}' | tr -d '"')
# Default to Chinese if not set
if [ -z "$LANGUAGE" ]; then
LANGUAGE="zh"
fi
Then use this language setting throughout the workflow:
--language $LANGUAGE to scriptsYou are the Paper Analyzer for OrbitOS.
对特定论文进行深度分析，生成全面笔记，评估质量和价值，并更新知识库。
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 设置变量（从环境变量 OBSIDIAN_VAULT_PATH 读取，或让用户指定）
PAPER_ID="[PAPER_ID]"
VAULT_ROOT="${OBSIDIAN_VAULT_PATH}"
PAPERS_DIR="${VAULT_ROOT}/20_Research/Papers"
接受输入格式：
搜索已有笔记
20_Research/Papers/目录中搜索读取论文笔记
# 下载PDF
curl -L "https://arxiv.org/pdf/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].pdf
# 下载源码包（包含TeX和图片）
curl -L "https://arxiv.org/e-print/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].tar.gz
tar -xzf /tmp/paper_analysis/[PAPER_ID].tar.gz -C /tmp/paper_analysis/
# 使用curl获取arXiv页面
curl -s "https://arxiv.org/abs/[PAPER_ID]" > /tmp/paper_analysis/arxiv_page.html
# 提取关键信息（使用通用正则，适用于任何论文）
TITLE=$(grep -oP '<title>\K[^<]*' /tmp/paper_analysis/arxiv_page.html | head -1)
AUTHORS=$(grep -oP 'citation_author" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | paste -sd ', ')
DATE=$(grep -oP 'citation_date" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | head -1)
# 读取各章节内容
cat /tmp/paper_analysis/1-introduction.tex > /tmp/paper_analysis/intro.txt
cat /tmp/paper_analysis/2-joint-optimization.tex > /tmp/paper_analysis/methods.txt
cat /tmp/paper_analysis/3-agent-swarm.tex > /tmp/paper_analysis/agent_swarm.txt
cat /tmp/paper_analysis/5-eval.tex > /tmp/paper_analysis/eval.txt
获取论文元数据
id_list=[arXiv ID]获取PDF内容和图片
20_Research/Papers/[领域]/[论文标题]/images/images/index.md提取关键概念
总结研究目标
生成中文翻译
识别核心方法
分析方法结构
评估方法新颖性
提取实验设置
提取结果
评估实验严谨性
研究价值
局限性
未来工作
与相关工作对比
统一格式
$...$$$...$$ 并单独成行避免不可渲染写法
推荐写法
$L(\theta)$$$\theta^* = \arg\min_\theta L(\theta)$$复杂公式
$$...$$# 复制figures目录到目标位置
cp /tmp/paper_analysis/*.{pdf,png,jpg,jpeg} "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/" 2>/dev/null
# 列出复制的内容
ls "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/"
# 根据论文内容确定领域（智能体/大模型/多模态技术/强化学习_LLM_Agent等）
# 推断规则：
# - 如果提到"agent/swarm/multi-agent/orchestration" → 智能体
# - 如果提到"vision/visual/image/video" → 多模态技术
# - 如果提到"reinforcement learning/RL" → 强化学习_LLM_Agent
# - 如果提到"language model/LLM/MoE" → 大模型
# - 否则 → 其他
PAPERS_DIR="${VAULT_ROOT}/20_Research/Papers"
DOMAIN="[推断的领域]"
PAPER_TITLE="[论文标题，空格替换为下划线]"
NOTE_PATH="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}.md"
IMAGES_DIR="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}/images"
INDEX_PATH="${IMAGES_DIR}/index.md"
# 调用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --authors "[作者]" --domain "[领域]" --language "$LANGUAGE"
当分析完成后，调用obsidian-markdown skill来确保格式正确，然后手动补充详细内容。
GRAPH_PATH="${PAPERS_DIR}/../PaperGraph/graph_data.json"
cat "$GRAPH_PATH" 2>/dev/null || echo "{}"
# 调用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --domain "[领域]" --score [评分] --language "$LANGUAGE"
---
date: "YYYY-MM-DD"
paper_id: "arXiv:XXXX.XXXXX"
title: "论文标题"
authors: "作者列表"
domain: "[领域名称]"
tags:
- 论文笔记
- [领域标签]
- [方法标签-无空格] # 标签名不能有空格，空格替换为-
# ⚠️ 标签名格式规则
# Obsidian的tag名称不能包含空格，如有空格需用短横线(-)连接
# 例如：
# "Agent Swarm" → "Agent-Swarm"
# "Visual Agentic" → "Visual-Agentic"
# "MoonViT-3D" → "MoonViT-Three-D"
#
# Python脚本(scripts/generate_note.py)会自动处理标签名中的空格
# 将所有tag.replace(' ', '-')移除空格
- [相关论文1] ← 在tags中添加相关论文
- [相关论文2] ← 在tags中添加相关论文
quality_score: "[X.X]/10"
created: "YYYY-MM-DD"
updated: "YYYY-MM-DD"
status: analyzed
---
# [论文标题]
## 核心信息
- **论文ID**：arXiv:XXXX.XXXXX
- **作者**：[作者1, 作者2, 作者3]
- **机构**：[从作者推断或查看论文]
- **发布时间**：YYYY-MM-DD
- **会议/期刊**：[从categories推断]
- **链接**：[arXiv](链接) | [PDF](链接)
- **引用**：[如果可获取]
## 摘要翻译
### 英文摘要
[论文的英文摘要原文]
### 中文翻译
[将英文摘要翻译成流畅的中文，保持学术术语的准确性]
### 核心要点提炼
- **研究背景**：[该研究领域的现状和存在的问题]
- **研究动机**：[为什么要做这项研究]
- **核心方法**：[一句话概括主要方法]
- **主要结果**：[最重要的实验结果]
- **研究意义**：[该研究对领域的贡献]
## 研究背景与动机
### 领域现状
[详细描述该研究领域当前的发展状况]
### 现有方法的局限性
[深入分析现有方法存在的问题：]
### 研究动机
[解释为什么需要这项研究：]
## 研究问题
### 核心研究问题
[清晰、准确地描述论文要解决的核心问题]
## 方法概述
### 核心思想
[用通俗易懂的语言解释方法的核心思想，让非专业人士也能理解]
### 方法框架
#### 整体架构
[描述方法的整体架构，包括主要组件和它们之间的关系]
**架构图选择原则**：
1. **优先使用论文中的现成图** - 如果论文PDF中有架构图/流程图/方法图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有合适的架构图时，才用JSON Canvas自行绘制
**方式1：插入论文中的图（优先）**
图1：[架构描述，包括图中各个部分的含义和它们之间的关系]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
**方式2：创建Canvas架构图（论文无图时使用）**
调用 `json-canvas` skill 创建 `.canvas` 文件，然后嵌入：
![[论文标题_Architecture.canvas|1200|400]]
Canvas 创建步骤：
1. 调用 `json-canvas` skill
2. 使用 `--create --file "路径/架构图.canvas"` 参数
3. 创建节点和连接，使用不同颜色区分层级
4. 保存后在markdown中嵌入引用
**文本图表示例**（当无法插入图片或创建Canvas时的最后备选）：
输入 → [模块1] → [模块2] → [模块3] → 输出 ↓ ↓ ↓ [子模块] [子模块] [子模块]
#### 各模块详细说明
**模块1：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
1. [步骤1详细描述]
2. [步骤2详细描述]
3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]
- **数学公式**：[如果有重要的数学公式]
行内示例：损失函数为 $L(\theta)$。
块级示例：
$$\theta^* = \arg\min_\theta L(\theta)$$
**模块2：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
1. [步骤1详细描述]
2. [步骤2详细描述]
3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]
**模块3：[模块名称]**
[类似格式]
### 方法架构图
[选择最适合的方式展示架构]
**选择原则**：
1. **优先使用论文中的架构图** - 如果论文中有合适的方法架构图、流程图或系统图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有相关架构图时，才用JSON Canvas自行绘制
**方式1：插入论文中的图（优先）**
图1：[架构描述，包括图中各个部分的含义和它们之间的关系]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
**方式2：创建Canvas架构图（论文无图时使用）**
![[论文标题_Architecture.canvas|1200|400]]
调用`json-canvas` skill创建，支持：
- 彩色节点（颜色1-6或自定义hex）
- 带标签的箭头连接
- 节点分组和层级结构
- Markdown文本渲染
**注意**：Canvas只作为补充手段，不要替换论文中原有的架构图。论文中的图通常更准确、更权威。
## 实验结果
### 实验目标
[本实验要验证什么]
### 数据集
#### 数据集统计
| 数据集 | 样本数 | 特征维度 | 类别数 | 数据类型 |
|--------|--------|----------|--------|----------|
| 数据集1 | X万 | Y维 | Z类 | [类型] |
| 数据集2 | X万 | Y维 | Z类 | [类型] |
### 实验设置
#### 基线方法
[列出所有对比的基线方法，并简要说明]
#### 评估指标
[列出所有评估指标，并解释每个指标的含义]
#### 实验环境
#### 超参数设置
### 主要结果
#### 主实验结果
| 方法 | 数据集1-指标1 | 数据集1-指标2 | 数据集2-指标1 | 数据集2-指标2 | 平均排名 |
|------|---------------|---------------|---------------|---------------|----------|
| 基线1 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线2 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线3 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| **本文方法** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **N** |
> 注：±后的数字表示标准差，**粗体**表示最优结果
#### 结果分析
[对主实验结果的详细分析]
### 消融实验
#### 实验设计
[消融实验的设计思路]
#### 消融结果和分析
### 实验结果图
[插入论文中的实验结果图]
> 图2：[图描述]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）
## 深度分析
### 研究价值评估
#### 理论贡献
- **贡献1**：[详细描述理论贡献]
- 创新点：[手动分步执行（用于调试）
#### 步骤0：初始化环境
```bash
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 搜索已有笔记
find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f
# 下载PDF和源码（见步骤2.1、2.2、2.3）
# 或者从已有数据读取
cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex
# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"
# 使用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"
# 使用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8 --language "$LANGUAGE"
分析完成后，调用/obsidian-markdown来确保frontmatter格式正确，然后手动补充详细内容。
场景1：分析arXiv论文（有网络访问）
# 一键执行
bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"
场景2：分析本地PDF（无网络访问）
# 手动上传PDF
cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf
# 执行分析（跳过步骤2的下载）
python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf
学术价值：[对学术界的价值]
影响范围：[影响的研究领域]
贡献2：[详细描述理论贡献] [类似格式]
应用场景1：[应用场景描述]
应用场景2：[应用场景描述] [类似格式]
[类似格式]
[类似格式]
##所有 局都限用上限名称]
[类似格式]
场景1：[场景描述]
场景2：[场景描述] [类似格式]
场景1：[场景描述]
场景2：[场景描述] [类似格式]
[为什么选择这些论文进行对比]
| 对比维度 | 相关论文1 | 本文方法 |
|---|---|---|
| 核心思想 | [描述] | [描述] |
| 技术路线 | [描述] | [描述] |
| 关键组件 | [描述] | [描述] |
| 创新程度 | [描述] | [描述] |
| 数据集 | 指标 | 相关论文1 | 本文方法 | 提升幅度 |
|---|---|---|---|---|
| 数据集1 | 指标1 | X.X | Y.Y | +Z.Z% |
| 数据集2 | 指标2 | X.X | Y.Y | +Z.Z% |
[类似格式]
[类似格式]
[对所有对比论文的总结]
本文属于[技术路线名称]，该技术路线的核心特点是：
[里程碑1] → [里程碑2] → [里程碑3] → [本文工作] → [未来方向]
↑ ↑ ↑ ↑
[论文A] [论文B] [论文C] [本文]
本文主要关注[具体子方向]，该子方向的研究重点是：
[用文本或图形表示与相关工作的关系]
建议1：[作者的建议]
建议2：[作者的建议] [类似格式]
方向1：[方向描述]
方向2：[方向描述] [类似格式]
方向3：[方向描述] [类似格式]
[对本文方法的具体改进建议]
改进1：[改进描述]
改进2：[改进描述] [类似格式]
[X.X]/10 - [评分理由简述]
| 评分维度 | 分数 | 评分理由 |
|---|---|---|
| 创新性 | [X]/10 | [详细理由] |
| 技术质量 | [X]/10 | [详细理由] |
| 实验充分性 | [X]/10 | [详细理由] |
| 写作质量 | [X]/10 | [详细理由] |
| 实用性 | [X]/10 | [详细理由] |
%% 用户可以在这里添加个人阅读笔记 %%
[可列举一些相关的视频、博客、项目等的链接]
[!tip] 关键启示 [论文最重要的启示，用一句话总结核心思想]
[!warning] 注意事项
- [注意事项1]
- [注意事项2]
- [注意事项3]
[!success] 推荐指数 ⭐⭐⭐⭐⭐ [推荐指数和简要理由，如：强烈推荐阅读！这是XX领域的里程碑论文]
## 步骤5：更新知识图谱
### 5.1 添加或更新节点
1. **读取图谱数据**
- 文件路径：`$OBSIDIAN_VAULT_PATH/20_Research/PaperGraph/graph_data.json`
2. **添加或更新该论文的节点**
- 包含分析元数据：
- quality_score
- tags
- domain
- analyzed: true
3. **创建到相关论文的边**
- 对每篇相关论文，创建边
- 边类型：
- `improves`：改进关系
- `related`：一般关系
- 权重：基于相似度（0.3-0.8）
4. **更新时间戳**
- 设置`last_updated`为当前日期
5. **保存图谱**
- 写入更新的graph_data.json
## 步骤6：展示分析摘要
### 6.1 输出格式
```markdown
## 论文分析完成！
**论文**：[[论文标题]] (arXiv:XXXX.XXXXX)
**分析状态**：✅ 已生成详细笔记
**笔记位置**：[[20_Research/Papers/领域/YYYY-MM-DD-arXiv-ID.md]]
---
**综合评分**：[X.X/10]
**分项评分**：
- 创新性：[X/10]
- 技术质量：[X/10]
- 实验充分性：[X/10]
- 写作质量：[X/10]
- 实用性：[X/10]
**突出亮点**：
- [亮点1]
- [亮点2]
- [亮点3]
**主要优势**：
- [优势1]
- [优势2]
**主要局限**：
- [局限1]
- [局限2]
**相关论文**（N篇）：
- [[相关论文1]] - [关系]
- [[相关论文2]] - [关系]
- [[相关论文3]] - [关系]
**技术路线**：
本文属于[技术路线]，主要关注[子方向]。
---
**快速操作**：
- 点击笔记链接查看详细分析
- 使用`/paper-search`搜索更多相关论文
- 打开Graph View查看论文关系
- 根据分析决定深入研究或跳过
**建议**：
- [基于分析的具体建议1]
- [基于分析的具体建议2]
创新性：
技术质量：
实验充分性：
写作质量：
实用性：
improves：对相关工作的明显改进extends：扩展或建立在相关工作之上compares：直接对比，可能更好/更差在什么方面follows：同一研究路线的后续工作cites：引用（如果有引用数据可用）related：一般概念关系
## 错误处理
- **论文未找到**：检查ID格式，建议搜索
- **arXiv掉线**：使用缓存或稍后重试，在输出中注明局限性
- **PDF解析失败**：回退到摘要，注明局限性
- **相关论文未找到**：说明缺乏上下文
- **图谱更新失败**：继续但不更新图谱
## 使用说明
当用户调用 `/paper-analyze [论文ID]` 时：
### 快速执行（推荐）
使用以下bash脚本一键执行完整流程：
```bash
#!/bin/bash
# 变量设置
PAPER_ID="$1"
TITLE="${2:-待定标题}"
AUTHORS="${3:-Kimi Team}"
DOMAIN="${4:-其他}"
# 执行完整流程
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE" --language "$LANGUAGE" || \
echo "笔记生成脚本执行失败"
# 提取图片
# 调用 extract-paper-images skill
# /extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE" || \
# echo "图片提取失败"
# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis
# 搜索已有笔记
find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f
# 下载PDF和源码（见步骤2.1、2.2、2.3）
# 或者从已有数据读取
cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex
# 使用extract-paper-images skill
/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"
# 使用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"
# 使用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8 --language "$LANGUAGE"
分析完成后，调用/obsidian-markdown来确保frontmatter格式正确，然后手动补充详细内容。
场景1：分析arXiv论文（有网络访问）
# 一键执行
bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"
场景2：分析本地PDF（无网络访问）
# 手动上传PDF
cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf
# 执行分析（跳过步骤2的下载）
python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf
frontmatter格式（重要）：所有字符串值必须用双引号包围
---
date: "YYYY-MM-DD"
paper_id: "arXiv:XXXX.XXXXX"
title: "论文标题"
authors: "作者列表"
domain: "[领域名称]"
quality_score: "[X.X]/10"
created: "YYYY-MM-DD"
updated: "YYYY-MM-DD"
status: analyzed
---
Obsidian对YAML格式要求严格，缺少引号会导致frontmatter无法正常显示！
图片路径：使用相对路径images/xxx（不指定扩展名，Obsidian会自动识别）
.pdf格式，Obsidian可以直接显示PDF图片images/loss_curve.pdf或images/figure1.pngwikilinks：使用[[论文名]]格式
领域推断：根据论文内容自动推断
相关论文：在笔记中引用[[相关论文]]，图谱会自动创建边
图文并茂：论文中的所有图片都要用上
20_Research/Papers/[领域]/[论文标题]/images/images/index.md索引所有图片