菜单
A research/push notification writing guide. Use this skill with high priority when users ask you to perform tasks like daily paper push.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/InternScience/DrClaw --skill daily-paper-push-writingwo-image命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Use the ACPX CLI through DrClaw's existing exec/long_exec tools to run Codex in the current project workspace.
Use this skill whenever the user wants to create, read, edit, or manipulate Word documents (.docx files). Triggers include: any mention of 'Word doc', 'word document', '.docx', or requests to produce professional documents with formatting like tables of contents, headings, page numbers, or letterheads. Also use when extracting or reorganizing content from .docx files, inserting or replacing images in documents, performing find-and-replace in Word files, working with tracked changes or comments, or converting content into a polished Word document. If the user asks for a 'report', 'memo', 'letter', 'template', or similar deliverable as a Word or .docx file, use this skill. Do NOT use for PDFs, spreadsheets, Google Docs, or general coding tasks unrelated to document generation.
Convert a user style request into concrete rewrite constraints and apply that style during de-flavoring. Use when the user specifies a target tone, audience, or writing persona.
基于 SOC 职业分类
正在显示 SKILL.md
| name | daily-paper-push-writing(wo image) |
| description | A research/push notification writing guide. Use this skill with high priority when users ask you to perform tasks like daily paper push. |
daily-paper-push-writing 是一个写作技能，提供一种生成每日科研论文汇总的规范化写作流程，从而帮助用户高效获取特定领域的最新研究成果和重要信息。
📚 领域：XXX | 📊 关键词：关键词1、关键词2、关键词3
🌟 No.1 📄 论文标题
📝 作者：[作者列表] 📅 发布时间：20XX年XX月 🔗 论文链接：👉 [arXiv/论文链接] 🏷️ arXiv ID：arXiv:XXXX.XXXXX 📋 摘要：[论文摘要...]
📝 Overview 精华（由 LLM 从 PDF 文本提取）：
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析：简要分析该论文的研究创新点、实验方法、潜在应用价值～
🌟 No.2 📄 论文标题
📝 作者：[作者列表] 📅 发布时间：20XX年XX月 🔗 论文链接：👉 [arXiv/论文链接] 🏷️ arXiv ID：arXiv:XXXX.XXXXX 📋 摘要：[论文摘要...]
📝 Overview 精华（由 LLM 从 PDF 文本提取）：
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析：简要分析该论文的研究创新点、实验方法、潜在应用价值～
🌟 No.3 📄 论文标题
📝 作者：[作者列表] 📅 发布时间：20XX年XX月 🔗 论文链接：👉 [arXiv/论文链接] 🏷️ arXiv ID：arXiv:XXXX.XXXXX 📋 摘要：[论文摘要...]
📝 Overview 精华（由 LLM 从 PDF 文本提取）：
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析：简要分析该论文的研究创新点、实验方法、潜在应用价值～
🌟 No.4 📄 论文标题
📝 作者：[作者列表] 📅 发布时间：20XX年XX月 🔗 论文链接：👉 [arXiv/论文链接] 🏷️ arXiv ID：arXiv:XXXX.XXXXX 📋 摘要：[论文摘要...]
📝 Overview 精华（由 LLM 从 PDF 文本提取）：
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析：简要分析该论文的研究创新点、实验方法、潜在应用价值～
🌟 No.5 📄 论文标题
📝 作者：[作者列表] 📅 发布时间：20XX年XX月 🔗 论文链接：👉 [arXiv/论文链接] 🏷️ arXiv ID：arXiv:XXXX.XXXXX 📋 摘要：[论文摘要...]
📝 Overview 精华（由 LLM 从 PDF 文本提取）：
[LLM 提取的论文核心观点、研究动机、关键贡献...]
💡 学术价值分析：简要分析该论文的研究创新点、实验方法、潜在应用价值～
每篇论文需要获取：
┌─────────────────────────────────────────────────────────────┐
│ Step 1: 下载 PDF (一次下载，后续复用) │
│ python scripts/pdf_download.py <arxiv_id> [output_dir] │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Step 2: PDF 转文本 (供 LLM 读取 Overview) │
│ python scripts/pdf_to_text.py <pdf> <output.txt> │
└─────────────────────────────────────────────────────────────┘
python scripts/pdf_download.py <arxiv_id> [output_dir]
示例：
# 下载到默认 ./pdfs/ 目录
python scripts/pdf_download.py 1706.03762
# 下载到指定目录
python scripts/pdf_download.py 1706.03762 ./my_pdfs/
# 强制重新下载
python scripts/pdf_download.py 1706.03762 --force
python scripts/pdf_to_text.py <arxiv_id|pdf_path> <output_path> [options]
示例：
# 转换为完整文本（通过 arXiv ID - 会自动下载）
python scripts/pdf_to_text.py 1706.03762 paper.txt
# 使用本地 PDF（更快）
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf overview.txt
# 只提取 Overview/Introduction 部分
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf overview.txt --section overview
# 只提取前 5 页
python scripts/pdf_to_text.py ./pdfs/1706.03762.pdf output.txt --pages 5
可选参数：
--section, -s：提取特定章节（overview, method, experiment）--pages, -p：提取前 N 页用途：将文本提供给 LLM，让模型提取 Overview 精华内容，写入推送文档。
所有脚本都依赖以下 Python 包：
requests：下载 PDFpymupdf (fitz)：解析 PDFpip install requests pymupdf
pdf_download 下载一次，然后所有操作都使用本地 PDF 路径-paper_push.md
注意：任务完成后请删除 PDF 文件，不在本地缓存。
注意：Overview 内容由 LLM 从 PDF 文本提取，直接写入 Markdown
arxiv-watcher skill 获取目标领域的最新论文pdf_download.py 下载 PDF 到本地pdf_to_text.py 获取文本，将文本提供给 LLM 让其提取 Overview 精华