菜单
学术论文深度精读与 Map-Reduce 分析。当用户要求"精读论文"、"深度解读论文"、"分析论文"、"paper analysis"、"详细解读 arxiv 论文"时触发。脚本把 PDF 逐页拆成图+文(Map)，按 5 维度逐页精读(每页实时反馈进度)，再汇总整合(Reduce)输出完整解读。支持 PDF 链接、arXiv ID 或本地文件路径。
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。
基于 SOC 职业分类
| name | paper-analysis |
| description | 学术论文深度精读与 Map-Reduce 分析。当用户要求"精读论文"、"深度解读论文"、"分析论文"、"paper analysis"、"详细解读 arxiv 论文"时触发。脚本把 PDF 逐页拆成图+文(Map)，按 5 维度逐页精读(每页实时反馈进度)，再汇总整合(Reduce)输出完整解读。支持 PDF 链接、arXiv ID 或本地文件路径。 |
| trigger | 精读论文|深度解读论文|解读论文|分析论文|paper analysis|论文精读|arxiv|arXiv|读这篇论文|map reduce 论文 |
把论文做成结构化、有据可查的深度解读。核心 Map-Reduce + 脚本控制 PDF:脚本拆页,逐页精读,汇总。所有结论落到具体数字和引用,不许含糊。
[CRITICAL — 触发本 skill 时,必须严格按下列流程用 shell/file_write 工具执行脚本完成精读,禁止用 web_search/web_fetch 替代(它们拿不到图表/公式)。]
脚本目录有两种可能,开工前先用一次 shell 确定哪条存在,后续命令统一用它:
ls ./ethan/defaults/skills/paper-analysis/scripts/ 2>/dev/null && echo USE_PKG || ls ~/.ethan/skills/paper-analysis/scripts/
USE_PKG → 脚本根 SCRIPTS=./ethan/defaults/skills/paper-analysis/scriptsSCRIPTS=~/.ethan/skills/paper-analysis/scripts(下文统一写 $SCRIPTS/xxx.py;不要用 fd_find 满仓库找脚本。)
| 脚本 | 作用 |
|---|---|
fetch_paper.py | arXiv ID/URL/本地路径 → PDF(仅标准库) |
extract_pages.py | PDF → 逐页 PNG + text/page_NNN.txt + manifest.json(uv run --with pymupdf) |
analyze_page_vision.py | 【路径A】单页 vision → 5维 JSON(脚本内调多模态 API,uv run --with openai) |
merge_analysis.py | 收拢逐页 JSON → Reduce 输入 |
脚本 stdout 末行打印一行 JSON,解析它拿路径,不要解析中间日志。
VISION_API_KEY(或 OPENAI_API_KEY)+ VISION_BASE_URL 存在 → 走这条。脚本把 PNG 喂多模态模型,能看清图表/公式/表格。先用 shell: echo $VISION_API_KEY 确认。file_read 脚本已落盘的每页文字 text/page_NNN.txt(见下),逐页分析。图表/公式精度有限(文字层常把表格拍平、公式变乱码),失真处诚实标注。python $SCRIPTS/fetch_paper.py "<源>" --out-dir ./paper_work # 解析末行 pdf_path
uv run --with pymupdf python $SCRIPTS/extract_pages.py "<pdf>" --dpi 150 # 解析末行 manifest、effective_pages、references_start_page、text_dir
脚本默认最多 15 页(--max-pages N 调),自动检测 References 起始页。末行 JSON 的 effective_pages = 实际该精读的页数(含 References 起始页、封顶 15)。每页文字层已落盘到 text_dir/page_NNN.txt(路径 B 直接读)。
[CRITICAL — 只处理第 1 到 effective_pages 页。effective_pages 已自动扣除 References 及之后、并封顶 15。绝不要处理 effective_pages 之后的页(那是参考文献/附录,精读无意义且会耗光工具迭代轮数导致没机会输出报告)。总精读页数 = effective_pages,不是 num_pages!]
必须逐页,每页产出独立结果。 每完成一批输出 ✓ 第 N1-N2 页完成(共 effective_pages 页)。
并行提速(关键,避免迭代耗尽):agent 工具执行器对同一轮的多个 tool_call 用 asyncio.gather 并行执行。两条路径都要并行批处理:
shell(各带不同 --page,vision 请求重,批太大易触发网关限流)file_write路径 A — 每页一个 shell(一轮发起多个,各带不同 --page,并行):
uv run --with openai python $SCRIPTS/analyze_page_vision.py "<manifest>" --page N --timeout 120
脚本读 VISION_BASE_URL/VISION_API_KEY/VISION_MODEL,产出 analysis_page_NNN.json,末行 {page,out,chars}。若连续报 503/超时(网关限流或端点不稳),立即转路径 B(读文字层分析),不要在 vision 上耗轮数。
路径 B — 直接 file_read 拆页时已落盘的 <text_dir>/page_NNN.txt(仅 1..effective_pages),按 5 维分析,每页一个 file_write 存 analysis_page_NNN.txt,一轮读/写多页。text_dir 取自 extract_pages 末行 JSON(形如 <pdf>_pages/text)。不要自己写 python -c 去拼 manifest 的 text 字段——文字已按页落盘,直接读对应 txt 即可。
python $SCRIPTS/merge_analysis.py "<pages_dir>" # 末行 merged 路径
file_read 合并后的 merged_analysis.json,深度整合(合并同类项/去重/数据成表/创新点↔实验对应),流式输出最终报告:
# <标题> **arXiv: <编号>**
## 1.执行摘要 ## 2.为什么重要 ## 3.前人工作(对比表)
## 4.创新点(逐条+技术原理) ## 5.实验结果(主结果表+消融表)
## 总体评价(创新/实用/严谨打星 + 启发)
references/analysis-framework.md(可 file_read)消息渠道接入配置：飞书 WebSocket 长连接配置与使用说明。未来支持微信、Telegram 等渠道。
飞书云文档（Docx / Wiki 文档）：读取和编辑飞书文档内容。当用户给出文档 URL 或 token，或需要查看、创建、编辑文档、插入或下载文档图片附件时使用。文档中嵌入的电子表格、多维表格、画板，先用本 skill 提取 token 再切到对应 skill。当用户给出 doubao.com 的 /docx/ 或 /wiki/ URL/token 时，也应直接使用本 skill；路由依据是 URL 路径模式和 token，而不是域名。不负责文档评论管理，也不负责表格或 Base 的数据操作。
飞书即时通讯：收发消息和管理群聊。发送和回复消息、搜索聊天记录、管理群聊成员、上传下载图片和文件（支持大文件分片下载）、管理表情回复、发送应用内/短信/电话加急、发送和处理交互卡片（Interactive Card）、监听卡片按钮回调（card.action.trigger）。当用户需要发消息、查看或搜索聊天记录、下载聊天中的文件、查看群成员、搜索群、创建群聊或话题群、管理标记数据、管理 Feed 置顶（添加/移除/查询置顶会话）、管理标签数据、处理卡片回调时使用。
Use when first setting up lark-cli, running auth login, switching user/bot identity (--as), handling permission denied or scope errors, needing to update lark-cli, or seeing _notice in JSON output.
微信读书助手 — 搜索书籍、管理书架、查看笔记划线、阅读统计、发现推荐好书。
对代码变更做审查：识别 bug、安全漏洞、性能问题。P0 必须修复写评论，P1 建议性评论，P2 只在总结里一句带过。