paper-analyzer

name	paper-analyzer
description	学术论文结构化阅读、拆解与分析工具。基于12个阅读要素（研究背景、研究问题、研究结论、文献综合、文献批评、研究方法、理论视角与理论框架、一致性发现、不一致性发现、研究贡献、研究不足、未来研究展望）对论文进行深度拆解，结果保存为Excel文件。当用户提到需要针对论文/文献/paper进行拆解、解析、分析、阅读、梳理，并上传或告知一篇或多篇论文的本地文件路径（PDF、Word等）时触发此skill。

论文结构化拆解分析

基于12个阅读要素对学术论文进行结构化拆解，结果保存为Excel文件存储于论文所在文件夹中。

工作流程

1. 读取论文

• 使用 Read 工具读取用户提供的论文文件（支持 PDF、Word 等格式）
• 对于 PDF 文件，如果 Read 工具无法直接读取，使用 pdftotext 命令提取文本
• 对于 PDF 文件，如果页数较多，先读取前几页了解结构，再分批读取全文
• 确保完整阅读论文的各个部分：摘要、引言、文献综述、方法、结果、讨论、结论
• 记录论文所在的文件夹路径，用于后续保存Excel文件

2. 按12要素提取信息

阅读论文后，逐一提取12个阅读要素。要素定义详见 references/reading_elements.md。

提取要点：

• 研究背景: 从引言开头提取宏观背景，区分实践背景、理论背景、政策背景
• 研究问题: 识别核心研究问题，判断其类型（what/why/how/should）
• 研究结论: 从结论和讨论部分提取对研究问题的直接回答
• 文献综合: 从文献综述部分梳理作者如何分类整理已有研究
• 文献批评: 提取作者对已有研究的评价，重点关注研究gap的表述
• 研究方法: 从方法论部分提取具体研究方法和研究设计
• 理论视角与理论框架: 识别论文采用的理论基础和分析框架
• 一致性发现: 从讨论部分提取与已有研究一致的发现
• 不一致性发现: 从讨论部分提取与已有研究不一致的发现
• 研究贡献: 提取作者自述的研究贡献（新方法/新材料/新理论/新观点/新概念）
• 研究不足: 从结论或讨论的局限性部分提取
• 未来研究展望: 提取作者对后续研究的建议

如论文中某要素未明确提及，标注"论文未明确提及"并尝试基于论文内容进行合理推断，推断内容用括号标注。

3. 保存为Excel文件

分析完成后，将结果保存为Excel文件，存放于被分析论文所在的文件夹中。

使用 scripts/export_excel.py 脚本生成Excel。先用 Python 将分析数据写入临时JSON文件，再调用脚本。

单篇论文

生成文件名：论文拆解_<论文简称>.xlsx，包含一个工作表。

构造JSON数据并调用脚本：

python3 <skill_path>/scripts/export_excel.py --mode single --output "<论文所在文件夹>/论文拆解_<论文简称>.xlsx" --json '<json_string>'

JSON结构：

{
  "title": "论文标题",
  "author": "作者",
  "source": "期刊/来源",
  "year": "年份",
  "elements": {
    "研究背景": "内容...",
    "研究问题": "内容...",
    "研究结论": "内容...",
    "文献综合": "内容...",
    "文献批评": "内容...",
    "研究方法": "内容...",
    "理论视角与理论框架": "内容...",
    "一致性发现": "内容...",
    "不一致性发现": "内容...",
    "研究贡献": "内容...",
     
     
  

多篇论文

生成文件名：论文拆解汇总_<N>篇.xlsx，包含每篇论文的独立工作表 + 最后一个"横向对比汇总"工作表。

python3 <skill_path>/scripts/export_excel.py --mode multi --output "<论文所在文件夹>/论文拆解汇总_<N>篇.xlsx" --json '<json_string>'

JSON结构：

{
  "papers": [
    { "title": "...", "author": "...", "source": "...", "year": "...", "elements": { ... } },
    ...
  ],
  "summary": {
    "paper_labels": ["论文A简称", "论文B简称", ...],
    "elements": {
      "研究背景": ["论文A精简版", "论文B精简版", ...],
      ...12个要素各一个数组...
    }
  }
}

重要：由于JSON字符串可能很长，使用Python将JSON写入临时文件，再用 --json "$(cat /tmp/paper_data.json)" 传入，或直接在Python中调用脚本。推荐方式：

import json, subprocess
data = { ... }  # 构造好的数据
with open("/tmp/_paper_analysis.json", "w") as f:
    json.dump(data, f, ensure_ascii=False)
subprocess.run(["python3", "<skill_path>/scripts/export_excel.py",
    "--mode", "multi",
    "--output", "<输出路径>",
    "--json", json.dumps(data, ensure_ascii=False)])

4. 输出到对话

在保存Excel后，同时在对话中以markdown表格简要呈现分析结果，并告知用户Excel文件的保存路径。

5. 内容要求

• 使用中文输出（除非论文为英文且用户要求英文输出）
• 每个要素的内容应简明扼要但信息充分，单篇表格中每个要素2-5句话
• 汇总对比表中每个单元格压缩为1-2句核心要点
• 忠于论文原文，避免过度解读；推断内容明确标注
• 在研究问题要素中标注问题类型（what/why/how/should）