spatial-agi-research

name	spatial-agi-research
description	完整的Spatial AGI研究流程 - 从arXiv搜索到深度分析，每天精读5篇论文，使用research-assistant技能和NotebookLM（3个核心问题），生成论文文档和每日思考

Spatial AGI Research Skill - 完整流程

这个技能用于系统化地研究Spatial AGI（通用空间智能）领域的最新进展。

核心特点:

• ✅ 每天精读5篇论文（质量 > 数量）
• ✅ 使用NotebookLM询问3个核心问题（每个超时1分钟）
• ✅ 生成详细的论文分析文档（至少500行）
• ✅ 每日思考文档（延续性研究）

📋 完整流程（必须按顺序执行）

Step 1: 搜索arXiv最新论文 ✅

搜索关键词:

• spatial intelligence
• VLM (Vision-Language Models)
• 3D Gaussian Splatting
• world model
• embodied AI
• spatial reasoning
• 3D understanding
• scene understanding
• video generation
• robot learning

执行命令:

cd ~/.openclaw/workspace/scripts

# 搜索多个关键词
python3 search_arxiv.py "all:spatial+all:intelligence" 20
python3 search_arxiv.py "all:VLM+all:3D" 20
python3 search_arxiv.py "all:Gaussian+Splatting" 20
python3 search_arxiv.py "all:world+all:model" 20
python3 search_arxiv.py "all:embodied+all:AI" 20

输出: JSON格式的论文列表，包含标题、摘要、链接、作者等

---

Step 2: 筛选最有价值的5篇论文 ✅

筛选标准:

1. 相关性: 与spatial intelligence直接相关
2. 创新性: 提出新的方法或见解
3. 影响力: 来自知名机构或作者
4. 时效性: 最近1-2个月发表（优先）

筛选流程:

# 1. 查看搜索结果
cat /tmp/today_papers.json

# 2. 按相关性排序
# 3. 选择top 5（精读，不是泛读）
# 4. 记录到papers_list.md

输出: 5篇精选论文（深度分析），记录到:

• /home/cwh/coding/auto_blog/spatial_agi/papers_list.md

---

Step 3: 使用Subagent精读每篇论文 ✅

⚠️ 【质量第一原则】

╔════════════════════════════════════════════════════════════╗
║  🎯 核心原则：质量 > 速度                                  ║
║                                                              ║
║  ✅ 每篇论文15-20分钟是正常的                              ║
║  ✅ 深度分析比快速完成更重要                                ║
║  ✅ 使用Subagent避免token限制                              ║
║  ✅ 每篇论文独立处理，互不干扰                             ║
║                                                              ║
║  ❌ 不要为了省时而创建精简版文档                           ║
║  ❌ 不要因为token不足而降低质量                            ║
║  ❌ 不要跳过NotebookLM问答环节                             ║
╚════════════════════════════════════════════════════════════╝

⚠️ 【强制要求】必须使用Subagent

╔════════════════════════════════════════════════════════════╗
║  🔑 关键：每篇论文必须使用独立的Subagent                   ║
║                                                              ║
║  ✅ 原因1: 避免主session的token限制                        ║
║  ✅ 原因2: 每篇论文有独立上下文                            ║
║  ✅ 原因3: 可以并行处理（如果需要）                        ║
║  ✅ 原因4: 确保每篇论文都有完整的分析                      ║
║                                                              ║
║  ❌ 不要在主session中处理论文（会token不足）               ║
║  ❌ 不要创建精简版文档（质量不够）                         ║
╚════════════════════════════════════════════════════════════╝

执行方法：使用sessions_spawn启动Subagent

对于Step 2筛选出的5篇论文，每篇都启动一个独立的Subagent进行精读：

# 论文列表（从Step 2获得）
PAPERS=(
  "ACE-Brain-0|https://arxiv.org/abs/2603.03198v1|https://arxiv.org/pdf/2603.03198v1"
  "Utonia|https://arxiv.org/abs/2603.03283v1|https://arxiv.org/pdf/2603.03283v1"
  "ULTRA|https://arxiv.org/abs/2603.03279v1|https://arxiv.org/pdf/2603.03279v1"
  "LoGeR|https://arxiv.org/abs/2603.03269v1|https://arxiv.org/pdf/2603.03269v1"
  "Tether|https://arxiv.org/abs/2603.03278v1|https://arxiv.org/pdf/2603.03278v1"
)

# 对每篇论文启动Subagent
for PAPER_INFO in "${PAPERS[@]}"; do
  IFS='|' read -r TITLE ARXIV_URL PDF_URL <<< "$PAPER_INFO"
  
  # 生成paper_id（用于文件命名）
  PAPER_ID=$(echo "$TITLE" | sed 's/[^a-zA-Z0-9]/_/g')
  
  echo "📚 处理论文: $TITLE"
  
  # 启动Subagent
  # 注意：使用subagent runtime，不是acp（paper-analysis是skill不是agent）
  sessions_spawn \
    --mode run \
    --runtime subagent \
    --task "使用paper-analysis skill精读论文: $TITLE
    
论文信息:
- 标题: $TITLE
- arXiv: $ARXIV_URL
- PDF: $PDF_URL
- Paper ID: $PAPER_ID

要求:
1. 创建NotebookLM笔记本并记录ID
2. 添加arXiv页面和PDF作为来源
3. 询问3个核心问题（核心算法、与Spatial AGI关系、创新点/局限）
4. 创建详细markdown文档（至少500行）
5. 保存到 /home/cwh/coding/auto_blog/spatial_agi/papers/

输出格式:
- 返回笔记本ID
- 返回文档路径
- 返回文档行数" \
    --timeout 1200 \
    --run-timeout 1200
done

echo "✅ 所有论文精读完成"

Subagent执行流程（paper-analysis skill）：

1. 创建NotebookLM笔记本 - 记录笔记本ID
2. 添加来源 - arXiv页面 + PDF（90秒超时）
3. 等待处理 - 30秒
4. 询问3个问题 - 每个问题90秒超时
   • Q1: 核心算法原理
   • Q2: 与Spatial AGI的关系
   • Q3: 创新点和局限性
5. 创建文档 - 至少500行，包含完整问答
6. 保存文档 - 返回文档路径和行数

Subagent优势：

1. ✅ 独立上下文 - 每篇论文有完整的token空间
2. ✅ 并行处理 - 可以同时启动多个Subagent
3. ✅ 质量保证 - 不会因为token不足而创建精简版
4. ✅ 错误隔离 - 一篇论文失败不影响其他论文

预计时间：

• 单篇论文: 18分钟
• 5篇论文（串行）: 90分钟
• 5篇论文（并行）: 20-30分钟

质量要求：

• ✅ 文档至少500行
• ✅ 包含完整的NotebookLM问答记录（不总结）
• ✅ 包含与Spatial AGI的关系分析
• ✅ 包含个人思考和见解
• ✅ 包含NotebookLM笔记本ID

---

Step 3.5: 收集Subagent结果 ✅

所有Subagent完成后，收集结果：

# 检查生成的文档
ls -lh /home/cwh/coding/auto_blog/spatial_agi/papers/ | grep "$(date +%Y-%m-%d)"

# 统计文档行数
for FILE in /home/cwh/coding/auto_blog/spatial_agi/papers/$(date +%Y-%m-%d)_*.md; do
  LINES=$(wc -l < "$FILE")
  echo "📄 $(basename $FILE): $LINES 行"
  
  # 检查是否满足500行要求
  if [ $LINES -lt 500 ]; then
    echo "⚠️ 警告: 文档行数不足500行"
  fi
done

# 提取所有笔记本ID（用于记录）
grep -h "NotebookLM笔记本ID" /home/cwh/coding/auto_blog/spatial_agi/papers/$(date +%Y-%m-%d)_*.md

预期输出：

📄 2026-03-05_01_ACE-Brain-0.md: 523 行
📄 2026-03-05_02_Utonia.md: 512 行
📄 2026-03-05_03_ULTRA.md: 498 行
📄 2026-03-05_04_LoGeR.md: 487 行
📄 2026-03-05_05_Tether.md: 476 行

笔记本ID:
- ACE-Brain-0: faee81ec-2d12-4dc5-99b9-0de78c18877a
- Utonia: ...
- ULTRA: ...
- LoGeR: ...
- Tether: ...

---

⚠️ 【强制要求】必须完整执行NotebookLM流程

⚠️ 【强制要求】必须使用Step 3中记录的笔记本ID

╔════════════════════════════════════════════════════════════╗
║  🔑 关键：必须使用Step 3中记录的笔记本ID                   ║
║                                                              ║
║  ✅ 在Step 3中创建了笔记本并记录了ID                       ║
║  ✅ 在Step 4中必须使用这个ID                                ║
║  ✅ 每个ask命令都必须带 -n "$NOTEBOOK_ID"                   ║
║                                                              ║
║  ❌ 不要使用`use`命令（有会话管理bug）                      ║
║  ❌ 不要假设系统会记住当前笔记本                            ║
║  ❌ 不要在ask命令中省略-n参数                               ║
╚════════════════════════════════════════════════════════════╝

执行原则:

1. ✅ 时间充足: 每篇论文有充足的分析时间（15-20分钟），不要为了省时而偷懒
2. ✅ 完整流程: 必须为每篇论文创建NotebookLM笔记本并询问3个问题
3. ✅ 质量优先: 宁可多花时间，也要确保分析质量
4. ✅ 显式指定ID: 每个ask命令都必须带-n "$NOTEBOOK_ID"
5. ❌ 禁止偷懒: 不得以"快速完成"为由跳过NotebookLM直接使用GLM WebReader

何时使用GLM WebReader备选方案:

• ✅ NotebookLM连接完全失败（网络、代理、认证问题）
• ✅ 多次重试后仍然超时（3次以上）
• ✅ NotebookLM服务不可用
• ❌ 不得使用的情况: 为了省时间、觉得简单、想快速完成

违规示例 ❌:

❌ "为了节省时间，我用GLM快速分析"
❌ "这篇论文比较简单，不需要NotebookLM"
❌ "已经分析了3篇，最后2篇用快速方法"
❌ notebooklm use $NOTEBOOK_ID  # use命令有bug
❌ notebooklm ask "问题"  # 缺少-n参数

正确示例 ✅:

✅ "NotebookLM连接失败，切换到GLM WebReader"
✅ "PDF添加超时3次，使用HTML替代"
✅ "为每篇论文完整执行3个问题"
✅ notebooklm ask -n "$NOTEBOOK_ID" "问题"  # 显式指定ID

⚠️ 关键：显式指定笔记本ID

# ❌ 错误方法（有bug）
notebooklm use $NOTEBOOK_ID
notebooklm ask "问题"  # 可能使用错误的笔记本

# ✅ 正确方法（推荐）
notebooklm ask -n "$NOTEBOOK_ID" "问题"  # 显式指定笔记本ID

问题流程（修正版）

export NOTEBOOKLM_PROXY="socks5://127.0.0.1:1080"

# ⚠️ 必须使用Step 3中记录的笔记本ID
# NOTEBOOK_ID="faee81ec-2d12-4dc5-99b9-0de78c18877a"

# 验证ID是否存在
if [ -z "$NOTEBOOK_ID" ]; then
  echo "❌ 错误：笔记本ID未设置"
  echo "请回到Step 3重新创建笔记本并记录ID"
  exit 1
fi

echo "📝 使用笔记本ID: $NOTEBOOK_ID"

# Q1: 核心算法原理（必问）
echo "❓ 询问问题1：核心算法原理"
timeout 90 ~/miniconda3/bin/conda run -n base notebooklm ask \
  -n "$NOTEBOOK_ID" \
  "这篇文章的核心算法原理是什么？请详细描述：1) 核心思想和动机，2) 主要技术方法，3) 算法流程和关键步骤，4) 输入输出。"

# Q2: 与Spatial AGI的关系（必问）
echo "❓ 询问问题2：与Spatial AGI的关系"
timeout 90 ~/miniconda3/bin/conda run -n base notebooklm ask \
  -n "$NOTEBOOK_ID" \
  "这篇文章与通用空间智能（Spatial AGI）有什么关系？请分析：1) 如何理解和表示空间，2) 如何处理空间关系，3) 对Spatial AGI有什么启发，4) 可以应用到哪些Spatial AGI场景（机器人、AR/VR等）。"

# Q3: 经过思考后的自由问题（根据Q1和Q2的答案思考后提出）
echo "💭 思考30秒..."
sleep 30

# 示例：基于前两个问题的答案，问一个你感兴趣的问题
# 可能的问题方向：
# - 技术细节："X方法的具体实现细节是什么？"
# - 实验结果："最令人惊讶的实验结果是什么？为什么？"
# - 局限性："这个方法的主要局限性是什么？如何改进？"
# - 对比分析："与其他方法（如X）相比，有什么优势和劣势？"
# - 实际应用："如何将这个方法应用到实际场景中？需要哪些改进？"

echo "❓ 询问问题3：自由问题（基于Q1和Q2）"
timeout 90 ~/miniconda3/bin/conda run -n base notebooklm ask \
  -n "$NOTEBOOK_ID" \
  "你选择的问题"

echo "✅ 所有问题询问完成"
echo "📝 记得将笔记本ID保存到文档中：$NOTEBOOK_ID"

关键改进：

1. ✅ 使用-n "$NOTEBOOK_ID"显式指定笔记本ID
2. ✅ 验证ID是否存在
3. ✅ 增加超时到90秒（1.5分钟）
4. ✅ 每个问题都独立指定笔记本ID
5. ✅ 添加日志输出便于调试

问题选择建议（Q3）:

根据前两个问题的答案，选择一个你最感兴趣的方向：

1. 技术深度: 如果Q1中某个技术点不清楚，深入追问
2. 实验结果: 如果对某个实验结果感兴趣，追问细节
3. 应用场景: 如果看到潜在应用，追问实现细节
4. 对比分析: 如果想到相关工作，追问对比
5. 局限性: 如果发现潜在问题，追问改进方向

执行策略:

1. ✅ 问完Q1后，仔细阅读答案
2. ✅ 问完Q2后，仔细阅读答案
3. ✅ 思考30秒：基于Q1和Q2，你最想知道什么？
4. ✅ 提出Q3

预计时间: 每篇论文 5-8分钟（3个问题 + 思考时间）

---

Step 4.5: 备选方案 - 使用GLM WebReader MCP 🆕

⚠️ 【仅用于NotebookLM失败】这是备选方案，不是捷径！

使用条件（必须满足至少一条）:

• ✅ NotebookLM连接完全失败（网络、代理、认证问题）
• ✅ 多次重试后仍然超时（3次以上，每次90秒）
• ✅ NotebookLM服务不可用或维护中
• ✅ PDF/arXiv页面无法添加到NotebookLM（多次尝试失败）
• ✅ notebooklm ask命令返回空答案或错误笔记本的答案

禁止使用的情况:

• ❌ 为了节省时间
• ❌ 觉得论文简单
• ❌ 想快速完成任务
• ❌ 已经分析了几篇，想偷懒

判断标准:

✅ 允许使用GLM:
  - NotebookLM连接超时 > 90秒
  - 代理配置正确但仍无法连接
  - 服务返回500/503错误
  - PDF添加失败3次以上
  - `notebooklm ask`返回空答案
  - `notebooklm ask`返回错误笔记本的答案

❌ 禁止使用GLM:
  - NotebookLM响应慢但能工作
  - 为了加快速度
  - 个人偏好
  - 想早点结束

如果发现违规使用GLM WebReader:

1. 视为任务失败
2. 需要重新执行NotebookLM流程
3. 记录到知识库作为教训

NotebookLM常见失败模式（2026-03-05发现）：

1. PDF添加超时 - 大PDF（>40MB）处理时间超过90秒
2. 笔记本选择错误 - use命令会话管理bug，返回错误笔记本的答案
3. 空答案 - ask命令返回空字符串（来源未处理完成）

解决方案：

1. ✅ 使用PDF URL而不是上传本地文件
2. ✅ 显式指定笔记本ID（-n参数）
3. ✅ 等待30秒让来源处理完成
4. ✅ 如果仍然失败，切换到GLM WebReader

---

GLM WebReader使用方法

方法1: 使用web_fetch工具读取arXiv HTML页面

# 1. 读取arXiv HTML页面（推荐，格式更完整）
ARXIV_ID="2603.03198v1"
ARXIV_HTML="https://arxiv.org/html/$ARXIV_ID"

# 使用web_fetch工具
web_fetch "$ARXIV_HTML"

# 2. 基于读取的内容，手动分析论文
# - 提取核心信息（标题、摘要、方法、实验）
# - 思考与Spatial AGI的关系
# - 生成分析文档

方法2: 使用web_fetch工具读取arXiv摘要页面

# arXiv摘要页面（包含基本信息）
ARXIV_ABS="https://arxiv.org/abs/2603.03198v1"

web_fetch "$ARXIV_ABS"

GLM WebReader优势：

• ✅ 响应快速（<10秒）
• ✅ 无需代理或代理要求更低
• ✅ GLM-5理解能力强

GLM WebReader劣势：

• ❌ 无法访问PDF的完整内容（只能读取HTML）
• ❌ 无法保存为可交互的笔记本
• ❌ 上下文长度限制（但GLM-5支持128K）
• ❌ 质量不如NotebookLM的深度分析

何时使用：

• ✅ NotebookLM完全失败
• ✅ 时间紧急（但已经尝试NotebookLM）
• ✅ 快速浏览论文（非深度分析）

何时避免使用：

• ❌ 为了省时间
• ❌ 想早点结束任务
• ❌ 觉得NotebookLM太慢

质量对比：

维度	NotebookLM	GLM WebReader
深度分析	⭐⭐⭐⭐⭐	⭐⭐⭐
响应速度	⭐⭐	⭐⭐⭐⭐⭐
可靠性	⭐⭐⭐	⭐⭐⭐⭐⭐
上下文理解	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
可交互性	⭐⭐⭐⭐⭐	⭐⭐

推荐策略：

1. 首选: NotebookLM（深度分析）
2. 备选: GLM WebReader（仅在失败时）

---

Step 5: 创建详细的Markdown文档 ✅

⚠️ 【必须遵循EXAMPLE模板】

参考模板: /home/cwh/coding/auto_blog/spatial_agi/papers/EXAMPLE_full_analysis_template.md

文档结构（必须包含）:

# 论文标题

**基本信息**:
- arXiv链接
- PDF链接
- GitHub代码（如有）
- 作者列表
- 发布日期
- **NotebookLM笔记本ID**（如果使用）

## 核心信息
- 摘要
- 关键贡献

## 📝 NotebookLM问答记录

### Q1: 核心算法原理
**问题**: ...
**答案**: ...

### Q2: 与Spatial AGI的关系
**问题**: ...
**答案**: ...

### Q3: 自由问题
**问题**: ...
**答案**: ...

## 核心技术发现
- 发现1
- 发现2
- 发现3

## 与Spatial AGI的关系
- 直接贡献
- 技术启发
- 应用场景

## 个人思考
- 最令人兴奋的发现
- 潜在局限
- 与昨日研究的关联

## 关键数据
- 模型参数
- 数据集
- 性能指标

## 总结
- 核心发现总结
- 对Spatial AGI的意义

---

**文档创建时间**: YYYY-MM-DD
**分析方法**: NotebookLM / GLM WebReader MCP（备选方案）

质量要求:

• ✅ 至少500行
• ✅ 包含完整的NotebookLM问答记录（不总结）
• ✅ 包含与Spatial AGI的关系分析
• ✅ 包含个人思考和见解
• ✅ 包含关键数据

⚠️ 禁止简化:

• ❌ 不要只写几句话
• ❌ 不要省略NotebookLM问答
• ❌ 不要复制粘贴摘要

预计时间: 10-15分钟

---

方案概述

使用GLM WebReader MCP直接读取arXiv HTML页面，理解论文内容。

优势:

• ✅ 无需代理（或使用更稳定的代理）
• ✅ 响应速度快（通常<10秒）
• ✅ 可以直接访问arXiv HTML页面
• ✅ GLM-5的理解能力很强

劣势:

• ❌ 无法上传PDF（只能读取HTML）
• ❌ 上下文长度限制（但GLM-5支持128K）
• ❌ 无法保存为笔记本
• ❌ 质量不如NotebookLM的深度分析

执行流程

# 1. 确认arXiv HTML页面链接
# 格式: https://arxiv.org/html/{paper_id}
# 例如: https://arxiv.org/html/2602.22745v1

# 2. 使用GLM WebReader MCP读取页面
# 假设你已经配置了GLM WebReader MCP

# 方法1: 直接通过MCP工具（如果已配置）
# 使用web_fetch工具读取HTML页面
web_fetch "https://arxiv.org/html/2602.22745v1"

# 方法2: 如果有GLM MCP工具
# 使用GLM的web_reader工具
# （具体命令取决于你的MCP配置）

# 3. 基于读取的内容，询问GLM
# 注意：这里需要你手动将web_fetch的结果传递给GLM
# 或者使用支持网页读取的GLM版本

# 示例流程：
# Step 1: 读取HTML内容
ARXIV_HTML=$(curl -L "https://arxiv.org/html/2602.22745v1")

# Step 2: 提取关键部分（标题、摘要、方法等）
# 可以使用简单的grep或更复杂的解析

# Step 3: 询问GLM（需要手动或通过脚本）
# 询问同样的3个问题

实际操作建议

推荐方案: 使用OpenClaw的内置工具

# 方案A: 使用web_fetch工具（推荐）
# 这个工具可以直接读取网页并提取markdown内容
# 然后基于提取的内容进行分析

# 1. 读取arXiv HTML页面
# （假设web_fetch工具可用）
# 在实际执行中，OpenClaw会自动调用web_fetch

# 2. 基于读取的内容，继续询问GLM
# GLM会理解网页内容并回答问题

具体步骤:

1. 获取论文HTML链接:

   # 从arXiv ID生成HTML链接
   # 例如: https://arxiv.org/abs/2602.22745v1
   # 改为: https://arxiv.org/html/2602.22745v1
   

2. 使用GLM WebReader（在对话中直接请求）:

   请访问 https://arxiv.org/html/2602.22745v1
   阅读这篇论文，然后回答以下问题：
   
   Q1: 这篇文章的核心算法原理是什么？
   Q2: 这篇文章与Spatial AGI有什么关系？
   Q3: [基于Q1和Q2的思考]
   

3. GLM会自动:

   • 使用web_fetch工具读取HTML
   • 理解论文内容
   • 回答你的问题

质量保证

使用GLM WebReader MCP的文档要求与NotebookLM相同：

• ✅ 仍然创建详细文档（至少500行）
• ✅ 仍然记录完整的3个问答
• ✅ 仍然添加个人思考
• ✅ 在文档中注明使用GLM WebReader（而非NotebookLM）

文档标记:

**分析方法**: GLM WebReader MCP（NotebookLM失败）
**arXiv HTML**: https://arxiv.org/html/xxx
**GLM模型**: zai/glm-5

预计时间: 每篇论文 5-10分钟（读取 + 问答）

---

Step 5: 创建Markdown介绍文档 ✅

⚠️ 必须为每篇论文创建详细文档！

文档模板: 参考 /home/cwh/coding/auto_blog/spatial_agi/papers/EXAMPLE_full_analysis_template.md (1,542行)

必须包含的内容:

# [论文标题]

**发表日期**: YYYY-MM-DD  
**arXiv链接**: https://arxiv.org/abs/xxxx  
**PDF链接**: https://arxiv.org/pdf/xxxx  
**HTML版本**: https://arxiv.org/html/xxxx  
**代码仓库**: [如有]  
**作者**: 作者列表  
**NotebookLM笔记本ID**: [创建后记录]

## 核心问题
[基于NotebookLM回答整理]

## 主要方法
[基于NotebookLM回答整理]

### 方法概述
[详细描述]

### 技术细节
[具体实现]

### 算法流程
[步骤说明]

## 关键创新
1. **创新点1**: [描述]
2. **创新点2**: [描述]
3. **创新点3**: [描述]

## 实验结果
### 实验设置
[描述]

### 性能指标
[数据]

### 对比分析
[对比]

## 与Spatial AGI的关系
### 直接相关性
[基于Q2回答整理]

1. **空间表示**: [如何理解和表示空间]
2. **空间推理**: [如何处理空间关系]
3. **3D应用**: [与3D场景理解的关系]
4. **实际场景**: [可以应用的Spatial AGI场景]

### 启发与思考
[基于Q2回答整理]

1. **数据启发**: [对数据策略的启发]
2. **架构启发**: [对模型架构的启发]
3. **应用启发**: [对实际应用的启发]

### 技术挑战
[基于Q1和Q2回答分析]

## 潜在应用
[基于Q2和Q3回答整理]

## 局限性与未来工作
### 局限性
[描述]

### 未来方向
[描述]

## NotebookLM问答记录

### Q1: 核心算法原理
**问题**: 这篇文章的核心算法原理是什么？

**回答**: [NotebookLM的完整回答]

### Q2: 与Spatial AGI的关系
**问题**: 这篇文章与通用空间智能（Spatial AGI）有什么关系？

**回答**: [NotebookLM的完整回答]

### Q3: [自由问题]
**问题**: [你提出的具体问题]

**回答**: [NotebookLM的完整回答]

## 个人思考
[你的深度思考和分析，基于3个问答]

1. **最有趣的发现**: [什么]
2. **最意外的结果**: [什么]
3. **最有价值的启发**: [什么]
4. **Q3的思考过程**: [为什么问这个问题，从Q1/Q2得到了什么启发]

## 相关工作
[列出相关的论文或技术]

## 引用
```bibtex
@article{xxx,
  title={...},
  author={...},
  journal={arXiv preprint arXiv:xxxx},
  year={2026}
}

标签

#spatial-agi #vlm #3d-understanding #[其他相关标签]

**保存位置**:
```bash
/home/cwh/coding/auto_blog/spatial_agi/papers/YYYY-MM-DD_XX_paper_title.md

质量要求:

• ✅ 至少500行
• ✅ 包含完整的NotebookLM问答记录（不总结）
• ✅ 添加个人思考和见解
• ✅ 记录NotebookLM笔记本ID

预计时间: 每篇论文 15-20分钟

---

Step 6: 更新论文列表 ✅

更新文件: /home/cwh/coding/auto_blog/spatial_agi/papers_list.md

添加内容:

## YYYY-MM-DD 研究的论文（精选5篇）

1. **论文1标题** - arXiv:xxxx
   - 相关性: ⭐⭐⭐⭐⭐
   - 关键词: xxx, yyy, zzz
   - 文档: papers/YYYY-MM-DD_01_xxx.md
   - NotebookLM: [notebook_id]

2. **论文2标题** - arXiv:yyyy
   - 相关性: ⭐⭐⭐⭐⭐
   - 关键词: xxx, yyy, zzz
   - 文档: papers/YYYY-MM-DD_02_yyy.md
   - NotebookLM: [notebook_id]

3. **论文3标题** - arXiv:zzzz
   - 相关性: ⭐⭐⭐⭐⭐
   - 关键词: xxx, yyy, zzz
   - 文档: papers/YYYY-MM-DD_03_zzz.md
   - NotebookLM: [notebook_id]

4. **论文4标题** - arXiv:aaaa
   - 相关性: ⭐⭐⭐⭐
   - 关键词: xxx, yyy, zzz
   - 文档: papers/YYYY-MM-DD_04_aaa.md
   - NotebookLM: [notebook_id]

5. **论文5标题** - arXiv:bbbb
   - 相关性: ⭐⭐⭐⭐
   - 关键词: xxx, yyy, zzz
   - 文档: papers/YYYY-MM-DD_05_bbb.md
   - NotebookLM: [notebook_id]

---

Step 7: 生成每日思考文档 ✅

文件名: /home/cwh/coding/auto_blog/spatial_agi/daily_thinking/YYYY-MM-DD.md

必须包含的内容:

# Spatial AGI 思考 - YYYY-MM-DD

## 📋 每日总结

**⚠️ 这一部分是必须的，放在文档最前面，快速概览当天研究！**

### 🎯 今日核心

**研究主题**: [今天的主要研究方向，如：4D重建、视频生成等]

**论文数量**: 5篇精选论文（从X篇中筛选）

**关键突破**: 
- 🚀 [最重要的发现1，如：动态4D表示层]
- 🚀 [最重要的发现2，如：线性正交表示]
- 🚀 [最重要的发现3，如：前馈架构范式转变]

**架构演进**: [如：4层→7层，新增Level 0动态4D层]

**问题解决**: [如：解决了昨日4个问题，新识别3个问题]

### 📊 一句话总结

[用1-2句话概括今天最重要的进展]

**示例**:
> "今天从UFO-4D论文发现动态4D表示是Spatial AGI的基础，架构从4层扩展到7层，问题解决率达80%。"

### 🔗 延续性

**昨日→今日**: [简述从昨天的哪个方向延续而来]

**今日→明日**: [简述明天可能的研究方向]

**示例**:
- 昨日→今日: "静态3D表示 → 动态4D表示（UFO-4D实现）"
- 今日→明日: "动态4D → 4D + 语义理解集成"

### 📈 关键数据

- **论文分析**: 5篇（1篇完整NotebookLM + 4篇快速分析）
- **核心见解**: X个新见解
- **架构更新**: X层 → Y层（+Z个新层）
- **问题追踪**: 解决X/Y个（XX%）
- **知识缺口**: 已解决XX%，部分理解XX%，未涉及XX%
- **提交记录**: X个commits

### 🎓 今日收获

**Top 3 发现**:
1. **[发现1标题]** - [1句话说明为什么重要]
2. **[发现2标题]** - [1句话说明为什么重要]
3. **[发现3标题]** - [1句话说明为什么重要]

**最大惊喜**: [今天最意外的发现或转折]

**待解决**: [最需要明天深入的问题]

### 💡 本质思考：如何达成通用空间智能

**⚠️ 这是每日总结的核心部分，必须深刻思考！**

**要求**: 结合今日获得的所有信息，从以下3个维度进行本质层面的思考：

#### 1. 核心能力的本质是什么？

**思考方向**:
- Spatial AGI需要的**最根本能力**是什么？
- 今日论文揭示了哪些**不可或缺的组成要素**？
- 这些能力之间有什么**内在联系**？

**示例**:

今日发现动态4D表示（UFO-4D）是基础，但本质是：

1. 显式4D表示 → 对物理世界的精确建模
2. 前馈推理 → 实时响应能力（而非优化）
3. 多模态耦合 → 减少数据依赖

本质：Spatial AGI需要"物理直觉"（前馈4D理解）而非"物理计算"（优化求解）

#### 2. 当前方法与理想目标的差距在哪里？

**思考方向**:
- 理想的Spatial AGI应该是什么样的？
- 当前最先进方法（包括今日论文）还缺什么？
- **最大的瓶颈**是什么？（数据、架构、表示、训练？）

**示例**:

差距分析：

• ✅ 已有：动态4D表示、前馈推理、多模态融合
• ❌ 缺失：语义理解、因果推理、长期规划、物体持久性
• ⚠️ 瓶颈：如何从"感知4D"到"理解4D"（不仅是看到运动，还要理解为什么运动）

最大瓶颈：缺少对物理世界规律的深层理解（因果关系、物体属性、场景语义）

#### 3. 从今天到理想状态，最可能的路径是什么？

**思考方向**:
- 基于今日发现，**下一步应该做什么**？
- 哪条技术路线**最有可能成功**？
- 需要**突破哪些关键技术**？

**示例**:

技术路线预测：

1. 短期（3-6月）：4D表示 + 语义理解集成（如4D + CLIP）
2. 中期（6-12月）：4D + 物理引擎 + 因果推理
3. 长期（1-2年）：统一的世界模型（4D + 语义 + 物理 + 因果）

关键突破点：

• 如何学习线性正交表示（Compositional论文启发）
• 如何将4D表示与符号推理结合
• 如何实现Zero-shot的空间推理能力

---

**⚠️ 总结要求**:
- 简洁明了，控制在800字以内（含本质思考）
- 突出**最重要的3个发现**
- 清晰的**演进路径**（昨天→今天→明天）
- **本质思考**必须结合当日论文，回答上述3个问题
- **可视化数据**（图表数量、解决率等）
- 便于快速了解当天研究重点

---

## 今日论文概览

今天精读了5篇与Spatial AGI相关的前沿论文，涵盖[领域1]、[领域2]、[领域3]等领域。

### 论文列表
1. **论文1** - [简短描述和核心发现]
2. **论文2** - [简短描述和核心发现]
3. **论文3** - [简短描述和核心发现]
4. **论文4** - [简短描述和核心发现]
5. **论文5** - [简短描述和核心发现]

## 核心见解

### 1. [见解1标题]
[基于今日论文的发现]

**从[论文X]获得**:
- ✅ [具体发现]
- ✅ [具体发现]

**对Spatial AGI的启发**:
[深入思考]

### 2. [见解2标题]
[基于今日论文的发现]

...

## 与昨日思考的联系

**昨日重点**: [昨天的主要思考]

**今日进展**:
- [如何延续昨天的思考]
- [新的发现]
- [更新的理解]

## 📊 知识演进图

**⚠️ 这一部分是必须的，可视化展示知识的延续性发展！**

### 核心见解演进

```mermaid
graph LR
    A[昨日见解1] --> B[今日新发现]
    A --> C[今日深化]
    B --> D[架构更新]
    C --> D
    
    E[昨日见解2] --> F[今日验证]
    E --> G[今日调整]
    F --> H[新方向]
    G --> H
    
    style A fill:#e1f5ff
    style B fill:#c8e6c9
    style C fill:#c8e6c9
    style D fill:#fff9c4
    style E fill:#e1f5ff
    style F fill:#c8e6c9
    style G fill:#c8e6c9
    style H fill:#fff9c4

图例说明:

• 🔵 蓝色: 昨天的见解
• 🟢 绿色: 今天的新发现/深化
• 🟡 黄色: 架构/方向的更新

具体演进路径

昨日见解	今日进展	演进类型	相关论文
[见解1]	[新发现1]	✅ 深化验证	论文X
[见解2]	[新发现2]	🔄 调整优化	论文Y
[见解3]	[新发现3]	🆕 新发现	论文Z
[未解决问题]	[解决方案]	✅ 已解决	论文W

演进类型说明:

• ✅ 深化验证: 昨天的假设被今天的论文验证/深化
• 🔄 调整优化: 基于新发现调整昨天的理解
• 🆕 新发现: 今天发现的新见解（昨天未涉及）
• ✅ 已解决: 昨天提出的问题今天找到解决方案

架构演进对比

昨日架构:

Level 1: [描述]
Level 2: [描述]
Level 3: [描述]

今日架构:

Level 0: [新增层] ⭐ NEW
Level 1: [更新内容] 🔄
Level 2: [更新内容] 🔄
Level 3: [更新内容] 🔄
Level 4: [新增层] ⭐ NEW

演进说明:

• ⭐ NEW: 今天新增的层次
• 🔄: 今天更新/细化的内容
• ✅: 保持不变（验证有效）

技术栈演进

graph TD
    A[昨日技术栈] --> B{今日更新}
    B -->|新增| C[新技术1]
    B -->|优化| D[技术2优化]
    B -->|验证| E[技术3验证]
    
    C --> F[今日技术栈]
    D --> F
    E --> F

技术栈对比表:

技术领域	昨日方案	今日方案	变化
[领域1]	[方法A]	[方法B]	🔄 优化
[领域2]	[方法C]	[方法C]	✅ 验证
[领域3]	-	[方法D]	⭐ 新增

问题追踪

昨日未解决问题:

1. ❓ [问题1] → ✅ 今日解决（论文X）
2. ❓ [问题2] → ⏳ 部分进展（论文Y）
3. ❓ [问题3] → ❌ 仍然未解决

今日新识别问题:

1. ❓ [新问题1] - 来自论文Z
2. ❓ [新问题2] - 来自论文W

优先级排序:

• 🔥 高优先级: [问题]
• ⚡ 中优先级: [问题]
• 💡 低优先级: [问题]

知识缺口分析

pie title 知识缺口分布
    "已解决" : 30
    "部分理解" : 40
    "未涉及" : 20
    "需要深入研究" : 10

缺口详情:

1. 已解决 (30%): [列出]
2. 部分理解 (40%): [列出]
3. 未涉及 (20%): [列出]
4. 需要深入研究 (10%): [列出]

关键里程碑

timeline
    title Spatial AGI 研究时间线
    2026-03-01 : 初始架构设计
    2026-03-02 : VLM推理优化
    2026-03-03 : 4D表示突破 ⭐

里程碑说明:

• 2026-03-03: 动态4D表示层突破（UFO-4D论文）

下一步演进方向

基于昨日和今日的进展，明天的重点：

1. 延续线索: [从昨天→今天→明天]
2. 新线索: [今天发现的新方向]
3. 待验证: [需要进一步验证的假设]

预期演进路径:

昨日: 静态3D表示
  ↓
今日: 动态4D表示 (UFO-4D)
  ↓
明日: 实时4D + 语义理解 (?)

---

⚠️ 重要提示:

• 知识演进图是强制要求，不是可选
• 必须使用Mermaid图表可视化演进过程
• 表格要清晰对比昨天vs今天
• 追踪昨日问题的解决状态
• 识别新的知识缺口

Spatial AGI 架构更新

基于今日论文，更新Spatial AGI的架构设计：

[架构图或描述]

技术挑战

挑战1: [问题]

从[论文X]识别: [描述]

思路: [解决方案]

实现路线图

短期（本周）

1. [任务1]
2. [任务2]

中期（1个月）

1. [任务1]
2. [任务2]

长期（3个月）

1. [任务1]
2. [任务2]

关键引用

"从论文X中的重要引述" - [作者]

下一步

1. [明天的计划]
2. [需要深入研究的点]
3. [需要实现的代码]

---

关键词: #spatial-agi #[其他标签]

**特别注意**: 
- ✅ **必须参考前一天的思考** (如果存在)
- ✅ **延续性思考** - 不是独立的一天，而是持续的研究
- ✅ **深度 > 广度** - 质量比数量重要

**预计时间**: 20-30分钟

---

### Step 8: 自动提交到GitHub ✅

**⚠️ 这一步是必须的，确保每日研究成果及时同步！**

**执行操作**:
```bash
# 方法1: 执行预生成的提交脚本（推荐）
bash /tmp/spatial_agi_commit_after_research.sh

# 方法2: 手动提交（如果脚本失败）
cd /home/cwh/coding/auto_blog/spatial_agi
git add .
git commit -m "feat: Spatial AGI Research - $(date '+%Y-%m-%d')

- 分析5篇论文（arXiv最新）
- 生成论文深度分析文档
- 更新每日思考文档
- 更新论文列表

Spatial AGI Research Skill v3.1"
git push origin main

提交内容:

• ✅ 论文分析文档（papers/）
• ✅ 每日思考（daily_thinking/）
• ✅ 论文列表（papers_list.md）
• ✅ README更新（如有）

提交时间: 立即（在Step 7完成后）

提交信息格式:

feat: Spatial AGI Research - YYYY-MM-DD

- 分析5篇论文（arXiv最新）
- 生成论文深度分析文档
- 更新每日思考文档
- 更新论文列表

Spatial AGI Research Skill v3.1

验证提交:

# 查看最新提交
git log --oneline -1

# 查看远程仓库
# 访问: https://github.com/ahangchen/spatial_agi

预计时间: 1-2分钟

---

📁 完整文件结构

/home/cwh/coding/auto_blog/spatial_agi/
├── papers/                    # 论文介绍文档
│   ├── YYYY-MM-DD_01_paper1.md
│   ├── YYYY-MM-DD_02_paper2.md
│   ├── ...
│   ├── EXAMPLE_full_analysis_template.md  # 完整示例（1,542行）
│   └── YYYY-MM-DD_SPATIALALIGN_notebooklm_analysis.md  # 实际案例（400行）
├── daily_thinking/            # 每日思考
│   ├── YYYY-MM-DD.md
│   ├── YYYY-MM-(DD-1).md      # 前一天的思考
│   └── ...
├── papers_list.md             # 论文列表
└── README.md                  # 项目说明

---

⏱️ 时间估算（更新版 2026-03-05 09:00）

步骤	时间	备注
1. 搜索论文	10分钟	自动执行
2. 筛选论文	10分钟	人工筛选5篇
3. Subagent精读（5篇）	90分钟	串行18分钟/篇
3.5. 收集结果	5分钟	检查文档质量
4. 更新列表	5分钟	papers_list.md
5. 生成思考	30分钟	8000+字
6. Git提交	2分钟	自动提交
总计	~2.5小时

Subagent优势（v5.0新增）：

• ✅ 独立上下文 - 每篇论文有完整token空间
• ✅ 质量保证 - 不会因token不足创建精简版
• ✅ 错误隔离 - 一篇失败不影响其他
• ✅ 可并行 - 如果需要可同时启动多个

并行执行（可选）：

• 5篇论文并行: 20-30分钟
• 总时间: ~1小时（含筛选、思考、提交）

建议:

• 可以在半天内完成（上午或下午）
• 每天5篇论文（精读）
• 重点关注最相关的论文
• 预留30分钟缓冲时间（网络延迟）

---

✅ 质量检查清单

执行前

• 代理已启动 (socks5://127.0.0.1:1080)
• GitHub仓库已关联（[e-mail]:ahangchen/spatial_agi.git）
• NotebookLM CLI可用
• 目录已创建

执行中（整体流程）

• Step 1: 搜索5个关键词组合
• Step 2: 筛选出5篇最有价值的论文
• Step 3: 对每篇论文启动Subagent
• Step 3.5: 收集Subagent结果并验证质量
• Step 4: 更新papers_list.md
• Step 5: 生成每日思考文档（参考前日）
• Step 6: 执行Git自动提交脚本

执行中（每篇论文Subagent）

• Subagent启动成功
• NotebookLM笔记本创建成功
• 添加arXiv页面作为来源
• 添加PDF或HTML作为来源
• 等待30秒让来源处理
• 询问Q1：核心算法原理
• 询问Q2：与Spatial AGI的关系
• 询问Q3：自由问题
• 创建详细文档（至少500行）
• 文档包含NotebookLM笔记本ID
• 文档保存到正确目录
• 添加至少2个来源（arXiv页面 + PDF/HTML）
• 询问Q1（核心算法原理）
• 询问Q2（与Spatial AGI的关系）
• 思考30秒后提出Q3
• 记录笔记本ID

执行后（每篇论文）

• 文档至少500行
• 包含完整的NotebookLM问答记录
• 添加个人思考和见解
• 保存到正确位置
• 更新papers_list.md

每日完成

• 所有5篇论文完成
• papers_list.md已更新
• 每日思考文档已创建
• 参考了前一天的思考
• 有深度的延续性思考

---

⚠️ 常见问题与解决

问题1: PDF添加超时

解决方案:

# 使用HTML版本替代
notebooklm source add "https://arxiv.org/html/xxx"

# 或在网页界面手动添加
# 访问: https://notebooklm.google.com

问题2: NotebookLM连接超时

解决方案:

# 1. 检查代理
curl -x socks5://127.0.0.1:1080 https://www.google.com

# 2. 增加超时时间
timeout 120 notebooklm ask "问题"

# 3. 使用网页界面
# 访问: https://notebooklm.google.com

问题3: 代理不稳定

解决方案:

• 使用稳定的代理服务
• 考虑使用网页界面作为备选
• 分批执行，避免一次性处理所有论文

问题4: NotebookLM完全失败（推荐备选方案） 🆕

症状:

• 连接超时（即使60秒）
• 代理无法访问
• 添加来源失败
• 询问问题失败

备选方案: 使用GLM WebReader MCP

操作步骤:

1. 确认GLM MCP可用

   # 检查GLM WebReader MCP是否配置
   cat ~/.config/mcporter/mcp_config.json | grep -A 5 "glm"
   
   # 或直接测试
   mcporter call glm webreader --help
   

2. 获取arXiv HTML链接

   # 将PDF链接转换为HTML链接
   # PDF: https://arxiv.org/pdf/2602.22745v1
   # HTML: https://arxiv.org/html/2602.22745v1
   
   PAPER_ID="2602.22745v1"
   HTML_URL="https://arxiv.org/html/${PAPER_ID}"
   echo "HTML链接: ${HTML_URL}"
   

3. 使用GLM WebReader读取论文

   # 方法1: 直接在对话中使用（推荐）
   # 直接告诉AI:
   "请访问 ${HTML_URL}，阅读这篇论文，然后回答以下问题：
   Q1: 核心算法原理是什么？
   Q2: 与Spatial AGI有什么关系？
   Q3: [基于Q1/Q2的思考]"
   
   # 方法2: 使用web_fetch工具
   web_fetch "${HTML_URL}" extractMode="markdown"
   # 然后基于内容回答问题
   

4. 记录使用GLM的文档

   # [论文标题]
   
   **分析方法**: GLM WebReader MCP（NotebookLM失败）
   **arXiv HTML**: https://arxiv.org/html/xxx
   **GLM模型**: zai/glm-5
   **日期**: YYYY-MM-DD
   
   ## 核心问题
   [基于GLM回答整理]
   
   ## 主要方法
   [基于GLM回答整理]
   
   ## 与Spatial AGI的关系
   [基于GLM回答整理]
   
   ## GLM WebReader问答记录
   
   ### Q1: 核心算法原理
   **回答**: [GLM的完整回答]
   
   ### Q2: 与Spatial AGI的关系
   **回答**: [GLM的完整回答]
   
   ### Q3: [自由问题]
   **回答**: [GLM的完整回答]
   
   ## 个人思考
   [你的深度思考]
   

GLM vs NotebookLM对比:

方面	NotebookLM	GLM WebReader
速度	慢（可能超时）	快
稳定性	依赖代理	不依赖代理
深度	非常深（基于全文）	深（基于HTML）
可用性	可能失败	高可用
推荐场景	首选	备选

推荐策略:

1. 优先尝试NotebookLM（更深度）
2. 如果失败，立即切换到GLM（高可用）
3. 不要在同一篇论文上浪费太多时间

何时切换:

• NotebookLM添加来源超时2次 → 切换
• NotebookLM询问问题超时2次 → 切换
• 代理连接失败 → 切换
• 总时间超过10分钟 → 切换

---

🎯 核心原则

1. 必须使用research-assistant技能 - 不是可选
2. 必须询问3个核心问题 - Q1算法原理 + Q2 Spatial AGI关系 + Q3思考后的自由问题
3. 必须创建详细文档 - 至少500行，完整问答
4. 必须参考昨日思考 - 延续性研究
5. 质量 > 数量 - 精读5篇 > 泛读10篇

---

📚 参考文档

1. QUICK_START.md - 快速开始指南
2. EXECUTION_CHECKLIST.md - 详细检查清单
3. EXAMPLE_full_analysis_template.md - 完整示例（1,542行）
4. research-assistant技能 - ~/.openclaw/workspace/skills/research-assistant/SKILL.md

---

🚀 自动化

定时任务

任务名: spatial-agi-research
执行时间: 每天凌晨3点
任务ID: 065e3692-e19c-4259-be4e-15c145c9cd1f

查看任务:

cat ~/.openclaw/cron/jobs.json | grep -A 10 "spatial-agi-research"

手动触发:

openclaw cron run 065e3692-e19c-4259-be4e-15c145c9cd1f

---

最后更新: 2026-03-05 10:43 版本: v5.0 (使用Subagent进行论文精读) 维护者: OpenClaw AI

v5.0更新内容 (2026-03-05 10:43):

• ✅ 重大改进：使用Subagent进行论文精读

• ✅ 创建paper-analysis skill作为Subagent的执行逻辑

• ✅ 每篇论文有独立的上下文，避免token限制

• ✅ 确保每篇论文都有完整的分析（不再有精简版）

• ✅ 支持并行处理（可选）

• ✅ 总时间从2.5小时减少到2.5小时（串行）

• ✅ 新增Step 3.5： 收集Subagent结果

• ✅ 修复spatial-agi-research skill的runtime配置

• ✅ 成功测试： ACE-Brain-0论文（1650行，- ✅ Git已提交并推送

v4.1更新内容 (2026-03-05 08:54):

• ✅ 强制要求：创建笔记本后必须立即记录ID到 -n "$NOTEBOOK_ID"

• ✅ 添加ID验证步骤

• ✅ 添加日志输出便于调试

• ✅ 更新Step 3和Step 4的示例代码

• ✅ 更新时间估算: 3.5小时 → 2.5小时（串行)

• ✅ 新增Step 3.5: 收集Subagent结果并验证质量

• ✅ 更新质量检查清单（每篇论文Subagent）

• ✅ 更新强制要求总结（6条不可违反的规则)

• ✅ 提供正确/错误流程示例对比

• ✅ 从建议改为强制要求

• ✅ 明确违反规则的后果

• ✅ 提供完整的正确/错误示例

v5.0更新内容 (2026-03-05 08:50):

• ✅ 修复NotebookLM use命令会话管理bug

• ✅ 添加PDF下载链接方法（比上传本地PDF更快）

• ✅ 增加PDF添加超时到90秒

• ✅ 添加30秒等待时间让来源处理完成

• ✅ 更新GLM WebReader使用条件

• ✅ 更新质量检查清单

• ✅ 删除3点的冗余crontab任务

• ✅ 保留7点的spatial-agi-research skill（完整流程)

• ✅ skill已包含论文搜索步骤

• ✅ Git已提交并推送

• ✅ 总时间从3.5小时减少到2.5小时

• ✅ 支持并行处理（可选）

• ✅ 新增Step 3.5: 收集Subagent结果并验证质量

• ✅ 新增强制要求总结（6条不可违反的规则）

• ✅ 提供正确/错误流程示例对比

• ✅ 从建议改为强制要求

• ✅ 明确违反规则的后果

• ✅ 提供完整的正确/错误示例

• ❌ 错误流程示例

  # ❌ 错误1: 不记录ID
  notebooklm create "ACE-Brain-0"
  notebooklm source add "https://arxiv.org/abs/2603.03198v1"
  notebooklm ask "问题"  # 可能使用错误的笔记本
  # ❌ 错误2: 使用use命令
  notebooklm use $ID
  notebooklm ask "问题"  # use有bug
  
  # ❌ 错误3: 不等待处理
  notebooklm source add "..."
  notebooklm ask "..."  # 来源未处理完成，返回空答案
  

v5.0更新内容 (2026-03-05 09:05):

• ✅ 重大改进：使用Subagent进行每篇论文的精读
• ✅ 创建paper-analysis skill作为Subagent的执行逻辑
• ✅ 每篇论文有独立的上下文，避免token限制
• ✅ 确保每篇论文都有完整的分析（不再有精简版）
• ✅ 支持并行处理多篇论文（可选）
• ✅ 总时间从3.5小时减少到2.5小时（串行）
• ✅ 新增Step 3.5：收集Subagent结果

v4.1更新内容 (2026-03-05 08:54):

• ✅ 强制要求：创建笔记本后必须立即记录ID到变量
• ✅ 强制要求：所有ask命令必须使用-n "$NOTEBOOK_ID"
• ✅ 添加ID验证步骤（检查ID是否存在）
• ✅ 添加日志输出便于调试

v4.0更新内容 (2026-03-05 08:50):

• ✅ 修复NotebookLM use命令会话管理bug（使用-n参数）
• ✅ 添加PDF下载链接方法（比上传本地PDF更快）
• ✅ 增加PDF添加超时到90秒

v3.0更新内容:

• ✅ 论文数量从10篇减少到5篇（精读 > 泛读）
• ✅ NotebookLM问题从13+个简化为3个核心问题
• ✅ 总时间从7.5小时减少到3.7小时

---

📋 强制要求总结（v5.0）

⚠️ 必须遵守的规则

╔════════════════════════════════════════════════════════════╗
║  🚨 强制要求（不可违反）                                   ║
╚════════════════════════════════════════════════════════════╝

1. 🤖 必须使用Subagent进行论文精读
   ✅ sessions_spawn --agent-id paper-analysis
   ❌ 在主session中处理论文（会token不足）
   ❌ 创建精简版文档（质量不够）

2. 📝 每篇论文必须有独立的Subagent
   ✅ 5篇论文 = 5个Subagent
   ✅ 每个Subagent独立上下文
   ❌ 多篇论文共用一个Subagent

3. 📄 文档质量要求
   ✅ 至少500行
   ✅ 包含完整的NotebookLM问答记录
   ✅ 包含NotebookLM笔记本ID
   ❌ 少于500行的精简版

4. ⏱️ 时间预估
   ✅ 单篇论文: 18分钟
   ✅ 5篇论文（串行）: 90分钟
   ✅ 5篇论文（并行）: 20-30分钟

5. 🔍 质量检查
   ✅ 每个Subagent完成后检查文档行数
   ✅ 确认NotebookLM笔记本ID已记录
   ✅ 验证文档内容完整性

✅ 正确流程示例（v5.0）

# Step 1: 筛选5篇论文
PAPERS=(
  "ACE-Brain-0|https://arxiv.org/abs/2603.03198v1|https://arxiv.org/pdf/2603.03198v1"
  # ... 其他4篇
)

# Step 2: 对每篇论文启动Subagent
for PAPER_INFO in "${PAPERS[@]}"; do
  IFS='|' read -r TITLE ARXIV_URL PDF_URL <<< "$PAPER_INFO"
  
  # 启动Subagent
  sessions_spawn \
    --mode run \
    --runtime acp \
    --agent-id paper-analysis \
    --task "精读论文: $TITLE
    论文信息:
    - 标题: $TITLE
    - arXiv: $ARXIV_URL
    - PDF: $PDF_URL
    - Paper ID: $(echo "$TITLE" | sed 's/[^a-zA-Z0-9]/_/g')
    
    要求:
    1. 创建NotebookLM笔记本并记录ID
    2. 添加来源（arXiv + PDF）
    3. 询问3个核心问题
    4. 创建详细文档（至少500行）
    5. 保存到 /home/cwh/coding/auto_blog/spatial_agi/papers/
    
    输出:
    - 笔记本ID
    - 文档路径
    - 文档行数"
done

# Step 3: 收集结果并验证
for FILE in /home/cwh/coding/auto_blog/spatial_agi/papers/$(date +%Y-%m-%d)_*.md; do
  LINES=$(wc -l < "$FILE")
  echo "📄 $(basename $FILE): $LINES 行"
  
  if [ $LINES -lt 500 ]; then
    echo "⚠️ 警告: 文档行数不足500行"
  fi
done

❌ 错误流程示例（v5.0）

# ❌ 错误1: 在主session中处理论文
# （会导致token不足，创建精简版）

# ❌ 错误2: 多篇论文共用一个Subagent
# （会导致上下文混乱）

# ❌ 错误3: 不检查文档质量
# （可能创建精简版而不自知）

notebooklm ask "Q1" # 哪个笔记本？

❌ 错误2: 使用use命令

notebooklm create "ACE-Brain-0" notebooklm use $ID # use有bug notebooklm ask "Q1" # 可能使用错误的笔记本

❌ 错误3: 不等待处理

notebooklm source add "https://arxiv.org/pdf/..." notebooklm ask "Q1" # 来源还没处理完，返回空答案

---

## 🔧 故障排查

### NotebookLM常见问题

#### 问题1: PDF添加超时

ERROR [notebooklm._core] RPC ADD_SOURCE failed after 30.445s Error: Request timed out calling ADD_SOURCE

**原因**: 大PDF（>40MB）处理时间超过默认30秒

**解决方案**:
1. ✅ 使用PDF的URL而不是上传本地文件
2. ✅ 增加超时到90秒
3. ✅ 使用arXiv HTML版本作为备选

```bash
# 推荐方法
timeout 90 notebooklm source add "https://arxiv.org/pdf/2603.03198v1" || \
  notebooklm source add "https://arxiv.org/html/2603.03198v1"

问题2: 笔记本选择错误

# 问的是ACE-Brain-0，返回的是SLAM-Former的答案

原因: NotebookLM CLI的use命令会话管理有bug

解决方案: 显式指定笔记本ID

# ❌ 错误方法
notebooklm use $NOTEBOOK_ID
notebooklm ask "问题"  # 可能使用错误的笔记本

# ✅ 正确方法
notebooklm ask -n $NOTEBOOK_ID "问题"  # 显式指定

问题3: 返回空答案

Answer:

Conversation: 6e59af6e... (turn ?)

原因: 来源未处理完成就提问

解决方案: 添加等待时间

# 添加来源后等待30秒
notebooklm source add "https://arxiv.org/abs/2603.03198v1"
sleep 30  # 等待处理
notebooklm ask -n $NOTEBOOK_ID "问题"

代理问题

问题: 代理连接失败

ERROR: Cannot connect to proxy socks5://127.0.0.1:1080

解决方案:

1. 检查代理是否启动
2. 验证代理配置
3. 使用正确的环境变量

# 检查代理
curl --socks5 127.0.0.1:1080 https://www.google.com

# 设置环境变量
export NOTEBOOKLM_PROXY="socks5://127.0.0.1:1080"

GLM WebReader问题

问题: 何时切换到GLM WebReader?

判断标准:

✅ 切换条件（满足任意一条）:
  - NotebookLM连接超时 > 90秒
  - PDF添加失败3次以上
  - `ask`返回空答案3次以上
  - `ask`返回错误笔记本的答案2次以上

❌ 不要切换:
  - 为了节省时间
  - 响应慢但能工作
  - 个人偏好

---

记住: 质量 > 数量。 精读5篇论文，深度理解每个核心算法和与Spatial AGI的关系，比泛读10篇更有价值！ 当NotebookLM失败时，立即切换到GLM WebReader MCP，不要浪费时间！