Paper Intelligence

纸质情报系统（PIS）

一个以本地优先的数据库和辅助层，用于高效组织、分析和检索研究论文。

特点/特性

• 文件管理添加、查询和组织富含元数据的研究论文
• 本地SQLite数据库快速、可靠且完全支持离线操作
• YAML 元数据每篇论文的人类可读元数据文件
• 灵活查询按标题、作者、标签、年份、重要性等条件搜索
• 出口能力将摘要和笔记导出为Markdown格式
• MCP服务器通过AI助手（如Claude等）与您的论文数据库进行交互
• 可扩展的已准备好实现人工智能集成、语义搜索和自动化

目录结构

paper-intelligence/
│
├── papers.db                    # SQLite database (created on first run)
├── README.md                    # This file
├── MCP_SETUP.md                 # MCP server setup guide
├── requirements.txt             # Python dependencies
├── pyproject.toml               # Python project configuration
├── mcp_server.py                # MCP server implementation
├── .gitignore                   # Git ignore rules
│
├── raw/                         # PDF files (gitignored)
├── metadata/                    # YAML metadata files (gitignored)
├── scripts/                     # Python scripts
│   ├── init_db.py              # Database initialization
│   ├── ingest_paper.py         # Add new papers
│   ├── query_papers.py         # Query and search
│   └── summarize_paper.py      # Summarize and export
└── embeddings/                  # (Future) Vector embeddings (gitignored)

设置

1. 安装依赖项

pip install -r requirements.txt

核心依赖项： pyyaml， mcp （针对MCP服务器）。额外的依赖项为未来功能的可选配置。

2. MCP服务器设置（可选）

如果你想将这个系统与像Claude这样的AI助手一起使用：

对于Claude Code（CLI）

添加到您的Claude Code MCP设置文件中（~/.config/claude-code/mcp_settings.json)：

{
  "mcpServers": {
    "paper-intelligence": {
      "command": "python3",
      "args": [
        "/path/to/paper-intelligence/mcp_server.py"
      ]
    }
  }
}

替换 /path/to/paper-intelligence/ 替换为您的克隆仓库的实际路径。

然后重启Claude Code或重新加载MCP服务器。

对于Claude Desktop

见 MCP_SETUP.md 翻译为中文是：“MCP 设置说明文件”或“MCP 配置指南（Markdown 格式）”。这里，“MCP”可能代表某个特定的系统、项目或配置模块的名称，而“SETUP”通常指设置或配置，“.md”是Markdown文件格式的扩展名 Claude Desktop 配置说明。

3. 初始化数据库

数据库已经初始化，但如果需要，您可以重新初始化它：

python3 scripts/init_db.py

使用方法

添加一篇新论文

# Move PDF to database (removes original)
python3 scripts/ingest_paper.py path/to/paper.pdf

# Copy PDF to database (keeps original)
python3 scripts/ingest_paper.py path/to/paper.pdf --copy

系统会提示您输入：

• 标题
• 作者
• 合作者（可选）
• 出版日期（YYYY-MM-DD）
• 摘要/概要
• 关键思想
• 标签
• 重要性评分（1-10）

查询论文

列出所有论文：

python3 scripts/query_papers.py list

带过滤器的列表：

# Filter by author
python3 scripts/query_papers.py list --author "Smith"

# Filter by tag
python3 scripts/query_papers.py list --tag "robotics"

# Filter by year
python3 scripts/query_papers.py list --year 2024

# Filter by minimum importance
python3 scripts/query_papers.py list --min-importance 8

# Combine filters
python3 scripts/query_papers.py list --tag "ML" --min-importance 7 --year 2024

# Show detailed view
python3 scripts/query_papers.py list --detailed

# Limit results
python3 scripts/query_papers.py list --limit 10

# Sort by importance, date, or title
python3 scripts/query_papers.py list --sort importance

展示特定论文：

python3 scripts/query_papers.py show 

搜索论文：

python3 scripts/query_papers.py search "adversarial attacks"

查看统计数据：

python3 scripts/query_papers.py stats

更新论文摘要

交互式更新：

python3 scripts/summarize_paper.py update 

您可以更新：

• 摘要
• 关键思想
• 个人笔记

导出为Markdown格式：

python3 scripts/summarize_paper.py export 

数据库模式

表格： papers

| 文本 | 摄入时间戳 | embeddings

表格：

（为未来的语义搜索功能） | 列 | 类型 | 描述 | |---------|------|--------------| paper_id | | | | | embedding | 整数 | 论文的外键 | | model | BLOB | 向量表示 | | created_at | 文本 | 嵌入模型名称 |

|

| 文本 | 时间戳 |

# 1. Add a new paper
python3 scripts/ingest_paper.py ~/Downloads/new_paper.pdf

# 2. List all papers
python3 scripts/query_papers.py list

# 3. View a specific paper
python3 scripts/query_papers.py show 1

# 4. Update summary and notes
python3 scripts/summarize_paper.py update 1

# 5. Search for papers on a topic
python3 scripts/query_papers.py search "reinforcement learning"

# 6. Export paper to markdown
python3 scripts/summarize_paper.py export 1

# 7. View statistics
python3 scripts/query_papers.py stats

示例

示例工作流程

• 未来的改进/增强
• 第二阶段：自动化
• 文件夹监视器，用于自动摄入
• PDF元数据提取（使用PyPDF2、pdfplumber）

API集成（CrossRef，Semantic Scholar）

• 语义搜索的嵌入生成
• 第三阶段：人工智能整合
• 使用大型语言模型（LLMs）进行自动摘要
• 使用向量嵌入进行语义搜索

相关论文推荐

• 大型语言模型（LLM）代理的REST API
• 第四阶段：同步与协作
• Google Drive 同步
• 多用户支持

引文网络可视化

• Obsidian/Notion 集成小贴士 ML/RL标签 CV/detection使用一致、层次化的标签（例如。，
• ，)
• 重要性根据与您研究的相关性进行评分 /metadata/
• 元数据文件你可以在其中手动编辑YAML文件 papers.db 备份 /raw/ 定期备份

并且

文件夹

• 故障排除
• 数据库锁定错误：

关闭所有SQLite浏览器工具

pip install pyyaml

任何时候都只应有一个脚本写入数据库

chmod +x scripts/*.py

YAML 导入错误：

权限被拒绝：

许可证

个人研究工具。可自由用于学术和研究目的。

______________________________________________________________________

贡献 这是一个个人系统，但欢迎根据你的需求进行分叉和扩展。 版本： 1.0.0