papers (Mmgeorge)

论文

  

\[！注意\] 即使是最好的分析PDF提取方法也会破坏LaTeX和技术论文的表格。该项目通过以下方式使用基于视觉模型的OCR 数据实验室 （需要API键）生成干净的markdown并保留数学和表。提取的结果（JSON、markdown、图像）同步回您的Zotero库。你也可以 本地运行标记.

安装

从下载预构建的二进制文件 发布，或从源代码构建：

cargo install --path crates/papers-cli

命令

命令接受 --json 用于机器可读输出。

MCP服务器

将CLI命令作为LLM的MCP工具公开。目前仅支持--stdio。

克劳德代码：

claude mcp add papers -- papers mcp start --stdio

.mcp.json （克劳德桌面、光标等）：

{
  "mcpServers": {
    "papers": {
      "command": "papers",
      "args": ["mcp", "start", "--stdio"]
    }
  }
}

OpenAlex

OpenAlex在没有身份验证的情况下工作，但速度有限。集 OPENALEX_KEY 更高的利率限制(openalex.org/定价).

搜索和筛选

papers work list -s "attention is all you need" -n 3
papers work list --author "Yann LeCun" --year 2020-2024 --open
papers work list --topic "deep learning" --citations ">100" --sort cited_by_count:desc
papers author list --institution harvard --country US --h-index ">50"

筛选器别名 (--author, --year, --topic, --citations等）自动将名称解析为OpenAlex ID。您也可以使用原始 OpenAlex过滤器语法 通过 --filter.

按ID或搜索获取

这 get 子命令接受OpenAlex ID、DOI、ORCID、ROR ID、PubMed ID、ISSN或纯搜索查询：

papers work get "attention is all you need"
papers work get https://doi.org/10.7717/peerj.4375
papers author get "yoshua bengio"
papers institution get "MIT"

佐特罗

需要 ZOTERO_USER_ID 和 ZOTERO_API_KEY 环境变量(zotero.org/settings/keys).

papers zotero work list --tag Starred --sort dateModified --direction desc
papers zotero work list --search "rendering" --type conferencePaper -n 5
papers zotero work annotations 
papers zotero attachment file  --output paper.pdf
papers zotero collection list --top

实体： work, extract, attachment, annotation, note, collection, tag, search, group, setting, deleted, permission.

数据库

  Marker OCR          Structural Chunking        Embed (Gemma 300M)
                                                                     ┌─────────┐
 ┌──────────┐    ┌─────────────────────┐    ┌───────────┐            │         │
 │  marker  ├───►│  JSON block tree    ├───►│ 768-d f32 ├───────────►│ LanceDB │
 │  OCR     │    │  per paragraph,     │    │ vectors   │            │         │
 │          │    │  equation, table,   │    └───────────┘            │ chunks  │
 └──────────┘    │  figure, list       │         ▲                   │ figures │
   .md .json     └─────────────────────┘         │                   │         │
                                          ┌──────┴──────┐            └────┬────┘
                                          │ embed query │───── ANN ──────┘
                                          └─────────────┘

PDF提取使用 数据实验室标记 对于视觉模型OCR，它返回一个结构化的JSON块树和markdown。每个块（段落、方程式、列表、表格、图形）都变成一个块——没有固定大小的分割或重叠。块和图形标题嵌入到768-d矢量中，并存储在LanceDB中。在查询时，查询嵌入了相同的模型，并通过近似最近邻（ANN）搜索进行匹配。每个结果都包括其周围上下文的相邻块的截断预览。

papers db work add                                 # Index a single paper
papers db work add --all                                 # Index all cached extractions
papers db chunk search "differentiable rendering" -n 5
papers db figure search "neural radiance field architecture"
papers db chunk get 
papers db section get 
 --chapter-idx 1 --section-idx 2
papers db chapter get 
 --chapter-idx 1
papers db figure get 
papers db work outline 

papers db work list [--selection ]
papers db tag list

在本地使用标记

~/.cache/papers/datalab//
├── .md
├── .json     # optional
└── images/             # optional

提取将自动从本地缓存中提取。

筛选器别名

解析为OpenAlex过滤器表达式的简写标志。基于实体的别名接受OpenAlex ID或搜索字符串（按引用计数解析到顶部结果）。

work list

author list