paper-analyze（论文分析）

Language Setting / 语言设置

This skill supports both Chinese and English reports. The language is determined by the language field in your config file:

• Chinese (default): Set language: "zh" in config
• English: Set language: "en" in config

The config file should be located at: $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

Language Detection

At the start of execution, read the config file to detect the language setting:

# Read language from config
LANGUAGE=$(grep -E "^\s*language:" "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" | awk '{print $2}' | tr -d '"')

# Default to Chinese if not set
if [ -z "$LANGUAGE" ]; then
    LANGUAGE="zh"
fi

Then use this language setting throughout the workflow:

• When generating notes, pass --language $LANGUAGE to scripts
• Generate content in the appropriate language

You are the Paper Analyzer for OrbitOS.

目标

对特定论文进行深度分析，生成全面笔记，评估质量和价值，并更新知识库。

工作流程

实现脚本

步骤0：初始化环境

# 创建工作目录
mkdir -p /tmp/paper_analysis
cd /tmp/paper_analysis

# 设置变量（从环境变量 OBSIDIAN_VAULT_PATH 读取，或让用户指定）
PAPER_ID="[PAPER_ID]"
VAULT_ROOT="${OBSIDIAN_VAULT_PATH}"
PAPERS_DIR="${VAULT_ROOT}/20_Research/Papers"

步骤1：识别论文

1.1 解析论文标识符

接受输入格式：

• arXiv ID："2402.12345"
• 完整ID："arXiv:2402.12345"
• 论文标题："论文标题"
• 文件路径：直接路径到现有笔记

1.2 检查现有笔记

1. 搜索已有笔记

- 按arXiv ID在20_Research/Papers/目录中搜索 - 按标题匹配 - 如果找到，读取该笔记

1. 读取论文笔记

- 如果找到，返回完整内容

步骤2：获取论文内容

2.1 下载PDF并提取源码

# 下载PDF
curl -L "https://arxiv.org/pdf/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].pdf

# 下载源码包（包含TeX和图片）
curl -L "https://arxiv.org/e-print/[PAPER_ID]" -o /tmp/paper_analysis/[PAPER_ID].tar.gz
tar -xzf /tmp/paper_analysis/[PAPER_ID].tar.gz -C /tmp/paper_analysis/

2.2 提取论文元数据

# 使用curl获取arXiv页面
curl -s "https://arxiv.org/abs/[PAPER_ID]" > /tmp/paper_analysis/arxiv_page.html

# 提取关键信息（使用通用正则，适用于任何论文）
TITLE=$(grep -oP '<title>\K[^<]*' /tmp/paper_analysis/arxiv_page.html | head -1)
AUTHORS=$(grep -oP 'citation_author" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | paste -sd ', ')
DATE=$(grep -oP 'citation_date" content="\K[^"]*' /tmp/paper_analysis/arxiv_page.html | head -1)

2.3 读取TeX源码内容

# 读取各章节内容
cat /tmp/paper_analysis/1-introduction.tex > /tmp/paper_analysis/intro.txt
cat /tmp/paper_analysis/2-joint-optimization.tex > /tmp/paper_analysis/methods.txt
cat /tmp/paper_analysis/3-agent-swarm.tex > /tmp/paper_analysis/agent_swarm.txt
cat /tmp/paper_analysis/5-eval.tex > /tmp/paper_analysis/eval.txt

步骤2.1 从arXiv获取

1. 获取论文元数据

- 使用WebFetch访问arXiv API - 查询参数：id_list=[arXiv ID] - 提取：标题、作者、摘要、发布日期、类别、链接、PDF链接

1. 获取PDF内容和图片

- 使用WebFetch获取PDF - 重要：提取论文中的所有图片 - 保存图片到20_Research/Papers/[领域]/[论文标题]/images/ - 生成图片索引：images/index.md

2.2 从Hugging Face获取（如果适用）

1. 获取论文详情

- 使用WebFetch访问Hugging Face - 提取：标题、作者、摘要、标签、点赞、下载

步骤3：执行深度分析

3.1 分析摘要

1. 提取关键概念

- 识别主要研究问题 - 列出关键术语和概念 - 注明技术领域

1. 总结研究目标

- 要解决的问题是什么？ - 提出的解决方案方法是什么？ - 主要贡献是什么？

1. 生成中文翻译

- 将英文摘要翻译成流畅的中文 - 使用适当的技术术语

3.2 分析方法论

1. 识别核心方法

- 主要算法或方法 - 技术创新点 - 与现有方法的区别

1. 分析方法结构

- 方法组件及其关系 - 数据流或处理流水线 - 关键参数或配置

1. 评估方法新颖性

- 这个方法有什么独特之处？ - 与现有方法相比如何？ - 有什么关键创新？

3.3 分析实验

1. 提取实验设置

- 使用的数据集 - 对比基线方法 - 评估指标 - 实验环境

1. 提取结果

- 关键性能数字 - 与基线的对比 - 消融研究（如果有）

1. 评估实验严谨性

- 实验是否全面？ - 评估是否公平？ - 基线是否合适？

3.4 生成洞察

1. 研究价值

- 理论贡献 - 实际应用 - 领域影响

1. 局限性

- 论文中提到的局限性 - 潜在弱点 - 有什么假设可能不成立？

1. 未来工作

- 作者建议的后续研究 - 有什么自然的扩展？ - 有什么改进空间？

1. 与相关工作对比

- 搜索相关历史论文 - 与相似论文相比如何？ - 补充了什么空白？ - 属于哪个研究路线

3.5 公式输出规范（Markdown LaTeX）

1. 统一格式

- 行内公式使用 $...$ - 块级公式使用 $$...$$ 并单独成行

1. 避免不可渲染写法

- 不要用三反引号代码块包裹需要渲染的公式 - 不要使用纯文本伪公式替代 LaTeX

1. 推荐写法

- 行内示例：模型目标是最小化 $L(\theta)$ - 块级示例： $$\theta^* = \arg\min_\theta L(\theta)$$

1. 复杂公式

- 多行或推导型公式统一使用块级 $$...$$ - 保持符号与原论文一致，避免自行改写符号语义

步骤3：复制图片并生成索引

# 复制figures目录到目标位置
cp /tmp/paper_analysis/*.{pdf,png,jpg,jpeg} "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/" 2>/dev/null

# 列出复制的内容
ls "PAPERS_DIR/[DOMAIN]/[PAPER_TITLE]/images/"

步骤4：生成综合论文笔记

4.1 确定笔记路径和领域

# 根据论文内容确定领域（智能体/大模型/多模态技术/强化学习_LLM_Agent等）
# 推断规则：
# - 如果提到"agent/swarm/multi-agent/orchestration" → 智能体
# - 如果提到"vision/visual/image/video" → 多模态技术
# - 如果提到"reinforcement learning/RL" → 强化学习_LLM_Agent
# - 如果提到"language model/LLM/MoE" → 大模型
# - 否则 → 其他

PAPERS_DIR="${VAULT_ROOT}/20_Research/Papers"
DOMAIN="[推断的领域]"
PAPER_TITLE="[论文标题，空格替换为下划线]"
NOTE_PATH="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}.md"
IMAGES_DIR="${PAPERS_DIR}/${DOMAIN}/${PAPER_TITLE}/images"
INDEX_PATH="${IMAGES_DIR}/index.md"

4.2 使用Python生成笔记（正确处理Obsidian格式）

# 调用外部脚本生成笔记
python "scripts/generate_note.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --authors "[作者]" --domain "[领域]" --language "$LANGUAGE"

4.3 使用obsidian-markdown skill生成最终笔记

当分析完成后，调用obsidian-markdown skill来确保格式正确，然后手动补充详细内容。

步骤5：更新知识图谱

5.1 读取现有图谱

GRAPH_PATH="${PAPERS_DIR}/../PaperGraph/graph_data.json"
cat "$GRAPH_PATH" 2>/dev/null || echo "{}"

5.2 生成图谱节点和边

# 调用外部脚本更新知识图谱
python "scripts/update_graph.py" --paper-id "[PAPER_ID]" --title "[论文标题]" --domain "[领域]" --score [评分] --language "$LANGUAGE"

步骤4：生成综合论文笔记

4.1 笔记结构

---
date: "YYYY-MM-DD"
paper_id: "arXiv:XXXX.XXXXX"
title: "论文标题"
authors: "作者列表"
domain: "[领域名称]"
tags:
  - 论文笔记
  - [领域标签]
  - [方法标签-无空格]  # 标签名不能有空格，空格替换为-

# ⚠️ 标签名格式规则
# Obsidian的tag名称不能包含空格，如有空格需用短横线(-)连接
# 例如：
#   "Agent Swarm" → "Agent-Swarm"
#   "Visual Agentic" → "Visual-Agentic"
#   "MoonViT-3D" → "MoonViT-Three-D"
#
# Python脚本(scripts/generate_note.py)会自动处理标签名中的空格
# 将所有tag.replace(' ', '-')移除空格
  - [相关论文1]    ← 在tags中添加相关论文
  - [相关论文2]    ← 在tags中添加相关论文
quality_score: "[X.X]/10"
created: "YYYY-MM-DD"
updated: "YYYY-MM-DD"
status: analyzed
---

# [论文标题]

## 核心信息
- **论文ID**：arXiv:XXXX.XXXXX
- **作者**：[作者1, 作者2, 作者3]
- **机构**：[从作者推断或查看论文]
- **发布时间**：YYYY-MM-DD
- **会议/期刊**：[从categories推断]
- **链接**：[arXiv](链接) | [PDF](链接)
- **引用**：[如果可获取]

## 摘要翻译

### 英文摘要
[论文的英文摘要原文]

### 中文翻译
[将英文摘要翻译成流畅的中文，保持学术术语的准确性]

### 核心要点提炼
- **研究背景**：[该研究领域的现状和存在的问题]
- **研究动机**：[为什么要做这项研究]
- **核心方法**：[一句话概括主要方法]
- **主要结果**：[最重要的实验结果]
- **研究意义**：[该研究对领域的贡献]

## 研究背景与动机

### 领域现状
[详细描述该研究领域当前的发展状况]

### 现有方法的局限性
[深入分析现有方法存在的问题：]

### 研究动机
[解释为什么需要这项研究：]

## 研究问题

### 核心研究问题
[清晰、准确地描述论文要解决的核心问题]

## 方法概述

### 核心思想
[用通俗易懂的语言解释方法的核心思想，让非专业人士也能理解]

### 方法框架

#### 整体架构
[描述方法的整体架构，包括主要组件和它们之间的关系]

**架构图选择原则**：
1. **优先使用论文中的现成图** - 如果论文PDF中有架构图/流程图/方法图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有合适的架构图时，才用JSON Canvas自行绘制

**方式1：插入论文中的图（优先）**

![[pageX_figY.pdf|800]]

图1：[架构描述，包括图中各个部分的含义和它们之间的关系]

**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）

**方式2：创建Canvas架构图（论文无图时使用）**
调用 `json-canvas` skill 创建 `.canvas` 文件，然后嵌入：

![[论文标题_Architecture.canvas|1200|400]]

Canvas 创建步骤：
1. 调用 `json-canvas` skill
2. 使用 `--create --file "路径/架构图.canvas"` 参数
3. 创建节点和连接，使用不同颜色区分层级
4. 保存后在markdown中嵌入引用

**文本图表示例**（当无法插入图片或创建Canvas时的最后备选）：

输入 → [模块1] → [模块2] → [模块3] → 输出 ↓ ↓ ↓ [子模块] [子模块] [子模块]

#### 各模块详细说明

**模块1：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
  1. [步骤1详细描述]
  2. [步骤2详细描述]
  3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]
- **数学公式**：[如果有重要的数学公式]
   行内示例：损失函数为 $L(\theta)$。
   块级示例：
   $$\theta^* = \arg\min_\theta L(\theta)$$

**模块2：[模块名称]**
- **功能**：[该模块的主要功能]
- **输入**：[输入数据/信息]
- **输出**：[输出数据/信息]
- **处理流程**：
  1. [步骤1详细描述]
  2. [步骤2详细描述]
  3. [步骤3详细描述]
- **关键技术**：[使用的关键技术或算法]

**模块3：[模块名称]**
[类似格式]

### 方法架构图
[选择最适合的方式展示架构]

**选择原则**：
1. **优先使用论文中的架构图** - 如果论文中有合适的方法架构图、流程图或系统图，直接插入
2. **仅在无图时创建Canvas** - 当论文没有相关架构图时，才用JSON Canvas自行绘制

**方式1：插入论文中的图（优先）**

![[pageX_figY.pdf|800]]

图1：[架构描述，包括图中各个部分的含义和它们之间的关系]

**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）

**方式2：创建Canvas架构图（论文无图时使用）**

![[论文标题_Architecture.canvas|1200|400]]

调用`json-canvas` skill创建，支持：
- 彩色节点（颜色1-6或自定义hex）
- 带标签的箭头连接
- 节点分组和层级结构
- Markdown文本渲染

**注意**：Canvas只作为补充手段，不要替换论文中原有的架构图。论文中的图通常更准确、更权威。

## 实验结果

### 实验目标
[本实验要验证什么]

### 数据集

#### 数据集统计

| 数据集 | 样本数 | 特征维度 | 类别数 | 数据类型 |
|--------|--------|----------|--------|----------|
| 数据集1 | X万 | Y维 | Z类 | [类型] |
| 数据集2 | X万 | Y维 | Z类 | [类型] |

### 实验设置

#### 基线方法
[列出所有对比的基线方法，并简要说明]

#### 评估指标
[列出所有评估指标，并解释每个指标的含义]

#### 实验环境

#### 超参数设置

### 主要结果

#### 主实验结果

| 方法 | 数据集1-指标1 | 数据集1-指标2 | 数据集2-指标1 | 数据集2-指标2 | 平均排名 |
|------|---------------|---------------|---------------|---------------|----------|
| 基线1 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线2 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| 基线3 | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | X.X±Y.Y | N |
| **本文方法** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **X.X±Y.Y** | **N** |

> 注：±后的数字表示标准差，**粗体**表示最优结果

#### 结果分析
[对主实验结果的详细分析]

### 消融实验

#### 实验设计
[消融实验的设计思路]

#### 消融结果和分析

### 实验结果图
[插入论文中的实验结果图]

![[experiment_results.pdf|800]]

> 图2：[图描述]
**注意**：图片文件名必须与实际文件名匹配（从arXiv提取的图片通常是`.pdf`格式）

## 深度分析

### 研究价值评估

#### 理论贡献
- **贡献1**：[详细描述理论贡献]
  - 创新点：[手动分步执行（用于调试）

#### 步骤0：初始化环境

创建工作目录

mkdir -p /tmp/paper_analysis cd /tmp/paper_analysis

#### 步骤1：识别论文

搜索已有笔记

find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f

#### 步骤2：获取论文内容

下载PDF和源码（见步骤2.1、2.2、2.3）

或者从已有数据读取

cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex

#### 步骤3：复制图片

使用extract-paper-images skill

/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"

#### 步骤4：生成笔记

使用外部脚本生成笔记

python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"

#### 步骤5：更新图谱

使用外部脚本更新知识图谱

python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8 --language "$LANGUAGE"

#### 步骤6：使用obsidian-markdown skill修复格式

分析完成后，调用`/obsidian-markdown`来确保frontmatter格式正确，然后手动补充详细内容。

### 完整工作流程示例

**场景1：分析arXiv论文（有网络访问）**

一键执行

bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"

**场景2：分析本地PDF（无网络访问）**

手动上传PDF

cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf

执行分析（跳过步骤2的下载）

python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf

### 新理论/新方法/新视角]

- 学术价值：[对学术界的价值]
- 影响范围：[影响的研究领域]
- **贡献2**：[详细描述理论贡献] [类似格式]

#### 实际应用价值

- **应用场景1**：[应用场景描述]
  - 适用性：[该方法在该场景的适用性]
  - 优势：[相比现有方案的优势]
  - 潜在影响：[可能带来的影响]
- **应用场景2**：[应用场景描述] [类似格式]

#### 领域影响

- **短期影响**：[近期可能产生的影响]
- **中期影响**：[中期可能产生的影响]
- **长期影响**：[长期可能产生的影响]
- **潜在变革**：[可能带来的范式变革]

### 方法优势详解

#### 优势1：[优势名称]

- **描述**：[详细描述该优势]
- **技术基础**：[该优势的技术基础]
- **实验验证**：[实验如何验证该优势]
- **对比分析**：[与现有方法相比的优势程度]

#### 优势2：[优势名称]

[类似格式]

#### 优势3：[优势名称]

[类似格式]

### 局限性分析

#### 局限1：[局限名称]

- **描述**：[详细描述该局限性]
- **表现**：[在实际中的表现]
- **原因**：[产生该局限的根本原因]
- **影响**：[对实际应用的影响]
- **可能的解决方案**：[如何缓解或解决]

#### 局限2：[局限名称]

[类似格式]

#### 局限3：[局限名称]

[类似格式]

### 适用性与场景分析

#### 适用场景

- **场景1**：[场景描述]
  - 适用原因：[为什么适用]
  - 预期效果：[预期能达到的效果]
  - 注意事项：[使用时需要注意什么]
- **场景2**：[场景描述] [类似格式]

#### 不适用场景

- **场景1**：[场景描述]
  - 不适用原因：[为什么不适用]
  - 替代方案：[建议使用什么替代方案]
- **场景2**：[场景描述] [类似格式]

## 与相关论文对比

### 对比论文选择依据

[为什么选择这些论文进行对比]

### [[相关论文1]] - [论文标题]

#### 基本信息

- **作者**：[作者]
- **发表时间**：[时间]
- **会议/期刊**：[venue]
- **核心方法**：[一句话概括]

#### 方法对比

| 对比维度 | 相关论文1 | 本文方法 |
| --- | --- | --- |
| 核心思想 | [描述] | [描述] |
| 技术路线 | [描述] | [描述] |
| 关键组件 | [描述] | [描述] |
| 创新程度 | [描述] | [描述] |

#### 性能对比

| 数据集 | 指标 | 相关论文1 | 本文方法 | 提升幅度 |
| --- | --- | --- | --- | --- |
| 数据集1 | 指标1 | X.X | Y.Y | +Z.Z% |
| 数据集2 | 指标2 | X.X | Y.Y | +Z.Z% |

#### 关系分析

- **关系类型**：[改进/扩展/对比/跟随]
- **本文改进**：[相比该论文的改进点]
- **优势**：[本文方法的优势]
- **劣势**：[本文方法的劣势]
- **互补性**：[两种方法是否互补]

### [[相关论文2]] - [论文标题]

[类似格式]

### [[相关论文3]] - [论文标题]

[类似格式]

### 对比总结

[对所有对比论文的总结]

## 技术路线定位

### 所属技术路线

本文属于[技术路线名称]，该技术路线的核心特点是：

- 特点1：[描述]
- 特点2：[描述]
- 特点3：[描述]

### 技术路线发展历程

[里程碑1] → [里程碑2] → [里程碑3] → [本文工作] → [未来方向] ↑ ↑ ↑ ↑ [论文A] [论文B] [论文C] [本文]

### 本文在技术路线中的位置

- **承上**：[继承了哪些前期工作]
- **启下**：[为后续工作提供了什么基础]
- **关键节点**：[为什么是技术路线中的关键节点]

### 具体子方向

本文主要关注[具体子方向]，该子方向的研究重点是：

- 重点1：[描述]
- 重点2：[描述]

### 相关工作图谱

[用文本或图形表示与相关工作的关系]

## 未来工作建议

### 作者建议的未来工作

1. **建议1**：[作者的建议]
  - 可行性：[是否可行]
  - 价值：[潜在价值]
  - 难度：[实现难度]
2. **建议2**：[作者的建议] [类似格式]

### 基于分析的未来方向

1. **方向1**：[方向描述]
  - 动机：[为什么这个方向值得研究]
  - 可能的方法：[可能的研究方法]
  - 预期成果：[可能取得的成果]
  - 挑战：[面临的挑战]
2. **方向2**：[方向描述] [类似格式]
3. **方向3**：[方向描述] [类似格式]

### 改进建议

[对本文方法的具体改进建议]

1. **改进1**：[改进描述]
  - 当前问题：[存在的问题]
  - 改进方案：[如何改进]
  - 预期效果：[预期能达到的效果]
2. **改进2**：[改进描述] [类似格式]

## 我的综合评价

### 价值评分

#### 总体评分

**[X.X]/10** - [评分理由简述]

#### 分项评分

| 评分维度 | 分数 | 评分理由 |
| --- | --- | --- |
| 创新性 | [X]/10 | [详细理由] |
| 技术质量 | [X]/10 | [详细理由] |
| 实验充分性 | [X]/10 | [详细理由] |
| 写作质量 | [X]/10 | [详细理由] |
| 实用性 | [X]/10 | [详细理由] |

### 重点关注

#### 值得关注的技术点

#### 需要深入理解的部分

## 我的笔记

%% 用户可以在这里添加个人阅读笔记 %%

## 相关论文

### 直接相关

- [[相关论文1]] - [关系描述：改进/扩展/对比等]
- [[相关论文2]] - [关系描述]

### 背景相关

- [[背景论文1]] - [关系描述]
- [[背景论文2]] - [关系描述]

### 后续工作

- [[后续论文1]] - [关系描述]
- [[后续论文2]] - [关系描述]

## 外部资源

[可列举一些相关的视频、博客、项目等的链接]

> [!tip] 关键启示 [论文最重要的启示，用一句话总结核心思想]

> [!warning] 注意事项
>
> - [注意事项1]
> - [注意事项2]
> - [注意事项3]

> [!success] 推荐指数 ⭐⭐⭐⭐⭐ [推荐指数和简要理由，如：强烈推荐阅读！这是XX领域的里程碑论文]

步骤5：更新知识图谱

5.1 添加或更新节点

1. 读取图谱数据

- 文件路径：$OBSIDIAN_VAULT_PATH/20_Research/PaperGraph/graph_data.json

1. 添加或更新该论文的节点

- 包含分析元数据： - quality_score - tags - domain - analyzed: true

1. 创建到相关论文的边

- 对每篇相关论文，创建边 - 边类型： - improves：改进关系 - related：一般关系 - 权重：基于相似度（0.3-0.8）

1. 更新时间戳

- 设置last_updated为当前日期

1. 保存图谱

- 写入更新的graph_data.json

步骤6：展示分析摘要

6.1 输出格式

## 论文分析完成！

**论文**：[[论文标题]] (arXiv:XXXX.XXXXX)

**分析状态**：✅ 已生成详细笔记
**笔记位置**：[[20_Research/Papers/领域/YYYY-MM-DD-arXiv-ID.md]]

---

**综合评分**：[X.X/10]

**分项评分**：
- 创新性：[X/10]
- 技术质量：[X/10]
- 实验充分性：[X/10]
- 写作质量：[X/10]
- 实用性：[X/10]

**突出亮点**：
- [亮点1]
- [亮点2]
- [亮点3]

**主要优势**：
- [优势1]
- [优势2]

**主要局限**：
- [局限1]
- [局限2]

**相关论文**（N篇）：
- [[相关论文1]] - [关系]
- [[相关论文2]] - [关系]
- [[相关论文3]] - [关系]

**技术路线**：
本文属于[技术路线]，主要关注[子方向]。

---

**快速操作**：
- 点击笔记链接查看详细分析
- 使用`/paper-search`搜索更多相关论文
- 打开Graph View查看论文关系
- 根据分析决定深入研究或跳过

**建议**：
- [基于分析的具体建议1]
- [基于分析的具体建议2]

重要规则

• 保留用户现有笔记 - 不要覆盖手动笔记
• 使用全面分析 - 涵盖方法论、实验、价值评估
• 根据 $LANGUAGE 设置选择语言 - "en" 用英文写笔记，"zh" 用中文写笔记（section headers、content 都要匹配）
• 引用相关工作 - 建立连接到现有知识库
• 客观评分 - 使用一致的评分标准
• 更新知识图谱 - 维护论文间关系
• 图文并茂 - 论文中的所有图都要用上（核心架构图、方法图、实验结果图等）
• 优雅处理错误 - 如果一个源失败则继续
• 管理token使用 - 全面但不超出token限制

Obsidian 格式规则（必须遵守！）

1. 图片嵌入：必须使用 ![[filename.png|800]]，禁止使用 ![alt](path%20encoded)

- Obsidian 不支持 URL 编码路径（%20, %26 等不工作） - Obsidian 会自动在 vault 中搜索文件名，无需写完整路径

1. Wikilink 必须用 display alias：[[File_Name|Display Title]]，禁止 bare [[File_Name]]

- 下划线文件名直接显示会很丑

1. 不要用 --- 作为"无数据"占位符：使用 -- 代替（--- 会被 Obsidian 解析为分隔线）
2. 机构/Affiliation 提取：从 arXiv 源码包的 .tex 文件提取 \author/\affiliation 字段；若不可用，标 --

双语 Section Headers 对照表

根据 $LANGUAGE 设置选择对应语言的 section header：

分析标准

评分细则（0-10分制）

创新性：

• 9-10分：新颖突破、新范式
• 7-8分：显著改进或组合
• 5-6分：次要贡献、已知或已确立
• 3-4分：增量改进
• 1-2分：已知或已确立

技术质量：

• 9-10分：严谨的方法论、合理的方法
• 7-8分：良好的方法、次要问题
• 5-6分：可接受的方法、有问题的方法
• 3-4分：有问题的方法、差的方法
• 1-2分：差的方法

实验充分性：

• 9-10分：全面的实验、强基线
• 7-8分：良好的实验、充分的基线
• 5-6分：可接受的实验、部分基线
• 3-4分：有限的实验、差基线
• 1-2分：差的实验或没有基线

写作质量：

• 9-10分：清晰、组织良好
• 7-8分：总体清晰、次要问题
• 5-6分：可理解、部分不清晰
• 3-4分：难以理解、混乱
• 1-2分：差写作

实用性：

• 9-10分：高实用影响、可直接应用
• 7-8分：良好实用潜力
• 5-6分：中等实用价值
• 3-4分：有限实用性、理论性仅
• 1-2分：低实用性、理论性仅

关系类型定义

• improves：对相关工作的明显改进
• extends：扩展或建立在相关工作之上
• compares：直接对比，可能更好/更差在什么方面
• follows：同一研究路线的后续工作
• cites：引用（如果有引用数据可用）
• related：一般概念关系

## 错误处理

- **论文未找到**：检查ID格式，建议搜索
- **arXiv掉线**：使用缓存或稍后重试，在输出中注明局限性
- **PDF解析失败**：回退到摘要，注明局限性
- **相关论文未找到**：说明缺乏上下文
- **图谱更新失败**：继续但不更新图谱

## 使用说明

当用户调用 `/paper-analyze [论文ID]` 时：

### 快速执行（推荐）

使用以下bash脚本一键执行完整流程：

#!/bin/bash

变量设置

PAPER_ID="$1" TITLE="${2:-待定标题}" AUTHORS="${3:-Kimi Team}" DOMAIN="${4:-其他}"

执行完整流程

python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE" --language "$LANGUAGE" || \ echo "笔记生成脚本执行失败"

提取图片

调用 extract-paper-images skill

/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE" || \

echo "图片提取失败"

### 手动分步执行（用于调试）

#### 步骤0：初始化环境

创建工作目录

mkdir -p /tmp/paper_analysis cd /tmp/paper_analysis

#### 步骤1：识别论文

搜索已有笔记

find "${VAULT_ROOT}/20_Research/Papers" -name "*${PAPER_ID}*" -type f

#### 步骤2：获取论文内容

下载PDF和源码（见步骤2.1、2.2、2.3）

或者从已有数据读取

cat /tmp/paper_analysis/{1-introduction,2-joint-optimization,3-agent-swarm,5-eval}.tex

#### 步骤3：复制图片

使用extract-paper-images skill

/extract-paper-images "$PAPER_ID" "$DOMAIN" "$TITLE"

#### 步骤4：生成笔记

使用外部脚本生成笔记

python "scripts/generate_note.py" --paper-id "$PAPER_ID" --title "$TITLE" --authors "$AUTHORS" --domain "$DOMAIN" --language "$LANGUAGE"

#### 步骤5：更新图谱

使用外部脚本更新知识图谱

python "scripts/update_graph.py" --paper-id "$PAPER_ID" --title "$TITLE" --domain "$DOMAIN" --score 8.8 --language "$LANGUAGE"

#### 步骤6：使用obsidian-markdown skill修复格式

分析完成后，调用`/obsidian-markdown`来确保frontmatter格式正确，然后手动补充详细内容。

### 完整工作流程示例

**场景1：分析arXiv论文（有网络访问）**

一键执行

bash run_full_analysis.sh 2602.02276 "Kimi K2.5: Visual Agentic Intelligence" "Kimi Team" "智能体"

**场景2：分析本地PDF（无网络访问）**

手动上传PDF

cp /path/to/local.pdf /tmp/paper_analysis/[ID].pdf

执行分析（跳过步骤2的下载）

python3 run_paper_analysis.py [ID] [TITLE] [AUTHORS] [DOMAIN] --local-pdf /tmp/paper_analysis/[ID].pdf

### 注意事项

1. **frontmatter格式（重要）**：所有字符串值必须用双引号包围 `--- date: "YYYY-MM-DD" paper_id: "arXiv:XXXX.XXXXX" title: "论文标题" authors: "作者列表" domain: "[领域名称]" quality_score: "[X.X]/10" created: "YYYY-MM-DD" updated: "YYYY-MM-DD" status: analyzed ---` **Obsidian对YAML格式要求严格，缺少引号会导致frontmatter无法正常显示！**
2. **图片嵌入**：**必须使用 Obsidian wikilink 语法** `![[filename.png|800]]`
  - **禁止使用** `![alt](path%20encoded)` — URL 编码在 Obsidian 中不工作
  - Obsidian 会自动搜索 vault 中的文件名，无需写完整路径
  - 从arXiv提取的图片可能是 `.pdf` 或 `.png` 格式
3. **wikilinks**：必须使用 display alias `[[File_Name|Display Title]]`，禁止 bare `[[File_Name]]`
4. **领域推断**：根据论文内容自动推断
5. **相关论文**：在笔记中引用 `[[path/to/note|Paper Title]]`