- 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...",
"研究不足": "内容...",
"未来研究展望": "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）