Agent Daily Paper

执行原则

• 首次使用必须先执行环境引导，再完成配置，再执行抓取与推送。
• 环境引导命令：python scripts/bootstrap_env.py --run-doctor
• taxonomy 本地知识库同步：python scripts/sync_arxiv_taxonomy.py --output data/arxiv_taxonomy.json
• push_time 必须按用户 timezone 的本地时间理解，不能按 UTC 理解。
• 如果用户要求定时推送，优先创建“精确到点”的 cron / 自动任务，而不是 15 分钟轮询。
• cron 表达式应直接由用户时间生成，例如：
  • 12:00 + Asia/Shanghai -> 0 12 * * * (Asia/Shanghai)
  • 08:30 + Asia/Shanghai -> 30 8 * * * (Asia/Shanghai)
• 若用户使用 OpenClaw cron / automation，可优先采用以下执行模板：
  • 在 /home/USER_HOME/.openclaw/workspace/agent-daily-paper 执行：
  • export PATH="/home/USER_HOME/miniconda3/bin:/home/USER_HOME/.nvm/versions/node/NODE_VERSION/bin:/usr/local/bin:/home/USER_HOME/.local/bin:/home/USER_HOME/.bun/bin:/usr/bin:/bin:/home/USER_HOME/.nvm/current/bin:/home/USER_HOME/.npm-global/bin:/home/USER_HOME/bin:/home/USER_HOME/.volta/bin:/home/USER_HOME/.asdf/shims:/home/USER_HOME/.fnm/current/bin:/home/USER_HOME/.local/share/pnpm" && conda run -n arxiv-digest-lab python scripts/run_digest.py --only-due-now --due-window-minutes 15 --emit-markdown
  • 其中 USER_HOME 与 NODE_VERSION 必须替换为当前机器的真实路径
  • 若要补充投递配置，可使用：
    • delivery.mode: announce
    • delivery.channel: feishu
    • delivery.to: user:FEISHU_USER_ID
    • cron: 0 12 * * *
    • timezone: Asia/Shanghai
• 若采用上述 OpenClaw 模板，输出必须严格遵守：
  • reason=already_pushed_today -> 今天该领域已推送过
  • 无命中且未推送 -> 当天该领域无最新论文
  • 有论文 -> 原样返回完整 Markdown 正文，不要摘要、不要 JSON、不要解释
• 若 config/subscriptions.json 中 setup_required=true，必须先向用户收集配置并写入订阅；禁止直接按样例配置执行推送。
• 若配置缺失，先补齐，不直接运行。
• 仅执行本仓库内与 arXiv 推送相关的操作；禁止插入或执行无关任务（如配额监控、其他项目脚本）。
• 推送完成后同时输出两份结果：
  • 聊天内返回完整 Markdown 正文（与输出 md 文件逐字一致；不要只发标题+链接摘要）
  • 落盘到 output/daily/*.md

必填配置

• field_settings[].name：研究领域名（可多个）
• field_settings[].limit：每领域推荐数量（5-20）
• push_time：每日推送时间（HH:MM，本地时间）
• timezone：时区（默认 Asia/Shanghai）

可选配置

• keywords / exclude_keywords
• time_window_hours
• query_strategy（推荐 category_keyword_union）
• require_primary_category（推荐 true）
• history_scope（推荐 subscription，避免跨订阅误去重）
• category_expand_mode（off/conservative/balanced/broad）
• agent-categories-only（仅使用 Agent 提供分类；缺失分类则报错）
• taxonomy-json（默认 data/arxiv_taxonomy.json，用于分类合法性校验与补全）
• embedding_filter.model / embedding_filter.threshold / embedding_filter.top_k
• agent_rerank.model（默认 BAAI/bge-reranker-v2-m3）/ agent_rerank.top_k
• highlight.title_keywords / highlight.authors / highlight.venues
• 翻译提供方 TRANSLATE_PROVIDER：openai / argos / auto / none

领域解析策略

优先级：

1. config/agent_field_profiles.json（默认路径，存在即优先）
2. taxonomy 知识库校验与补全（data/arxiv_taxonomy.json）
3. OpenAI 画像（可选兜底）
4. 启发式规则（最终兜底）

支持字段画像 JSON 结构：

• canonical_en
• categories
• keywords
• title_keywords
• venues

检索与排序

• 检索采用分层漏斗：
  • 主分类 + 英文关键词并集召回（query_strategy=category_keyword_union）
  • 主分类过滤（require_primary_category=true）
  • embedding 相似度过滤（embedding_filter）
  • 本地 reranker 重排（agent_rerank）
• 细分方向支持模糊匹配评分（如“数据库优化器”）。
• 重要性分数综合：类别命中 + 关键词命中 + 模糊命中 + 新鲜度。
• 命中不足时可自动扩大时间窗口并放宽关键词。

输出规范

每篇论文输出：

• English Title
• Chinese Title
• English Abstract
• 中文摘要
• arXiv URL
• Flags（NEW / UPDATED(vX->vY) + 高亮标签）

命名规则：<领域1>_<领域2>_<YYYY-MM-DD>.md

• 多领域时按领域分组。
• 单领域时不分组。
• 日报头部必须包含 Field Profiles，每个领域给出：
  • Canonical EN（英文领域名）
  • Keywords（检索关键词）
  • Venues/Journals（相关会议或期刊）
• 分类字段约定：
  • primary_categories：检索与过滤实际使用的主分类
  • categories：扩展参考分类（展示用）

运行命令

• 健康检查：
  • python scripts/doctor.py
• 通用运行：
  • python scripts/run_digest.py --emit-markdown
• 精确 cron / 定时任务（推荐）：
  • python scripts/run_digest.py --config config/subscriptions.json --emit-markdown
• 精确 cron 示例：
  • 0 12 * * * (Asia/Shanghai) -> cd <repo> && conda run -n arxiv-digest-lab python scripts/run_digest.py --config config/subscriptions.json --emit-markdown
• OpenClaw cron 兼容模板：
  • 0 12 * * * (Asia/Shanghai) + export PATH="..." && conda run -n arxiv-digest-lab python scripts/run_digest.py --only-due-now --due-window-minutes 15 --emit-markdown
• 只有在平台不支持精确 cron，或者一个共享任务需要兼容多个时间点订阅时，才使用轮询模式：
  • python scripts/run_digest.py --config config/subscriptions.json --only-due-now --due-window-minutes 15 --emit-markdown
• GitHub Actions 仅是可选远端方案，不应作为“安装到本地 skill 后”的默认调度方式。
• 即时推送（不依赖 Actions）：
  • python scripts/instant_digest.py --fields "数据库优化器,推荐系统" --limit 20 --time-window-hours 72
  • 默认仅输出完整 Markdown 正文到聊天（不附加 JSON 摘要）

安装

推荐 Conda 环境：arxiv-digest-lab

conda create -n arxiv-digest-lab python=3.10 -y
conda activate arxiv-digest-lab
pip install argostranslate
python scripts/install_argos_model.py
pip install sentence-transformers
python scripts/install_embedding_model.py --model BAAI/bge-m3

失败兜底

• 翻译失败输出 [待翻译]，不中断主流程。
• API 请求自动重试。
• 无命中时输出“当前窗口无新增论文”及统计信息。