📚 每日 AI 论文速递
每天自动从 arXiv 和 HuggingFace 抓取最新 AI 论文，格式化后推送到你的聊天应用（飞书、Slack、Discord 等）。
工具（Tools）
fetch_daily_papers
获取今日最新论文速递。
用法：
python3 main.py
参数：
- 无（自动读取
config/sources.json中的配置）
返回：
- 格式化的论文列表，包含标题、作者、摘要、链接
search_arxiv_papers
搜索特定主题的 arXiv 论文。
用法：
python3 arxiv_fetcher.py
参数（在代码中修改）：
query：搜索关键词，如 "large language model"max_results：最大返回数量（默认 5）
返回：
- 匹配的论文列表
fetch_huggingface_papers
获取 HuggingFace 每日热门论文。
用法：
python3 huggingface_fetcher.py
参数：
- 无（直接爬取
https://huggingface.co/papers）
返回：
- 热门论文列表，含点赞数
配置
编辑 config/sources.json 来自定义信息源和过滤规则：
{
"sources": [
{
"name": "arxiv",
"enabled": true,
"categories": ["cs.AI", "cs.CL", "cs.CV", "cs.LG"],
"max_results": 10
},
{
"name": "huggingface",
"enabled": true,
"max_results": 10
}
],
"filter": {
"keywords": ["LLM", "transformer"],
"exclude_keywords": []
}
}
arXiv 常用分类
| 代码 | 含义 |
|---|---|
cs.AI | 人工智能 |
cs.CL | 计算语言学/NLP |
cs.CV | 计算机视觉 |
cs.LG | 机器学习 |
cs.NE | 神经网络 |
cs.RO | 机器人 |
stat.ML | 统计机器学习 |
安装与使用
1. 安装依赖
pip3 install -r requirements.txt
2. 运行测试
python3 test.py
3. 获取今日论文
python3 main.py
4. 定时自动运行（配合 OpenClaw 调度器）
在 OpenClaw 中配置 Cron 表达式（例如每天 9:00）：
0 9 * * *
在 OpenClaw 中触发
在聊天应用中发送以下任意内容即可触发：
论文速递今日论文最新论文/papers/digest
依赖
arxiv— arXiv 官方 Python 客户端requests— HTTP 请求beautifulsoup4— HTML 解析feedparser— RSS/Atom 解析
示例输出
╔══════════════════════════════════════════════════════════╗
║ 🎓 AI 论文每日速递 - 2026年02月20日 ║
╚══════════════════════════════════════════════════════════╝
📊 今日共收录 15 篇论文
============================================================
📄 论文 1
============================================================
📌 标题: Attention Is All You Need
👥 作者: Ashish Vaswani, Noam Shazeer 等 8 人
🏷️ 来源: ARXIV | 日期: 2026-02-20
📝 摘要:
The dominant sequence transduction models are based on...
🔗 arXiv: http://arxiv.org/abs/1706.03762
📥 PDF: http://arxiv.org/pdf/1706.03762
文件结构
daily-paper-digest/
├── SKILL.md ← 本文件（ClawHub 规范）
├── main.py ← 主程序
├── arxiv_fetcher.py ← arXiv 模块
├── huggingface_fetcher.py ← HuggingFace 模块
├── requirements.txt ← Python 依赖
└── config/
├── sources.json ← 默认配置
└── sources_llm.json ← LLM 专用配置