Paper Reader Deep Skill - 论文深度阅读助手
功能描述
真正深度阅读PDF论文，进行理解性分析，生成具有研究价值的深度阅读报告。
核心原则
真正理解 + 结构化输出 + 用户研究关联
触发条件
用户要求深度阅读论文、生成深度阅读报告时激活。
使用方法
# 触发深度阅读
深度阅读 /path/to/pdfs/
工作流程
Step 1: 自动提取基础信息
- 提取PDF全文
- 解析元数据（标题、DOI、作者、期刊等）
- 自动提取关键数据
Step 2: 人工理解分析
- 读取PDF内容进行深度理解
- 按照分析框架进行批判性分析
- 生成真正有研究价值的分析内容
Step 3: 生成深度阅读报告
- 基础信息（自动）
- 核心理解（ai）
- 批判性分析（ai）
- 与用户研究的关联（预留用户补充）
Step 4: 保存到MEMORY.md
- 仅记录阅读行为，不记录报告内容
报告结构
第一部分：基础信息（自动提取）
- 标题、期刊、DOI、作者、日期
- 一句话概括
第二部分：核心理解（ai分析）
- 这篇论文到底在做什么？
- 为什么要做这个？（研究动机）
- 是怎么做到的？（技术路线）
- 做得怎么样？（关键数据）
- 意味着什么？（研究意义）
第三部分：批判性分析
- 优点/亮点
- 潜在问题/局限
- 未解决的关键问题
第四部分：与用户研究的关联（用户补充）
- 相关度评估：高/中/低
- 可借鉴之处
- 可能的应用场景
分析要点（给AI用）
当我分析论文时，按以下要点进行：
- 科学问题：作者真正想回答什么问题？这个问题的价值在哪里？
- 方法论：技术路线为什么这样设计？有什么优劣势？
- 逻辑链：假设→实验→结论的推理是否严密？
- 创新性：真正的新贡献是什么？与现有方法的本质区别？
- 局限性：哪些问题没有解决？改进空间在哪里？
写作风格
- 专业但易懂
- 逻辑清晰
- 重点突出
- 与用户研究方向关联
依赖
- Python 3.8+
- pdfplumber
- PyYAML
输出
- 每个PDF对应一个深度阅读报告（*_深度阅读报告.md）
- 汇总报告（深度阅读汇总.md）
- 报告保存在与PDF相同目录