Spracheinstellung / Language Setting

Dieser Skill unterstützt sowohl chinesische als auch englische Berichte. Die Sprache wird durch das Feld language in Ihrer Konfigurationsdatei bestimmt:

Chinesisch (Standard): Setzen Sie language: "zh" in der Konfiguration
Englisch: Setzen Sie language: "en" in der Konfiguration

Die Konfigurationsdatei sollte sich unter folgendem Pfad befinden: $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

Runtime / Laufzeitumgebung

Das übergeordnete Verzeichnis dieser SKILL.md wird als $SKILL_DIR verwendet.
Windows PowerShell verwendet $env:OBSIDIAN_VAULT_PATH, macOS/Linux Shell verwendet $OBSIDIAN_VAULT_PATH.
Verwenden Sie beim Ausführen von Skripten bevorzugt das aktuell verfügbare python (Windows) oder python3 (macOS/Linux); gehen Sie nicht von einem festgelegten Interpreter-Pfad aus.
Überprüfen Sie vor der ersten Ausführung, ob python -c "import yaml, requests, fitz" erfolgreich ist; installieren Sie bei fehlenden Abhängigkeiten die Abhängigkeiten aus requirements.txt des Projekts.
Wenn die Umgebungsvariable unter Windows noch nicht in den aktuellen Prozess geladen wurde, lesen Sie den Vault-Pfad aus dem Feld vault_path der Konfigurationsdatei. Fallen Sie nicht auf den Linux-Beispielpfad zurück.

Spracherkennung

Lesen Sie zu Beginn der Ausführung die Konfigurationsdatei, um die Spracheinstellung zu erkennen:

# OBSIDIAN_VAULT_PATH auflösen, falls in der aktuellen Sitzung nicht gesetzt
# Manche Agenten-gehosteten Shell-Sitzungen laden interaktive Shell-Profile nicht automatisch
if [ -z "$OBSIDIAN_VAULT_PATH" ]; then
    [ -f "$HOME/.zshrc" ] && source "$HOME/.zshrc" 2>/dev/null || true
    [ -f "$HOME/.bash_profile" ] && source "$HOME/.bash_profile" 2>/dev/null || true
fi

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

# Standardmäßig Chinesisch, falls nicht gesetzt
if [ -z "$LANGUAGE" ]; then
    LANGUAGE="zh"
fi

# Dateinamensuffix für Notizen basierend auf der Sprache setzen
if [ "$LANGUAGE" = "en" ]; then
    NOTE_SUFFIX="paper-recommendations"
else
    NOTE_SUFFIX="论文推荐"
fi

Äquivalente Konfigurationslesung für Windows PowerShell:

$configPath = Join-Path $env:OBSIDIAN_VAULT_PATH '99_System\Config\research_interests.yaml'
$LANGUAGE = (Select-String -Path $configPath -Pattern '^\s*language:' | Select-Object -First 1).Line.Split(':', 2)[1].Trim().Trim('"')
if (-not $LANGUAGE) { $LANGUAGE = 'zh' }
$NOTE_SUFFIX = if ($LANGUAGE -eq 'en') { 'paper-recommendations' } else { '论文推荐' }

Verwenden Sie diese Spracheinstellung dann während des gesamten Arbeitsablaufs:

Übergeben Sie beim Erstellen von Notizen --language $LANGUAGE an die Skripte
Verwenden Sie entsprechende Abschnittsüberschriften in den generierten Notizen

Ziel

Dem Benutzer helfen, seinen Forschungstag zu beginnen, indem hochaktuelle, extrem populäre und qualitativ hochwertige Papers aus dem letzten Monat und dem letzten Jahr gesucht und Empfehlungsnotizen generiert werden.

Arbeitsablauf

Übersicht über den Arbeitsablauf

Dieser Skill verwendet ein Python-Skript, um die arXiv-API zum Suchen von Papers aufzurufen, XML-Ergebnisse zu parsen und basierend auf den Forschungsinteressen zu filtern und zu bewerten.

Schritt 1: Kontext sammeln (still)

Aktuelles Datum ermitteln
- Bestimmen Sie das aktuelle Datum (Format YYYY-MM-DD)
Forschungskonfiguration lesen
- Lesen Sie $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml (Hinweis: Der Dateiname ist interests, nicht interest), um die Forschungsbereiche zu erhalten
- Extrahieren Sie: Schlüsselwörter, Kategorien und Prioritäten
- Nutzen Sie die Titel, Tags und Zeitschriftenverteilung aus der Zotero-Bibliothek als Interessenprofil; aktueller Schwerpunkt: seismische Datenverarbeitung, simultane Quellen und Entfaltung, Entrauschung und Rekonstruktion, Zeit-Frequenz-Analyse, Geschwindigkeitsanalyse, Wellenfeldsimulation sowie physikalisch eingeschränktes/tiefes Lernen in der Geophysik
- Priorisieren Sie GEOPHYSICS, IEEE Transactions on Geoscience and Remote Sensing, IEEE Geoscience and Remote Sensing Letters, Geophysical Journal International, Geophysical Prospecting, Interpretation und Journal of Applied Geophysics
Vorhandene Notizen scannen, um einen Index zu erstellen
- Scannen Sie alle .md-Dateien im Verzeichnis 20_Research/Papers/
- Extrahieren Sie die Notiztitel (aus Dateinamen und dem title-Feld des Frontmatters)
- Erstellen Sie eine Zuordnungstabelle von Schlüsselwörtern zu Notizpfaden für spätere automatische Verlinkungen
- Bevorzugen Sie das title-Feld aus dem Frontmatter, andernfalls den Dateinamen

Schritt 2: Nach Papers suchen

2.1 Suchumfang

Durchsuchen Sie alle relevanten Kategorien nach aktuellen Papers:

Suchumfang
- Verwenden Sie scripts/search_arxiv.py, um arXiv zu durchsuchen
- Abfrage: Alle forschungsrelevanten arXiv-Kategorien
- Sortieren nach Einreichungsdatum
- Ergebnisse begrenzen: 200 Papers
Filterstrategie
- Filtern Sie Papers basierend auf der Konfigurationsdatei der Forschungsinteressen
- Berechnen Sie eine kombinierte Bewertung
- Behalten Sie die Top-10-Papers mit der höchsten Bewertung

2.2 Suche und Filterung durchführen

Verwenden Sie das Skript scripts/search_arxiv.py, um Suche, Parsen und Filterung abzuschließen:

# Verwenden Sie das Python-Skript, um arXiv-Papers zu suchen, zu parsen und zu filtern
# Wechseln Sie zunächst in das Skill-Verzeichnis, dann führen Sie das Skript aus
cd "$SKILL_DIR"
python scripts/search_arxiv.py \
  --config "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" \
  --output arxiv_filtered.json \
  --max-results 200 \
  --top-n 10 \
  --download-dir "$OBSIDIAN_VAULT_PATH/20_Research/Papers/"

Skriptfunktionen:

arXiv durchsuchen
- Ruft die arXiv-API zum Suchen von Papers in den angegebenen Kategorien auf
- Ruft bis zu 200 aktuelle Papers ab
XML-Ergebnisse parsen
- Parst das von der API zurückgegebene XML
- Extrahiert: ID, Titel, Autoren, Zusammenfassung, Veröffentlichungsdatum, Kategorien
Filterung und Bewertung anwenden
- Filtert Papers basierend auf der Konfigurationsdatei der Forschungsinteressen
- Berechnet eine kombinierte Bewertung (Relevanz 40%, Aktualität 20%, Popularität 30%, Qualität 10%)
- Sortiert nach Bewertung, behält die Top 10

Ausgabe:

arxiv_filtered.json - Gefilterte Liste der Papers (JSON-Format)
Jedes Paper enthält:
- Paper-ID, Titel, Autoren, Zusammenfassung
- Veröffentlichungsdatum, Kategorien
- Relevanzbewertung, Aktualitätsbewertung, Popularitätsbewertung, Qualitätsbewertung
- Endgültige Bewertung, passende Bereiche

Schritt 3: Filterergebnisse lesen

3.1 JSON-Ergebnisse lesen

Lesen Sie die gefilterte und bewertete Liste der Papers aus arxiv_filtered.json:

# Filterergebnisse lesen
cat arxiv_filtered.json

Ergebnisse enthalten:

total_found: Gesamtzahl der gefundenen Papers
total_filtered: Anzahl der gefilterten Papers
top_papers: Top-10-Papers mit hoher Bewertung, jedes enthält:
- Paper-ID, Titel, Autoren, Zusammenfassung
- Veröffentlichungsdatum, Kategorien
- Relevanzbewertung, Aktualitätsbewertung, Qualitätsbewertung
- Endgültige Bewertung, passende Bereiche, passende Schlüsselwörter

3.2 Bewertungserläuterung

Bewertung über mehrere Dimensionen hinweg:

Bewertung =
  Relevanzbewertung: 40%
  Aktualitätsbewertung: 20%
  Popularitätsbewertung: 30%
  Qualitätsbewertung: 10%

Bewertungsdetails:

Relevanzbewertung (40%)
- Übereinstimmungsgrad mit den Forschungsinteressen
- Übereinstimmung von Schlüsselwörtern im Titel: jedes +0,5 Punkte
- Übereinstimmung von Schlüsselwörtern in der Zusammenfassung: jedes +0,3 Punkte
- Kategorieübereinstimmung: +1,0 Punkte
- Höchstpunktzahl: ~3,0
Aktualitätsbewertung (20%)
- Innerhalb der letzten 30 Tage: +3 Punkte
- 30-90 Tage: +2 Punkte
- 90-180 Tage: +1 Punkt
- Über 180 Tage: 0 Punkte
Popularitätsbewertung (30%)
- (Wenn Daten verfügbar) Zitationen > 100: +3 Punkte
- Zitationen 50-100: +2 Punkte
- Zitationen < 50: +1 Punkt
- Keine Zitationsdaten: 0 Punkte
- Oder basierend auf der Zeit seit Veröffentlichung abgeleitet (neue beliebte Papers innerhalb der letzten 7 Tage): +2 Punkte
Qualitätsbewertung (10%)
- Aus der Zusammenfassung abgeleitet: signifikante Innovation: +3 Punkte
- Klare Methodik: +2 Punkte
- Allgemeine Arbeit: +1 Punkt
- Oder lesen Sie die Qualitätsbewertung einer vorhandenen Notiz

Endgültige Bewertung = Relevanz(40%) + Aktualität(20%) + Popularität(30%) + Qualität(10%)

Schritt 4: Tägliche Empfehlungsnotiz generieren

4.1 Filterergebnisse lesen

Lesen Sie die gefilterte Liste der Papers aus arxiv_filtered.json:

Enthält die Top-10-Papers mit hoher Bewertung
Jedes Paper enthält vollständige Informationen: ID, Titel, Autoren, Zusammenfassung, Bewertung, passende Bereiche
Alle 10 hochbewerteten Papers müssen in dieses Verzeichnis heruntergeladen werden: $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Der lokale PDF-Dateiname in der Notizdatei muss auf die lokale PDF-Datei im Verzeichnis $OBSIDIAN_VAULT_PATH/20_Research/Papers/ verlinken
Wenn ein hochbewerteter Kandidat keine gültige Open-Access-PDF-Adresse hat, überspringen Sie diesen Kandidaten und ergänzen Sie den nächsten gemäß der Bewertungsreihenfolge, bis 10 Papers erreicht sind; wenn weniger als 10 erreicht werden, stoppen Sie und melden Sie dies, generieren Sie keine unvollständige Notiz

4.2 Empfehlungsnotizdatei erstellen

Empfehlungsnotizdatei erstellen
- Dateiname (je nach Spracheinstellung):
  - Chinesisch (language: "zh"): 10_Daily/YYYY-MM-DD论文推荐.md
  - Englisch (language: "en"): 10_Daily/YYYY-MM-DD-paper-recommendations.md
- Verwenden Sie die Variable: 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md (wobei NOTE_SUFFIX im Schritt der Spracherkennung gesetzt wurde)
- Muss Attribute enthalten:
  - keywords: Schlüsselwörter der empfohlenen Papers des Tages (kommagetrennt, aus Titeln und Zusammenfassungen der Papers extrahiert)
  - tags: ["llm-generated", "daily-paper-recommend"]
Prüfen, ob ein Paper eine ausführliche Beschreibung verdient
- Sehr lesenswerte Papers: Bewertung >= 7,5 oder besonders empfohlen
- Allgemein empfohlene Papers: Andere Papers
Prüfen, ob es bereits eine Notiz für das Paper gibt
- Durchsuchen Sie das Verzeichnis 20_Research/Papers/
- Suchen Sie nach einer vorhandenen detaillierten Notiz für dieses Paper
- Wenn eine Notiz vorhanden ist: Schreiben Sie kurz und verweisen Sie auf die vorhandene Notiz
- Wenn keine Notiz vorhanden ist:
  - Sehr lesenswert: Schreiben Sie einen detaillierten Abschnitt in der Empfehlungsnotiz
  - Allgemein empfohlen: Schreiben Sie nur grundlegende Informationen

4.2 Struktur der Empfehlungsnotiz

Die Notizdatei hat die folgende Struktur:

---
keywords: [Schlüsselwort1, Schlüsselwort2, ...]
tags: ["llm-generated", "daily-paper-recommend"]
---

[Konkrete Liste der Paper-Empfehlungen...]

4.2.1 Tagesübersicht (vor der Papierliste)

Fügen Sie vor der Papierliste einen Übersichtsabschnitt hinzu, der die Gesamtsituation der heutigen empfohlenen Papers zusammenfasst.

Sprache basierend auf der $LANGUAGE-Einstellung wählen:

Englisch (language: "en"):

## Today's Overview

Today's {paper_count} recommended papers focus on **{direction1}**, **{direction2}**, and **{direction3}**.

- **Overall Trends**: {summary of research trends}
- **Quality Distribution**: Scores range from {min}-{max}, {quality assessment}.
- **Research Hotspots**:
  - **{hotspot1}**: {description}
  - **{hotspot2}**: {description}
  - **{hotspot3}**: {description}
- **Reading Suggestions**: {reading order recommendations}

Chinesisch (language: "zh"):

## 今日概览

今日推荐的{论文数量}篇论文主要聚焦于**{主要研究方向1}**、**{主要研究方向2}**和**{主要研究方向3}**等前沿方向。

- **总体趋势**：{总结今日论文的整体研究趋势}
- **质量分布**：今日推荐的论文评分在 {最低分}-{最高分} 之间，{整体质量评价}。
- **研究热点**：
  - **{热点1}**：{简要描述}
  - **{热点2}**：{简要描述}
  - **{热点3}**：{简要描述}
- **阅读建议**：{给出阅读顺序建议}

Erläuterung:

Basierend auf den Titeln, Zusammenfassungen und Bewertungen der Top-10-Papers zusammenfassen
Gemeinsame Forschungsthemen und Trends extrahieren
Angemessene Lesereihenfolge vorschlagen

4.2.2 Einheitliches Format für alle Papers

Alle Papers werden nach Bewertung absteigend sortiert und verwenden ein einheitliches Format

Sprache der Bezeichnungen basierend auf der $LANGUAGE-Einstellung wählen:

Englisch (language: "en"):

### [[Note_Filename|Paper Title as Displayed]]
- **Authors**: [author list]
- **Affiliation**: [institution names, extracted from paper source or arXiv page]
- **Links**: [arXiv](url) | [[local filename|PDF]]
- **Source**: arXiv
- **Note**: [[existing_note_path|short title]] or --

**One-line Summary**: [one sentence summarizing the core contribution]

**Core Contributions**:
- [contribution 1]
- [contribution 2]
- [contribution 3]

**Key Results**: [most important results from abstract]

---

Chinesisch (language: "zh"):

### [[Note_Filename|论文标题显示名]]
- **作者**：[作者列表]
- **机构**：[机构名称，从论文源码或 arXiv 页面提取]
- **链接**：[arXiv](链接) | [[本地文件名称|PDF]]
- **来源**：[arXiv]
- **笔记**：[[已有笔记路径|简称]] 或 --

**一句话总结**：[一句话概括论文的核心贡献]

**核心贡献/观点**：
- [贡献点1]
- [贡献点2]
- [贡献点3]

**关键结果**：[从摘要中提取的最重要结果]

---

Wichtige Formatierungsregeln:

Wikilinks müssen einen Display-Alias verwenden: [[File_Name|Display Title]], verwenden Sie kein nacktes [[File_Name]] (Unterstriche werden direkt angezeigt, was die Lesbarkeit beeinträchtigt)
Bilder müssen die Obsidian-Wikilink-Einbettungssyntax verwenden: ![[filename.png|600]], verboten ist das Format ![alt](path%20encoded) (URL-Kodierung funktioniert in Obsidian nicht)
Das PDF-Format in der Notizdatei muss [[Lokaler Dateiname|PDF]] sein. Der lokale Dateiname muss auf die lokale PDF-Datei im Verzeichnis $OBSIDIAN_VAULT_PATH/20_Research/Papers/ verlinken
Institutionsinformationen: Aus den Feldern \author oder \affiliation des TeX-Quellcodes des Papers extrahieren; falls die arXiv-API diese nicht bereitstellt, aus dem heruntergeladenen Quellpaket lesen
Verwenden Sie nicht --- als Platzhalter für "keine Daten": Verwenden Sie -- stattdessen (drei Bindestriche werden von Obsidian als Trennlinie interpretiert)

4.2.3 Bilder für die ersten drei Papers einfügen und detaillierte Analyse aufrufen

Für die ersten 3 Papers (die 3 mit der höchsten Bewertung):

Schritt 0: Prüfen, ob es bereits eine Notiz für das Paper gibt

# Im Verzeichnis 20_Research/Papers/ nach vorhandenen Notizen suchen
# Suchmethoden:
# 1. Nach Paper-ID suchen (z.B. 2602.23351)
# 2. Nach Paper-Titel suchen (unscharfe Übereinstimmung)
# 3. Nach Schlüsselwörtern im Paper-Titel suchen

Schritt 1: Basierend auf dem Prüfergebnis die Vorgehensweise festlegen

Wenn eine Notiz vorhanden ist:

Keinen neuen detaillierten Bericht generieren
Vorhandenen Notizpfad als Wikilink verwenden
Im Feld "detaillierter Bericht" der Empfehlungsnotiz auf die vorhandene Notiz verweisen
Prüfen, ob Bilder extrahiert werden müssen (wenn kein images-Verzeichnis vorhanden oder das images-Verzeichnis leer ist)
- Wenn Bilder benötigt werden: extract-paper-images aufrufen
- Wenn bereits Bilder vorhanden sind: Vorhandene Bilder verwenden

Wenn keine Notiz vorhanden ist:

extract-paper-images aufrufen, um Bilder zu extrahieren
paper-analyze aufrufen, um einen detaillierten Bericht zu generieren
Bilder und Link zum detaillierten Bericht in der Empfehlungsnotiz hinzufügen

Schritt 2: Bilder und Links in der Empfehlungsnotiz einfügen

Wenn eine Notiz vorhanden ist:

### [[Vorhandener Paper-Name]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [[本地文件名称|PDF]]
- **来源**：[arXiv]
- **详细报告**：[[已有笔记路径]]
- **笔记**：已有详细分析

**一句话总结**：[一句话概括论文的核心贡献]

![[existing_image_filename.png|600]]

**核心贡献/观点**：
...

Wenn keine Notiz vorhanden ist:

### [[Note_Filename|Paper Title Display Name]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [[本地文件名称|PDF]]
- **来源**：[arXiv]
- **详细报告**：[[20_Research/Papers/[domain]/[note_filename]|Short Title]] (自动生成)

**一句话总结**：[一句话概括论文的核心贡献]

![[paperID_fig1.png|600]]

**核心贡献/观点**：
...

Bildformatregeln (wichtig!)：

Muss die Obsidian-Wikilink-Einbettungssyntax verwenden: ![[filename.png|600]]
Verwenden Sie nicht die Markdown-Bildsyntax: ~~![alt](path%20with%20encoding)~~ — URL-Kodierung (%20, %26) funktioniert in Obsidian nicht
Beispiel für Bilddateinamen: 2603.24124_fig1.png
Obsidian durchsucht automatisch den Vault nach übereinstimmenden Dateinamen, kein vollständiger Pfad erforderlich

Erläuterung zum detaillierten Bericht:

Berichtspfad: 20_Research/Papers/[Paper-Kategorie]/[note_filename].md
Wichtig: Verwenden Sie das Feld note_filename aus der JSON-Datei, um den Wikilink zu erstellen
Muss einen Display-Alias verwenden: [[20_Research/Papers/[domain]/[note_filename]|Short Title]]
- Korrekt: [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting|Hypothesis-Conditioned Query Rewriting]]
- Falsch: [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting_for_Decision-Useful_Retrieval]] (Unterstriche werden direkt angezeigt, nicht ästhetisch)
Der detaillierte Bericht wird automatisch von paper-analyze generiert

Institution/Affiliation extrahieren:

Aus den .tex-Dateien des heruntergeladenen arXiv-Quellpakets (.tar.gz) die Felder \author und \affiliation extrahieren
Wenn der Quellcode nicht verfügbar ist, aus dem HTML der arXiv-Seite extrahieren
Wenn immer noch nicht verfügbar, als -- markieren (zwei Bindestriche verwenden, keine drei ---, da Obsidian dies als Trennlinie interpretiert)

Schritt 5: Automatische Verlinkung von Schlüsselwörtern (optional)

Nach der Generierung der Empfehlungsnotiz automatisch Schlüsselwörter mit vorhandenen Notizen verlinken:

# Schritt 1: Vorhandene Notizen scannen
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# Schritt 2: Empfehlungsnotiz generieren (normaler Ablauf)
# ... search_arxiv.py zum Suchen von Papers verwenden ...

# Schritt 3: Schlüsselwörter verlinken (neuer Schritt)
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md" \
  --output "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}_linked.md"

Hinweis:

Das Skript zur Schlüsselwortverlinkung überspringt automatisch Frontmatter, Titelzeilen und Codeblöcke
Filtert allgemeine Wörter (and, for, model, learning usw.) heraus
Behält vorhandene Wikilinks unverändert bei

Wichtige Regeln

Suchbereich erweitern: Papers aus dem letzten Monat + beliebte Papers des letzten Jahres durchsuchen
Kombinierte Bewertung: Kombination von Relevanz, Aktualität, Popularität und Qualität
Dateiname mit Datum: Format 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md einhalten (Chinesisch: 论文推荐, Englisch: paper-recommendations)
Tagesübersicht hinzufügen: Am Anfang der Empfehlungsnotiz einen Abschnitt "## 今日概览" hinzufügen, der die wichtigsten Forschungsrichtungen, Gesamttrends, Qualitätsverteilung, Forschungsschwerpunkte und Leseempfehlungen der heutigen Papers zusammenfasst
Nach Bewertung sortieren: Alle Papers nach Bewertung absteigend anordnen
Spezielle Behandlung der ersten 3:
- Papername im Wikilink-Format: [[Papername]]
- Erstes Bild automatisch extrahieren und einfügen
- Automatisch paper-analyze aufrufen, um einen detaillierten Bericht zu generieren
- Im Feld "detaillierter Bericht" die Wikilink-Verknüpfung anzeigen
Andere Papers: Nur grundlegende Informationen schreiben, keine Bilder einfügen
Schnell bleiben: Dem Benutzer eine schnelle Übersicht über die Empfehlungen des Tages ermöglichen
Doppelungen vermeiden: Bereits empfohlene Papers prüfen
Automatische Schlüsselwortverlinkung:
- Nach der Generierung der Empfehlungsnotiz automatisch vorhandene Notizen scannen
- Schlüsselwörter im Text (wie BLIP, CLIP usw.) durch Wikilinks ersetzen
- Beispiel: BLIP → [[BLIP]]
- Vorhandene Wikilinks unverändert lassen
- Inhalt in Codeblöcken nicht ersetzen
- Inhalt von bereits vorhandenen Wikilinks nicht ersetzen (Doppelungen vermeiden)

Unterschiede zu anderen Skills

start-my-day (dieser Skill)

Zweck: Aus einer breiten Suche Papers filtern und empfehlen, tägliche Empfehlungsnotizen generieren
Suchbereich: Papers aus dem letzten Monat + beliebte/hochwertige Papers des letzten Jahres
Inhalt: Empfehlungsliste
- Enthält am Anfang einen "Tagesübersicht"-Abschnitt: Zusammenfassung der wichtigsten Forschungsrichtungen, Gesamttrends, Qualitätsverteilung, Forschungsschwerpunkte und Leseempfehlungen
- Einheitliches Format für alle Papers
- Spezielle Behandlung der ersten 3:
  - Papername im Wikilink-Format: [[Papername]]
  - Erstes Bild automatisch extrahieren und einfügen
  - Automatisch paper-analyze aufrufen, um einen detaillierten Bericht zu generieren
  - Im Feld "detaillierter Bericht" die Wikilink-Verknüpfung anzeigen
Bildverarbeitung: Erstes Bild für die ersten 3 automatisch extrahieren und einfügen; keine Bilder für alle Papers
Detaillierter Bericht: Automatisch für die ersten 3 generiert, für andere nicht
Geeignet: Vom Benutzer täglich manuell ausgelöst
Notizreferenz: Wenn eine Notiz für ein Paper vorhanden ist, kurz schreiben und darauf verweisen; wenn für die Analyse ein Verweis auf historische Notizen erforderlich ist, direkt darauf verweisen

paper-analyze (Tiefenanalyse-Skill)

Zweck: Benutzer betrachtet aktiv ein einzelnes Paper für eine tiefgehende Untersuchung
Anwendungsszenario: Papers, die der Benutzer selbst sehen möchte, die aber nicht vom KI-Assistenten aufbereitet wurden
Inhalt: Detaillierte Tiefenanalyse-Notiz eines Papers
- Enthält alle Kerninformationen: Forschungsfrage, Methodenübersicht, Methodenarchitektur, Schlüsselinnovationen, Experimentelle Ergebnisse, Tiefenanalyse, Vergleich mit verwandten Papers usw.
- Text und Bilder: Alle Bilder des Papers müssen verwendet werden (Kernarchitekturdiagramme, Methodendiagramme, experimentelle Ergebnisdiagramme usw.)
Geeignet: Vom Benutzer aktiv durch Aufruf von paper-analyze (Codex verwendet $paper-analyze, Claude Code verwendet /paper-analyze) und Angabe der Paper-ID oder des Titels
Wichtige Anforderung: Sowohl die von start-my-day aufbereiteten Papers als auch die vom Benutzer aktiv betrachteten Papers müssen text- und bildreich sein

Anwendungshinweise

Wenn der Benutzer "start my day" eingibt, führen Sie die folgenden Schritte aus:

Datumsunterstützung:

Kein Parameter: Generiert eine Empfehlungsnotiz für Papers des aktuellen Tages
Mit Parameter (YYYY-MM-DD): Generiert eine Empfehlungsnotiz für Papers des angegebenen Datums
- Beispiel: In Codex $start-my-day 2026-02-27, in Claude Code /start-my-day 2026-02-27

Automatischer Ausführungsablauf

Zieldatum ermitteln
- Kein Parameter: Aktuelles Datum verwenden (Format YYYY-MM-DD)
- Mit Parameter: Angegebenes Datum verwenden
Vorhandene Notizen scannen, um einen Index zu erstellen
```
# Vorhandene Paper-Notizen im Vault scannen
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json
```
- Durchsuchen Sie das Verzeichnis 20_Research/Papers/
- Extrahieren Sie Notiztitel und Tags
- Erstellen Sie eine Zuordnungstabelle von Schlüsselwörtern zu Notizpfaden

arXiv-Papers suchen und filtern

# Verwenden Sie das Python-Skript, um arXiv-Papers zu suchen, zu parsen und zu filtern
# Wechseln Sie zunächst in das Skill-Verzeichnis, dann führen Sie das Skript aus
# Wenn ein Zieldatums-Parameter vorhanden ist (z.B. 2026-02-21), übergeben Sie ihn an --target-date
cd "$SKILL_DIR"
python scripts/search_arxiv.py \
  --config "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" \
  --output arxiv_filtered.json \
  --max-results 200 \
  --top-n 10 \
  --download-dir "$OBSIDIAN_VAULT_PATH/20_Research/Papers/" \
  --target-date "{Zieldatum}"  # Wenn der Benutzer ein Datum angegeben hat, durch das tatsächliche Datum ersetzen

Filterergebnisse lesen
- Lesen Sie die Filterergebnisse aus arxiv_filtered.json
- Rufen Sie die Top-10-Papers mit hoher Bewertung ab
- Jedes Paper enthält: ID, Titel, Autoren, Zusammenfassung, Bewertung, passende Bereiche
- Überprüfen Sie, ob die Dateien der 10 local_pdf_filename im Verzeichnis $OBSIDIAN_VAULT_PATH/20_Research/Papers/ existieren

666zhoulei/Geophysics-Start-My-Day-Skill

Was ist Geophysics-Start-My-Day-Skill?

In Ihrer bevorzugten KI fragen

Vorschau

Dokumentation