CommunityRecherche & Datenanalysegithub.com

Paper-to-Notebook

Verwandle eine einzelne Forschungsarbeit (als PDF, HTML oder Klartext wie LaTeX/Markdown) in ein interaktives, ausführbares marimo-Lernnotizbuch – eine geführte Lektion mit Erklärungen, Widgets und Verständnisfragen.

Was ist Paper-to-Notebook?

Dieses Skill wandelt eine einzelne Forschungsarbeit in ein ausführbares marimo-Notizbuch um, das Lesern hilft, die Kernideen der Arbeit zu verstehen. Im Gegensatz zu einer reinen Zusammenfassung baut es eine interaktive Lektion auf: verständliche Erklärungen, Widgets zur Erforschung von Parametern und informelle Verständnisfragen. Es ist für eine Leserschaft von Studierenden bis Berufstätigen ausgelegt, die sich in ein neues Thema einarbeiten, und passt das Erklärungstempo an verschiedene Kenntnisstufen an (vom Kind bis zum Experten). Die Eingabe kann eine PDF-, HTML- oder Plain-Text-Quelle (LaTeX, Markdown) sein – als Pfad, URL oder Identifikator, sofern der Volltext zugänglich ist. Ausgabe ist eine Python-Datei (`.py`), die mit `uvx marimo edit --sandbox …` geöffnet und ausgeführt werden kann. Der Workflow umfasst die Aufnahme des Volltexts, das Extrahieren von Struktur, Gleichungen und Abbildungen, die Planung eines Lernpfads mit mehreren Erklärungsstufen, die Generierung des marimo-Notizbuchs (unter strikter Beachtung von auktorialen Regeln und marimo-Konventionen) und die Validierung, dass das Notizbuch fehlerfrei läuft. Das System unterscheidet zwischen „algorithmenähnlichen“ Arbeiten (mit Programmierübungen) und „konzeptähnlichen“ Arbeiten (mit agentenschriftlichen erklärenden Widgets). Es gibt klare Richtlinien, um generische KI-Sprache zu vermeiden und stattdessen repräsentative, präzise Darstellungen der Arbeit zu liefern. Der Skill ist als Skelett markiert mit vielen noch ausstehenden Details (TODO) – dies ist der aktuelle Entwicklungsstand. Das Skill verwendet Hilfsdateien in `resources/` und `scripts/`, die mit `uv run` ausgeführt werden, nicht mit globalem `pip install`.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ericmjl/paper-to-notebook-skill/tree/main

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Von der Arbeit zum Notizbuch

Führe einen Agenten von einer Arbeit zu einem ausführbaren marimo-Notizbuch, das einem Leser hilft, diese Arbeit zu verstehen. Das Notizbuch ist eine Lektion, keine Zusammenfassungsseite: verständliche Erklärungen, interaktive Widgets wo sie helfen, und informelle Verständnisfragen während des Weges. Die Formulierung muss verständlich und repräsentativ für die Arbeit sein, keine generische KI-Sprache.

Diese Datei ist ein Skelett. Viele Details werden später ergänzt. Punkte, die mit TODO markiert sind, sind noch nicht entschieden oder nur skizziert.

Vertrag

EingabeEine Arbeit als PDF, HTML oder Plain-Text-Quelle (LaTeX, Markdown usw.). Pfad, URL oder Identifikator ist in Ordnung, solange der Volltext bezogen werden kann.
AusgabeEin ausführbares marimo-Notizbuch (*.py), das der Leser mit uvx marimo edit --sandbox … öffnen kann.

Optionale Eingaben, die erfragt werden können, falls sie fehlen (nicht blockieren, wenn der Benutzer nur die Arbeit angibt):

  • Zielgruppe oder „passe beim Gehen an.” Standardannahme: Studierende (Bachelor bis Master) sowie Berufstätige, die neu in diese Arbeit oder dieses Feld sind, mit allgemeinen wissenschaftlichen Kenntnissen. TODO: Standardannahme schärfen.
  • Zusätzlicher Kontext: unterstützende Informationen, zitierte Arbeiten oder andere Quellen, die der Benutzer als Grundlage behandelt haben möchte (nicht nur Allgemeinwissen).
  • Tiefe: vollständiger Durchgang vs. Methoden, Ergebnisse oder eine Abbildung.
  • Ausgabepfad und Laufzeitbeschränkungen.

Behandle dieses Skill nicht als Werkzeug zur Bewertung einer großen Literaturmenge. Das ist eine andere Aufgabe.

Arbeitsablauf

1. Die Arbeit aufnehmen (PDF / HTML / Plain-Text-Quelle)
2. Struktur, Begriffe, Gleichungen, Abbildungen und Lücken extrahieren
3. Den Lernpfad planen
4. Das marimo-Notizbuch generieren
5. Mit `uv run` validieren, dass es läuft, dann übergeben

1. Die Arbeit aufnehmen

Den Volltext beziehen, nicht nur eine Zusammenfassung. Je nach Eingabetyp verzweigen; format-spezifische Hinweise in resources/ und Helfer in scripts/ ablegen (immer uv run, niemals ein globales pip install).

  • PDF: TODO: wie abrufen und parsen (Text, Mathematik, Abbildungen, Lesereihenfolge). Fehler melden, nicht raten.
  • HTML: TODO: wie abrufen und parsen (Haupttext vs. Navigation/Chrome, MathJax/MathML, Abbildungen).
  • Plain-Text-Quelle (LaTeX, Markdown usw.): TODO: wie includes, Literaturverzeichnis und Abbildungsdateien folgen; Gleichungs- und Abbildungsbezeichnungen erhalten.

Titel, Autoren, Jahr und einen stabilen Link oder Identifikator der Arbeit erfassen, falls verfügbar.

2. Struktur, Gleichungen und Abbildungen extrahieren

Ein Zwischenbild der Arbeit erstellen, bevor ein Notizbuch geschrieben wird. TODO: die Datenstrukturen für diesen Schritt festlegen (siehe auch die Idee, dass solide Zwischenstrukturen den Rest erleichtern).

Mindestens extrahieren:

  • Problem und Beitrag, in eigenen Worten.
  • Voraussetzungsprofil: was ein Leser auf jeder Stufe weiß, nicht weiß und gelernt werden muss (siehe Erklären auf mehreren Stufen).
  • Schlüsselkonzepte und Begriffe, die die Arbeit verwendet, aber nicht definiert (Kernmetadaten oder Feldbegriffe). Beispiel aus der Design-Diskussion: eine Arbeit über Herzinfarkte, die nie „Myokardinfarkt” erklärt.
  • Schlüsselgleichungen, nummeriert wie in der Arbeit, mit Variablen.
  • Schlüsselabbildungen: was jede kodiert, wie sie beschriftet ist und ob die zugrundeliegenden Daten verfügbar erscheinen.
  • Risikopunkte für die Generierung: starkes LaTeX oder Mathematik, griechische Buchstaben in Abbildungsbeschriftungen, andere nicht-ASCII-Texte.
  • Offensichtliche Lücken in Methoden oder Berichterstattung. Keine fehlenden experimentellen Ergebnisse erfinden.

Die Feldreife klassifizieren (etabliert, emergent, interdisziplinär oder gemischt) anhand der Rubrik und einer leichten Literaturstichprobe in resources/field-maturity.md. Die Klasse, die Belege und welche Vokabel-Einführungskomponenten des Notizbuchs erforderlich sind (Glossar, Disambiguierung, Terminologie im Wandel) erfassen.

TODO: ob die Arbeit als algorithmenähnlich (Programmierübungen, Methode rückentwickeln) vs. konzeptähnlich (Agent-schriftliche Erklärungs-Widgets) eingestuft werden soll. In der Diskussion verwendete Chemiebeispiele: Massenbilanz, Reaktionskinetik, ein neues kinetisches Modell.

3. Den Lernpfad planen

Einen Pfad entwerfen, den ein Mensch in einer Sitzung verfolgen kann. TODO: Zieldauer.

Das Notizbuch nicht auf ein einziges Leseniveau festlegen. Anpassungsfähige Erklärung planen: der Leser sollte in der Lage sein, eine einfachere oder fortgeschrittenere Darstellung eines schwierigen Abschnitts zu erhalten. TODO: Standardrichtung – einfach starten und Komplexität hinzufügen, oder hoch starten und heruntersteigen, wenn der Leser verwirrt ist. Beides wurde vorgeschlagen; keines wurde gewählt. Kernkonzepte erhalten eine vollständige Leiter (siehe Erklären auf mehreren Stufen).

Vorgeschlagener Aufbau (an die Arbeit anpassen):

  1. Warum diese Arbeit wichtig ist.
  2. Intuition oder ein Spielzeugbeispiel vor starker Notation.
  3. Aufbau: Notation, Annahmen, Begriffe und Feldvokabel-Einführung (Glossar; Disambiguierung oder Terminologie im Wandel, wenn erforderlich – siehe resources/field-maturity.md).
  4. Kernidee, verknüpft mit einer Gleichung oder Abbildung.
  5. Schritt-für-Schritt-Durchgang, ausgerichtet an der Arbeit.
  6. Informelle Verständnisfragen nach Abschnitten, abgestimmt auf das Erklärungsniveau: erklären, vorhersagen, anwenden oder kritisieren (keine formale Bewertung – formale Bewertung ist nicht im Rahmen).
  7. Für fortgeschrittene Leser: Kritikpunkte: Behandelt das Versuchsdesign die gestellte Frage; ist der statistische Rahmen eine angemessene Wahl; was fehlt; welche Annahmen trifft der Leser.
  8. Abschluss: Einschränkungen, was als nächstes gelesen werden sollte, Zitat.
  9. Abschlussquiz: fünf Multiple-Choice-Fragen zur Arbeit, immer der letzte Abschnitt (siehe Abschlussquiz).

TODO: wie weit Kritik, Ergebnisabschnittsanalyse und Abbildungsinterpretationsaufforderungen in der ersten Version gehen, im Vergleich zu einem einfachen geführten Durchgang.

Wenn der Benutzer zusätzliche Quellen bereitgestellt hat, planen, wo diese im Notizbuch zitiert werden und wie belegte Nachweise von Allgemeinwissen unterschieden werden. TODO: der Mechanismus für diese Unterscheidung und ob später eine kleine Concept Map oder ein „Wissenswiki” hierher gehört.

4. Das marimo-Notizbuch generieren

Von einer assets/-Vorlage aus starten, falls eine existiert (TODO: assets/notebook_template.py hinzufügen). Ein marimo-Notizbuch schreiben, das mit uvx marimo edit --sandbox geöffnet werden kann.

Den installierten marimo-Skills in .agents/skills/ folgen (ein import marimo as mo-Zellenimport; eindeutige Namen auf oberster Ebene; Widgets, die Erkundung antreiben, nicht Dekoration):

  • marimo-notebook-patterns: vor dem Schreiben oder Bearbeiten von Notizbuchzellen lesen (Import- und Zellenparameter-Regeln, eindeutige Variablen, Widget-API-Signaturen, häufige Fehler).
  • marimo: umfassendere Autorenreferenz, einschließlich Live-Pairing und Einbetten von Notizbüchern im Web.
  • awesome-marimo-notebook: wie man ein Notizbuch für eine Arbeit oder einen Datensatz ansprechend und professionell gestaltet.

Abhängigkeiten in einem PEP 723-Inline-Script-Metadaten-Block am Anfang der Datei deklarieren (# /// script … # ///), marimo und jedes Paket, das das Notizbuch importiert, jeweils mit einer unteren Versionsgrenze (z. B. numpy>=2.0). Dadurch können uv run und marimo edit --sandbox sie installieren.

Das Notizbuch mit dem Fünf-Fragen-Quiz beenden, das unter Abschlussquiz beschrieben ist.

Harte Anforderungen an den Text:

  • Verständlich und repräsentativ für die Kernideen der Arbeit.
  • Kein generischer „KI-Müll.” Wenn ein Satz über jede Arbeit geschrieben werden könnte, umschreiben.
  • Symbole und Feldbegriffe definieren, wenn sie zum ersten Mal wichtig werden, oder auf ein Glossar / Tooltip / Highlight-zum-Erklären-Hilfsmittel verweisen. resources/field-maturity.md für reifespezifische Einführungsabschnitte folgen. TODO: welche dieser Lesehilfen zuerst ausgeliefert werden sollen. „Marimo Lens” wurde als möglicher Kandidat für Highlight-zum-Erklären erwähnt; den tatsächlichen Feature-Namen und die Host-Unterstützung bestätigen.

Weitere Generierungsregeln:

  • Gleichungen: LaTeX in mo.md; Widgets für Parameter, wenn das Intuition aufbaut.
  • Abbildungen: reproduzieren oder vereinfachen, wenn Daten es erlauben; auf die Abbildungsnummer der Arbeit verlinken. Wenn Daten nicht verfügbar sind, dies sagen – keine Diagramme erfinden. TODO: wie weit mit visionsbasierten Schätzungen oder Leser-schriftlichen Abbildungsinterpretationen in v1.
  • Abbildungsdurchgänge: wenn eine Schlüsselabbildung eine geführte, schrittweise Tour benötigt, resources/dynamic_figure_annotation.md lesen (FigureAnnotatorWidget plus ein Koordinaten-Prüf-Helfer in scripts/).
  • Kernkonzepte (1–3 pro Notizbuch) erhalten eine Erklärungsleiter (Erklären auf mehreren Stufen).
  • Informelle Verständnisfragen: kurze Fragen, keine benotete Bewertung. Das show_check-Muster in resources/explanation-levels.md §9 verwenden (Radio, eine numerische Antwort mit Toleranz oder eine offene Antwort mit einer Musterantwort).
  • Domänenmodus aus Schritt 2: Programmierübungen und Methodenrekonstruktion für algorithmenähnliche Arbeiten; Agent-schriftliche Visualisierungs-/Widget-Erklärungen für konzeptähnliche Arbeiten (z. B. ein Mechanismus in einer Zelle).
  • Alles kennzeichnen, das über die Arbeit hinausgeht („Unsere Demo,” „Vereinfachte Annahme”).
  • Metadaten und Zitate der Arbeit einfügen.

5. Validieren und übergeben

Minimum (v1-Skelett): das Notizbuch muss laufen.

uv run scripts/validate_notebook.py path/to/notebook.py --run

Es prüft die Python-Syntax, führt marimo check --strict aus und führt mit --run das Notizbuch von oben nach unten aus. Jedes gemeldete Problem vor der Auslieferung beheben.

Dem Benutzer mitteilen:

  • Pfad zum Notizbuch und den Befehl zum Öffnen (uvx marimo edit --sandbox …).
  • Angenommene Zielgruppe und was vereinfacht wurde.
  • TODOs und bekannte Lücken (einschließlich fehlender Daten oder undefinierter Begriffe).
  • Literaturangabe (Titel, Autoren, Jahr, Link).

Geplante Validierung über „es läuft” hinaus (nicht alle für einen ersten Entwurf erforderlich):

  • Der Text ist verständlich und repräsentativ, kein Müll.
  • Kernkonzepte und Metabegriffe werden tatsächlich erklärt.
  • Keine erfundenen Zahlen oder Behauptungen.
  • Das Notizbuch endet mit dem Fünf-Fragen-Quiz, und seine Fragen beziehen sich auf die Behauptungen, Ergebnisse und Grenzen der Arbeit, nicht auf ihre Implementierungsdetails.
  • Jede Leiter erklärt denselben Mechanismusaufbau auf jeder Stufe; jede Vereinfachung wird auf einer späteren Stufe korrigiert; die Grenze der Analogie wird angegeben.
  • Vokabel-Einführung: für etablierte, emergente und interdisziplinäre Fallstudien die Glossarabdeckung und – wo erforderlich – Disambiguierungs- oder Terminologie-im-Wandel-Abschnitte gemäß resources/field-maturity.md §8 überprüfen.
  • TODO: Assertions- oder Goldfragen-Evaluierungen; Multi-Modell-Läufe (chinesische Open-Weight- und Claude-Modelle wurden angeboten); LLM-als-Richter nur als erster Filter, der bei „das ist schlecht” vertrauenswürdiger ist als bei „das ist gut”; ein menschlicher Test mit einer unbekannten Arbeit; Domänenexperten-Review nach einem Smoke-Test im eigenen Feld.
  • TODO: ein gemeinsamer Test-Paper-Satz, der etablierte, emergente und interdisziplinäre Arbeiten sowie Unterdomänen abdeckt, nicht nur ein Feld. Eine Grippe-Arbeit von 2016 wurde als ein möglicher Fall angeboten; die Liste ist nicht ausgewählt.

Erklären auf mehreren Stufen

Kernideen erhalten eine Erklärungsleiter: ein Mechanismus, erklärt auf fünf Stufen, jede für einen Leser mit bestimmten Voraussetzungen geschrieben. Es ist an die 5 Levels-Serie von WIRED angelehnt. Die Stufennamen sind Kurzbezeichnungen. Was eine Stufe definiert, sind das Fachwissen und die Mathematik, die der Leser mitbringt, und die Präzision, die die Stufe hinzufügt.

Stufe (Kurzbezeichnung)Vorausgesetztes FachwissenVorausgesetzte MathematikFügt zum Mechanismus hinzu
1 · KindAlltagserfahrungZählen und VergleichenUrsache und Wirkung, in alltäglichen Begriffen
2 · TeenagerAllgemeine naturwissenschaftliche GrundbildungArithmetik, Prozente, einfache DiagrammeEin Spielzeugbeispiel mit echten, kleinen Zahlen
3 · BachelorstudentEine Einführungsvorlesung im FeldDie Einführungswerkzeuge des FeldesDie exakte Gleichung oder der Algorithmus, jedes Symbol definiert
4 · MasterstudentStandardmethoden eines angrenzenden GebietsFolgt den Ableitungen der ArbeitAnnahmen, wann es gilt, was bricht, und wie es mit dem Standardansatz vergleichbar ist
5 · ExperteDie Literatur dieses TeilgebietsVollständiger FormalismusWas neu ist, Abwägungen, Grenzen und offene Fragen

Regeln:

  1. Voraussetzungen pro Arbeit profilieren (Phase 1): für jede Stufe, was der Leser weiß, was sie nicht wissen und was das Notizbuch lehren muss. Den angegebenen Hintergrund des Benutzers (aus den optionalen Eingaben unter Vertrag) auf eine Stufe abbilden.

  2. Ein Mechanismus auf jeder Stufe. Zuerst einen Ein-Satz Mechanismusaufbau schreiben; jede Stufe fügt diesem Aufbau Präzision hinzu. Keine Stufe ersetzt einen vageren oder anderen Mechanismus.

  3. Auf jeder Stufe korrekt. Vereinfachen, indem Dinge weggelassen werden, niemals, indem etwas Falsches gesagt wird. Jede Vereinfachung in einem Protokoll festhalten und auf einer späteren Stufe korrigieren.

  4. Die Analogie abbilden und ihre Grenze angeben. Einen Anker bis Stufe 3 mitführen, seine Teile auf die Teile der Methode abbilden und sagen, wo sie bis Stufe 3 bricht.

  5. Verständnisfragen, abgestimmt auf die Stufe:

    • Kind: erklären.
    • Teenager: vorhersagen.
    • Bachelorstudent: anwenden.
    • Masterstudent: anwenden und Annahmen kritisieren.
    • Experte: kritisieren.

    Jede Verständnisfrage hat eine erwartete Antwort, die Begründung und die Stelle in der Arbeit.

  6. Leitern sind für das Kernthema: 1–3 Konzepte pro Notizbuch.

  7. Fundiert: Stellen aus dem gelesenen Text zitieren und niemals raten. Lücken während des Entwurfs mit [cite: …] markieren und vor der Auslieferung beheben.

  8. Zahlen tragen ihre Bedingungen: die Tabelle, Kohorte, Merkmalsmenge oder der Bereich werden im gleichen Satz genannt. Beim Testen an echten Arbeiten kamen beide Fehlvorstellungen, die die Leitern verursachten, von einer Zahl, die von ihrer Bedingung getrennt wurde.

Im Notizbuch: einen Stufenauswähler nahe dem Anfang hinzufügen. Jede Leiter erhält mo.ui.tabs, die auf der Stufe des Lesers öffnen, mit der dazugehörigen Verständnisfrage darunter.

Vor dem Schreiben lesen: resources/explanation-levels.md enthält die Profil- und Protokollvorlagen, ein ausgearbeitetes Beispiel, getestete marimo-Zellen und Fallstricke. resources/examples/ enthält zwei weitere vollständige Leitern.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills