CommunityRecherche & Datenanalysegithub.com

TaiXing0824/pa-paper-reader

Skill zum präzisen Lesen öffentlicher Verwaltungspapiere – für chinesische C-Journals, Dissertationen und internationale PA-Journals. Zerlegt Papiere in neun Wissenskartenmodule mit Bewertung und Quellenangaben.

Was ist pa-paper-reader?

Dieses Skill dient der strukturierten, quellentreuen und disziplinkonformen Analyse von Papieren aus der öffentlichen Verwaltung (ÖV). Es ist für KI-Assistenten wie Claude Code, Codex oder Cursor konzipiert, die auf chinesische C-Journals, Dissertationen oder englische PA-Journals zugreifen. Der Kern liegt darin, ein Papier in neun standardisierte Wissenskarten zu zerlegen: Forschungsfrage, akademische Verortung, theoretischer Rahmen, Argumentationskette, Forschungsdesign, Datenquellen, Kernaussagen und kritische Bewertung – mit einem strikten „No-Halluzination“-Ansatz. Das Skill bietet zwei Lesemodi: „Tiefenlesen“ (alle neun Module) und „Schnelllesen“ (nur die Kernmodule). Die Ergebnisse werden als normales Markdown ausgegeben, das in jedes lokale Notizsystem (z. B. Obsidian) integriert werden kann, ohne an ein bestimmtes Tool gebunden zu sein. Besonderer Wert wird auf die Vermeidung von KI-Halluzinationen gelegt: Jede Behauptung muss auf dem Originaltext basieren, mit Seitenangaben versehen sein, und Bewertungen des Assistenten müssen klar von den Aussagen des Autors getrennt werden. Die Ausgabe enthält zudem eine Bewertung (Rating 1–5) und standardisierte Tags aus einer Theorie-/Methoden-Tag-Bibliothek.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add TaiXing0824/pa-paper-reader

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

Präzises Lesen von Papieren der öffentlichen Verwaltung (pa-paper-reader)

Positionierung

Zerlegen Sie ein Papier aus dem Bereich der öffentlichen Verwaltung (chinesische C-Journals, Dissertationen, englische PA-Journals) in strukturell einheitliche, horizontal vergleichbare und am Original überprüfbare Wissenskarten und geben Sie es als standardisierte Markdown-Notiz aus (geschrieben in Ihr lokales Notizverzeichnis, keine Bindung an ein bestimmtes Tool wie Obsidian).

Der Wert liegt nicht darin, „ob es gelesen werden kann“ – LLMs können das von Natur aus. Der Wert liegt darin, ob es richtig, stabil und den Disziplinnormen der öffentlichen Verwaltung entsprechend gelesen wird:

  • Vermeidung von Halluzinationszitaten
  • Erzwungene einheitliche Struktur
  • Erzwungene disziplinspezifische Regeln (theoretischer Rahmen / Argumentationskette / Nachweise / Einschränkungen müssen explizit sein)
  • Reproduzierbarkeit (gleiches Thema, gleicher Prozess, gleiche Ausgabe)

Die vier Ziele des Tiefenlesens (Lesephilosophie dieses Skills)

Beim Lesen von Literatur geht es nicht um den „Inhalt“, sondern um vier Ebenen des Gewinns. Die neun Zerlegungsmodule dienen alle diesen vier Ebenen. Beim Zerlegen muss klar sein, an welche Ebene jedes Modul liefert:

  1. Problem: Was will dieses Papier lösen, warum haben es andere nicht gelöst? → Modul 2
  2. Ansatz: Warum kam der Autor auf diesen Weg? Ist die Argumentationskette schlüssig? → Module 3, 4, 5
  3. Nachweis: Stützen Daten und Methoden die Schlussfolgerungen wirklich? Gibt es alternative Erklärungen? → Module 6, 7, 9
  4. Position: In welchem Feld der akademischen Landschaft steht es? Wen führt es fort, wen fordert es heraus? → Modul 3

Zusammenfassungen, Formeln, Experiment-/Fallbeispiele sind „Material“, die vier Ebenen sind der „Gewinn“. Liefern Sie keine Notiz, die zwar informativ, aber unlogisch und ohne Urteil ist.

Wann verwenden (Auslöser)

  • Der Benutzer sagt: „Lies ein Papier“ / „Tiefenlesen“ / „Zerlege“ / „Worum geht es“ / „C-Journal“ / „Literaturnotiz“ / „Zerlege eines“
  • Der Benutzer schickt: Lokalen PDF-Pfad, eingefügten Volltext des Papiers, CNKI- oder Zeitschriften-URL
  • Der Benutzer bittet darum, mehrere themenverwandte Papiere zu einem Literaturkorpus zusammenzufassen und horizontal zu vergleichen

Eingabe (4 Arten)

  1. Lokaler PDF-Pfad: Lesen Sie die Datei direkt (prioritär). Wenn die Extraktion verstümmelt anzeigt: Schreiben Sie zuerst eine UTF-8-.txt-Datei und überprüfen Sie diese mit dem Read-Tool (häufig liegt es daran, dass die Konsole UTF-8 verstümmelt anzeigt, die Datei ist nicht beschädigt). Installieren Sie nicht vorschnell OCR/Rendering-Bibliotheken. Erst wenn bestätigt ist, dass keine Textebene existiert, auf OCR/Bild-Rendering umsteigen.
  2. Eingefügter Volltext: Der Benutzer fügt den Text des Papiers in den Chat ein.
  3. CNKI / Zeitschriften-URL:
    • Zuerst versuchen, den Volltext herunterzuladen. Chinesische C-Journals benötigen meist Login/Bezahlung, ein direkter Download scheitert höchstwahrscheinlich.
    • Bei Misserfolg → Teilen Sie dem Benutzer klar mit: „Ich konnte den Volltext dieses Papiers nicht herunterladen. Bitte laden Sie die PDF von der offiziellen Webseite/CNKI herunter oder fügen Sie den Text ein, dann zerlege ich es.“ Tun Sie nicht so, als ob Sie etwas heruntergeladen hätten, spekulieren Sie nicht über den Inhalt basierend auf Titel/Abstract, und fahren Sie nicht mit der Zerlegung fort.
  4. Batch-Modus: Mehrere themenverwandte Papiere. Nach der Einzelanalyse zusätzlich eine Literaturkorpus-<Thema>.md-Datei mit einer horizontalen Vergleichstabelle erstellen (Theorie / Argumentationsansatz / Methode / Schlussfolgerung / Nachweisstärke / Einschränkungen spaltenweise ausgerichtet).

Lesetiefe (zwei Stufen, vorher entscheiden, dann ausführen)

Nicht jedes Papier verdient eine vollständige Tiefenanalyse mit allen Modulen. Entscheiden Sie vor der Ausführung basierend auf der Benutzerabsicht und der thematischen Relevanz. Fragen Sie bei Unsicherheit kurz nach:

  • Tiefenlesen (Standard): Alle 9 Module ausgeben. Geeignet für: Papiere, die direkt mit der Forschung des Benutzers zusammenhängen, grundlegende/Übersichtsliteratur, oder wenn der Benutzer explizit „Tiefenlesen/Zerlege“ sagt.
  • Schnelllesen: Nur Modul 1 (Ein-Satz-Zusammenfassung), 2 (Forschungsfrage), 8 (Kernaussagen), 9 (Kritische Bewertung, komprimiert auf 3–5 Punkte) ausgeben. Geeignet für: Benutzer sagt „Guck mal schnell“ / „Worum geht's“ / „Lohnt sich's“, oder in der Batch-Screening-Phase.
  • Die Schnelllesen-Notiz erhält im Frontmatter mode: Schnelllesen. Wenn der Benutzer später eine Aufwertung auf Tiefenlesen wünscht, die Module auf Basis des Originaltexts ergänzen, vorhandene Inhalte beibehalten.

Zerlegungsmodule (9, feste Reihenfolge)

  1. Ein-Satz-Zusammenfassung: Maximal 3 Zeilen, damit jemand, der das Papier nicht gelesen hat, versteht, was es getan hat (je ein Satz zu Problem, Methode, Schlussfolgerung).
  2. Forschungsfrage: Kernanliegen + praktische/theoretische Lücke (wie im Original formuliert). Muss auf eine einzige Fragestellung kondensiert werden („Dieser Artikel versucht zu beantworten: ...“) und warum frühere Arbeiten es nicht gelöst haben – liegt es an unklaren Konzepten, ungeklärten Mechanismen, falschen Methoden oder geänderten Kontexten.
  3. Akademische Verortung: Wo steht dieses Papier in der Landschaft? Mit wem dialogisiert es, wen führt es fort, wen fordert/revidiert es, welche Lücke füllt es? (Basierend auf der Literaturübersicht/Zitaten des Originals; bei Nichtüberprüfbarkeit „Literatur nicht überprüft“ schreiben). In einem Satz die relative Position zusammenfassen: „Dieser Artikel ist eine Fortführung/Herausforderung von YY im Kontext von XX.“
  4. Theoretischer Rahmen: Welche Theorie wird verwendet? (Street-Level Bureaucracy / Collaborative Governance / Policy Instruments / Smith-Modell / Multiple Streams / IAD / Holistic Governance / Transaktionskosten ...); Welche Rolle spielt die Theorie? (Analytische Linse / Erklärungsmechanismus / Konstruktionsrahmen / reine Dekoration); Warum wurde diese Theorie gewählt? – Was ist die passende Logik zwischen Problemcharakteristik und Theoriefähigkeit? Würde eine andere Theorie auch gehen?
  5. Rekonstruktion der Argumentationskette: Zeichnen Sie die Argumentationskette des Papiers explizit nach – Problem → Theorie → Analyse/Hypothese → Evidenz → Schlussfolgerung, Schritt für Schritt auflisten mit Seitenangaben. Prüfen Sie die Gültigkeit jedes Glieds. Bei Brüchen (Begriffsvertauschung / Zirkelschluss / Schlussfolgerung über Evidenz hinaus / fehlendes Glied) explizit mit 【Bruchstelle】 markieren und erläutern. Dieses Modul ist das Kernstück des Tiefenlesens. Listen- oder Flussdiagramm-Format verwenden, keine zusammenfassenden Absätze.
  6. Forschungsdesign & Methode: Fallstudie / QCA / Fragebogen / Semistrukturiertes Interview / Textanalyse / Experiment / Mixed Methods – Was ist die Designlogik? Passen Methodenwahl und Problem/Theorie zusammen?
  7. Datenquellen: Woher stammen die Daten? Stichprobengröße? Zeitraum? Wie wurden sie verarbeitet?
  8. Kernaussagen & Innovationspunkte: Was behauptet der Autor? Was ist neu im Vergleich zur bisherigen Forschung? (Bezug zu Modul 3; das Neue muss auf die spezifische Verortung in der Landschaft bezogen werden.)
  9. Kritische Bewertung (Nachweisstärke & Einschränkungen kombiniert, Quellen trennen):
    • Nachweisstärke: Stützen die Nachweise die Schlussfolgerungen? Werden sie überinterpretiert? Gibt es einfachere alternative Erklärungen, die ignoriert werden? Wo liegen die Grenzen der Generalisierbarkeit von Fall/Stichprobe?
    • Einschränkungen: Vom Autor selbst benannte Einschränkungen (mit „Autor selbst“ kennzeichnen) + von Ihnen erkannte Schwachstellen (mit „Anmerkung des Autors des Skills“ kennzeichnen).
    • Offene Punkte: Mögliche Anschlussfragen (mit „Anmerkung des Autors des Skills“ kennzeichnen).

Zwingende Einschränkungen (entscheidend, um KI-Fehler zu vermeiden)

  • Nur basierend auf dem gelieferten Text. Wenn etwas nicht zu finden ist, schreiben Sie „Im Original nicht explizit erwähnt“. Erfinden Sie keinesfalls Schlussfolgerungen, Daten, Literatur oder Aussagen des Autors.
  • Bei konkreten Zahlen, Schlussfolgerungen, Zitierbeziehungen immer am Original orientieren. Aus dem Gedächtnis geschriebenes gilt als erfunden.
  • Auch bei „Anmerkung des Autors des Skills“-Zitaten muss die Rückverfolgung zum Original möglich sein: Bei nicht überprüfbarer Literatur immer „Literatur nicht überprüft“ schreiben, keine konkreten Zeitschriften/Autoren/Jahre erfinden.
  • Zitate müssen Seitenzahlen oder Absatznummern enthalten (z. B. S. 12 / §3.2), damit der Benutzer sie am Original überprüfen kann; innerhalb eines Moduls für jede Zeile einzeln angeben, nicht mehrere Zitate auf einen Seitenbereich zusammenfassen.
  • Urteile in den Modulen 3, 5 und 9 (Verortung, Bruchstellen, Nachweisstärke) sind „Bewertung des Autors des Skills“ und müssen im Text strikt von „Aussage des Autors“ getrennt werden. Die Bewertung des Autors des Skills darf nicht als Absicht des ursprünglichen Autors getarnt werden.
  • Ausgabe als Markdown (nicht Org-mode, nicht Word, nicht PDF), als normale Markdown-Datei.
  • Frontmatter muss enthalten: title, journal (Zeitschrift Jahr(Heft)), authors, mode (Tiefenlesen/Schnelllesen), tags (Theorie + Methode Doppel-Tag, siehe Tag-Bibliothek), rating (1-5-Skala: 5 = Direkt relevant für eigene Forschung / Methode wiederverwendbar; 4 = Methode oder Schlussfolgerung übernehmbar; 3 = Allgemeine Referenz; 2 = Schwacher Bezug zum eigenen Feld; 1 = Kein Bezug; nach der Zahl ein kurzer Begründungssatz).
  • Keine Analyse des „Bezugs zu mir“ durchführen (der Benutzer hat explizit abgelehnt), keine Transferpunkte zu Prüfungen/Schreiben erzwingen.
  • Bei Links ohne herunterladbaren Volltext → Sofort stoppen und den Benutzer auffordern, von der offiziellen Webseite herunterzuladen und zu senden. Nicht fortfahren.

Ausgabevorlage

Notizen gemäß references/note-template.md erstellen.

Theorie-/Methoden-Tag-Bibliothek

Beim Setzen von tags aus references/pa-theory-tags.md die Standard-Tags auswählen (Theorie-Klasse + Methode-Klasse), um konsistente Doppel-Links und aggregierte Suche zu gewährleisten. Falls kein passendes Tag vorhanden, eigenes Tag erstellen und in die Bibliothek aufnehmen.

Ablagepfad

Notizen schreiben nach: <LOCAL_NOTES_DIR>/Öffentliche_Verwaltung/Literaturnotizen/<Papier_Titel>.md (Dieses Skill erzeugt nur normale Markdown-Dateien, keine Bindung an Obsidian. Bitte <LOCAL_NOTES_DIR> vor der Verwendung durch Ihr lokales Notizverzeichnis ersetzen, z. B. das Root-Verzeichnis des Obsidian Vaults oder einen anderen Ordner; falls das Verzeichnis nicht existiert, zuerst erstellen.)

Arbeitsablauf

  1. Eingabe empfangen → Typ bestimmen (PDF / Text / Link / Batch).
  2. Link-Typ: Versuchen, Volltext herunterzuladen; bei Misserfolg Benutzer auffordern, von offizieller Webseite herunterzuladen und zu senden, anhalten.
  3. Bei vorhandenem Volltext: Zuerst Tiefenstufe wählen (Tiefenlesen / Schnelllesen), dann nach entsprechendem Modulsatz + zwingenden Einschränkungen zerlegen.
  4. Mit references/note-template.md als Vorlage die Markdown-Notiz generieren.
  5. Datei in den Ablagepfad schreiben; im Batch-Modus zusätzlich Literaturkorpus-<Thema>.md-Vergleichstabelle generieren.
  6. Dem Benutzer einen Satz zurückmelden: Welches Papier zerlegt, Tiefen- oder Schnelllesen, in welche Datei geschrieben, ob noch fehlende Originaltexte/zu klärende Punkte vorhanden sind.

Verwandte Skills