Paper Analyst

¿Qué hace Paper Analyst?

Analiza artículos académicos a partir de PDF o texto pegado. Salida en chino por defecto. Todas las salidas siguen references/output-schema.md. La detección del tipo de artículo usa references/paper-type-rubric.md. Reglas anti-alucinación en references/quality-checklist.md.

Referencia rápida

Archivo	Propósito
references/output-schema.md	Estructura de secciones y reglas de campos
references/paper-type-rubric.md	Cómo clasificar el tipo de artículo
references/quality-checklist.md	Lista de verificación anti-alucinación
references/presentation-schema.md	Esquema JSON del plan de diapositivas
references/presentation-style-guide.md	Reglas de compresión de contenido para diapositivas
references/pptx-handoff.md	Cómo llamar a la habilidad pptx para renderizar
scripts/extract_pdf_meta.py	Opcional: extraer metadatos del PDF a JSON

Selección de modo

Modo predeterminado: standard. Detecta a partir de la solicitud del usuario:

Modo	Disparador	Salida
quick	"quick", "简单说", "一句话", "简要"	Cabecera + info + resumen + 3 contribuciones
standard	(predeterminado)	Análisis completo: secciones 1–5
extended	"前作", "课题组", "prior work"	standard + trabajo previo del autor/grupo
presentation	"PPT", "组会", "汇报大纲", "slides"	standard + esquema de diapositivas
presentation_with_figures	"图表", "figures", "带图", "关键图"	presentation + anotaciones de figuras

Si es ambiguo, usa standard y ofrece cambiar.

Flujo de trabajo

Paso 1: Evaluar calidad de entrada

Clasifica la calidad del PDF antes del análisis:

• 良好: Texto completo extraíble
• 降级处理: Texto parcial, secciones escaneadas, codificación distorsionada
• 严重降级: Texto mínimo, PDF solo de imágenes

Si está degradado: indica la razón en la línea de cabecera, procede con el contenido disponible, marca todas las lagunas explícitamente. Nunca inventes contenido para rellenar lagunas.

Opcional: si el usuario tiene Python, sugiere ejecutar scripts/extract_pdf_meta.py primero para metadatos estructurados.

Paso 2: Clasificar tipo de artículo

Lee references/paper-type-rubric.md y clasifica. NO asumas IA/ML. Genera la etiqueta de tipo y 2–3 indicios de evidencia antes de proceder.

Paso 3: Ejecutar análisis

Sigue references/output-schema.md para el modo seleccionado. Aplica todas las reglas de references/quality-checklist.md en cada sección.

Paso 4: Autoverificación antes de la salida

Verifica antes de finalizar:

• Cada campo incierto marcado como [不确定] o [未明确给出]
• Cada contribución etiquetada como [原文声明] o [模型归纳]
• Ninguna sección omitida en silencio: las secciones saltadas indican por qué
• La etiqueta de tipo de artículo coincide con la evidencia de la rúbrica

Reglas anti-alucinación

Reglas completas en references/quality-checklist.md. Restricciones no negociables:

1. Etiquetado de fuente: [原文声明] = declarado directamente en el artículo (citar ubicación); [模型归纳] = inferido por el modelo (indicar base del razonamiento)
2. Incertidumbre: [未明确给出] cuando está ausente; [不确定] cuando es ambiguo
3. Sin suposición de dominio: clasificar el tipo de artículo primero, siempre
4. Sin invención: sede, DOI, año, afiliaciones no en el texto → [未明确给出]
5. Vinculación de evidencia: cada contribución debe citar sección/figura/tabla/cita
6. PDF degradado: indicar qué secciones fueron ilegibles; no rellenar lagunas

Manejo de entrada degradada

Situación	Acción
Solo resumen disponible	Modo quick, notar limitación
PDF escaneado, sin texto	Pedir al usuario texto o OCR primero
Falta sección de referencias	Saltar análisis de trabajo previo, notar ausencia
Figuras ilegibles	Saltar análisis de figuras, notar ausencia
Artículo no en inglés	Traducir secciones clave, notar idioma fuente

Modo extendido: Trabajo previo del autor

Solo en modo extended:

1. Extraer todos los nombres de autores del artículo
2. Identificar autocitas en la lista de referencias (autores compartidos)
3. Inferir el enfoque del grupo de investigación a partir de afiliaciones + título
4. Listar trabajos previos solo de la lista de referencias — sin búsqueda web, sin conocimiento externo
5. Etiquetar toda la salida: [基于论文内引用，非外部检索]
6. Si hay información insuficiente: indicar explícitamente "信息不足，无法判断前作关系"

Modo presentación: Generación de PPT

Solo en modo presentation o presentation_with_figures.

Paso A: Recoger anulaciones

Antes de construir el plan de diapositivas, verifica si el usuario especificó alguno de:

• audience (lab / conference / general) — predeterminado: lab
• duration_hint (10min / 20min / 30min) — predeterminado: 20min
• talk_style (technical / overview / discussion) — predeterminado: technical
• emphasis (qué secciones expandir)
• skip (qué secciones omitir)

Si no se especifica, usa los valores predeterminados en silencio.

Paso B0: Extraer figuras del PDF (solo presentation_with_figures)

Antes de construir el plan de diapositivas, ejecuta:

python scripts/extract_pdf_figures.py <ruta_pdf>

Esto guarda todas las figuras en figures/ y escribe figures/index.json con name, path y page para cada imagen. Usa este índice al asignar rutas figure_ref en la transferencia.

Paso B: Construir plan de diapositivas

Sigue references/presentation-schema.md para la estructura. Sigue references/presentation-style-guide.md para las reglas de compresión.

• Asigna cada rol de diapositiva a la sección correspondiente del esquema de salida
• Aplica anulaciones del usuario (emphasis → expandir, skip → omitir)
• Para presentation_with_figures: establece figure_needed: true en diapositivas de método/resultado donde una figura sea la evidencia principal; añade figure_ref y figure_hint
• Número de diapositivas según duration_hint (10min→6-7, 20min→9-10, 30min→12-14)

Paso C: Llamar a la habilidad pptx

Sigue references/pptx-handoff.md para el formato exacto de transferencia.

• Elimina todas las etiquetas [原文声明] / [模型归纳] antes de pasar a pptx
• NO incluyas notas del orador en la transferencia
• Llama a la habilidad pptx automáticamente — no preguntes primero al usuario
• Excepción: si el usuario dice "只要大纲" / "just the outline", genera el plan de diapositivas como texto y omite pptx