Language Setting / 语言设置

Cette compétence prend en charge les rapports en chinois et en anglais. La langue est déterminée par le champ language dans votre fichier de configuration :

Chinois (par défaut) : Définir language: "zh" dans la configuration
Anglais : Définir language: "en" dans la configuration

Le fichier de configuration doit se trouver à l'emplacement suivant : $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

Runtime / 运行环境

Le répertoire parent du présent SKILL.md est défini comme $SKILL_DIR.
Windows PowerShell utilise $env:OBSIDIAN_VAULT_PATH, les shells macOS/Linux utilisent $OBSIDIAN_VAULT_PATH.
Lors de l'exécution des scripts, utilisez d'abord le python (Windows) ou python3 (macOS/Linux) disponible ; ne présumez pas d'un chemin d'interpréteur fixe.
Avant la première exécution, vérifiez que python -c "import yaml, requests, fitz" réussit ; en cas de dépendances manquantes, installez les dépendances listées dans le fichier requirements.txt du projet.
Sous Windows, si les variables d'environnement ne sont pas encore chargées dans le processus actuel, lisez le chemin du vault depuis le champ vault_path du fichier de configuration, ne revenez pas à un chemin d'exemple Linux.

Language Detection

Au début de l'exécution, lisez le fichier de configuration pour détecter le paramètre de langue :

# Resolve OBSIDIAN_VAULT_PATH if not set in the current session
# Some agent-hosted shell sessions do not source interactive shell profiles automatically
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

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

# Default to Chinese if not set
if [ -z "$LANGUAGE" ]; then
    LANGUAGE="zh"
fi

# Set note filename suffix based on language
if [ "$LANGUAGE" = "en" ]; then
    NOTE_SUFFIX="paper-recommendations"
else
    NOTE_SUFFIX="论文推荐"
fi

Lecture de la configuration équivalente pour 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' }

Ensuite, utilisez ce paramètre de langue tout au long du flux de travail :

Lors de la génération des notes, transmettez --language $LANGUAGE aux scripts
Utilisez les en-têtes de section appropriés dans les notes générées

Objectif

Aider l'utilisateur à démarrer sa journée de recherche en recherchant les articles les plus brûlants, les plus populaires et les plus de haute qualité du dernier mois et de la dernière année, et en générant des notes de recommandation.

Flux de travail

Aperçu du flux de travail

Cette compétence utilise un script Python pour appeler l'API arXiv afin de rechercher des articles, analyser les résultats XML et les filtrer et les noter en fonction des intérêts de recherche.

Étape 1 : Collecte du contexte (silencieuse)

Obtenir la date du jour
- Déterminer la date actuelle (format AAAA-MM-JJ)
Lire la configuration de recherche
- Lire le fichier $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml (remarque : le nom du fichier est interests, pas interest) pour obtenir les domaines de recherche
- Extraire : mots-clés, catégories et priorités
- Utiliser comme profil d'intérêt les titres, les tags et la distribution des revues de la collection Zotero ; le profil actuel met l'accent sur le traitement des données sismiques, l'acquisition mixte et le démixage, le débruitage et la reconstruction, l'analyse temps-fréquence, l'analyse de vitesse, la simulation de champ d'ondes, ainsi que la géophysique sous contrainte physique/apprentissage profond
- Accorder la priorité à GEOPHYSICS, IEEE Transactions on Geoscience and Remote Sensing, IEEE Geoscience and Remote Sensing Letters, Geophysical Journal International, Geophysical Prospecting, Interpretation et Journal of Applied Geophysics
Analyser les notes existantes pour construire un index
- Analyser tous les fichiers .md dans le répertoire 20_Research/Papers/
- Extraire les titres des notes (à partir des noms de fichiers et du champ title du frontmatter)
- Construire une table de correspondance entre les mots-clés et les chemins des notes pour les liens automatiques ultérieurs
- Utiliser de préférence le champ title du frontmatter, puis le nom de fichier

Étape 2 : Recherche d'articles

2.1 Périmètre de recherche

Rechercher les articles récents dans toutes les catégories pertinentes :

Périmètre de recherche
- Utiliser scripts/search_arxiv.py pour rechercher sur arXiv
- Requête : toutes les catégories arXiv pertinentes pour la recherche
- Trier par date de soumission
- Limiter les résultats : 200 articles
Stratégie de filtrage
- Filtrer les articles en fonction du fichier de configuration des intérêts de recherche
- Calculer un score de recommandation composite
- Conserver les 10 articles les mieux notés

2.2 Exécution de la recherche et du filtrage

Utiliser le script scripts/search_arxiv.py pour effectuer la recherche, l'analyse et le filtrage :

# Utiliser le script Python pour rechercher, analyser et filtrer les articles arXiv
# D'abord, se placer dans le répertoire de la compétence, puis exécuter le script
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/"

Fonctionnalités du script :

Recherche sur arXiv
- Appeler l'API arXiv pour rechercher des articles dans les catégories spécifiées
- Obtenir jusqu'à 200 articles les plus récents
Analyser les résultats XML
- Analyser le XML renvoyé par l'API
- Extraire : ID, titre, auteurs, résumé, date de publication, catégories
Appliquer le filtrage et la notation
- Filtrer les articles en fonction du fichier de configuration des intérêts de recherche
- Calculer un score de recommandation composite (pertinence 40%, récence 20%, popularité 30%, qualité 10%)
- Trier par score, conserver les 10 premiers

Sorties :

arxiv_filtered.json - Liste des articles filtrés (format JSON)
Chaque article contient :
- ID de l'article, titre, auteurs, résumé
- Date de publication, catégories
- Score de pertinence, score de récence, score de popularité, score de qualité
- Score de recommandation final, domaine(s) correspondant(s)

Étape 3 : Lecture des résultats filtrés

3.1 Lecture du fichier JSON

Lire la liste des articles filtrés et notés à partir de arxiv_filtered.json :

# Lire les résultats filtrés
cat arxiv_filtered.json

Le résultat contient :

total_found: Nombre total d'articles trouvés
total_filtered: Nombre d'articles après filtrage
top_papers: Les 10 articles les mieux notés, chacun contenant :
- ID de l'article, titre, auteurs, résumé
- Date de publication, catégories
- Score de pertinence, score de récence, score de qualité
- Score de recommandation final, domaine(s) correspondant(s), mots-clés correspondants

3.2 Explication des scores

Notation combinée sur plusieurs dimensions :

Score de recommandation =
  Score de pertinence : 40%
  Score de récence : 20%
  Score de popularité : 30%
  Score de qualité : 10%

Détails de la notation :

Score de pertinence (40%)
- Degré de correspondance avec les intérêts de recherche
- Correspondance des mots-clés dans le titre : +0,5 point pour chaque
- Correspondance des mots-clés dans le résumé : +0,3 point pour chaque
- Correspondance de catégorie : +1,0 point
- Score maximum : ~3,0
Score de récence (20%)
- Moins de 30 jours : +3 points
- 30 à 90 jours : +2 points
- 90 à 180 jours : +1 point
- Plus de 180 jours : 0 point
Score de popularité (30%)
- (Si les données sont disponibles) Nombre de citations > 100 : +3 points
- Citations 50-100 : +2 points
- Citations < 50 : +1 point
- Pas de données de citation : 0 point
- Ou déduction basée sur le temps depuis la publication (nouveaux articles populaires des 7 derniers jours) : +2 points
Score de qualité (10%)
- Déduit du résumé : innovation significative : +3 points
- Méthodologie claire : +2 points
- Travail général : +1 point
- Ou lire le score de qualité des notes existantes

Score de recommandation final = Pertinence(40%) + Récence(20%) + Popularité(30%) + Qualité(10%)

Étape 4 : Génération de la note de recommandation du jour

4.1 Lecture des résultats filtrés

Lire la liste des articles filtrés à partir de arxiv_filtered.json :

Contient les 10 articles les mieux notés
Chaque article contient des informations complètes : ID, titre, auteurs, résumé, score, domaine correspondant
Tous les 10 articles les mieux notés doivent être téléchargés dans ce répertoire : $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Le nom de fichier PDF local dans la note doit être lié au fichier PDF local situé dans le répertoire $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Si un candidat très bien noté n'a pas d'adresse PDF ouverte légale, ignorez ce candidat et ajoutez le suivant par ordre de score jusqu'à obtenir 10 articles ; si l'on n'atteint pas 10 articles, arrêtez-vous et signalez-le, sans générer de note incomplète

4.2 Création du fichier de note de recommandation

Créer le fichier de note de recommandation
- Nom du fichier (selon le réglage de langue) :
  - Chinois (language: "zh") : 10_Daily/AAAA-MM-JJ论文推荐.md
  - Anglais (language: "en") : 10_Daily/AAAA-MM-JJ-paper-recommendations.md
- Utiliser la variable : 10_Daily/AAAA-MM-JJ${NOTE_SUFFIX}.md (où NOTE_SUFFIX est défini lors de la détection de la langue)
- Doit contenir les propriétés :
  - keywords: Mots-clés des articles recommandés du jour (séparés par des virgules, extraits des titres et résumés)
  - tags: ["llm-generated", "daily-paper-recommend"]
Vérifier si un article mérite une description détaillée
- Articles très intéressants : Score de recommandation >= 7,5 ou articles spécialement recommandés
- Articles recommandés généraux : Autres articles
Vérifier si un article a déjà une note
- Chercher dans le répertoire 20_Research/Papers/
- Voir s'il existe une note détaillée pour cet article
- Si une note existe : écrire brièvement, faire référence à la note existante
- Si aucune note n'existe :
  - Article très intéressant : écrire une section détaillée dans la note de recommandation
  - Recommandé général : n'écrire que les informations de base

4.2 Structure de la note de recommandation

La structure du fichier de note est la suivante :

---
keywords: [mot-clé1, mot-clé2, ...]
tags: ["llm-generated", "daily-paper-recommend"]
---

[Liste des recommandations d'articles...]

4.2.1 Aperçu du jour (avant la liste des articles)

Avant la liste des articles, ajoutez une section d'aperçu résumant la situation globale des articles recommandés du jour.

Choisir la langue selon le paramètre $LANGUAGE :

Anglais (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}

Chinois (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}

Explication :

Basé sur les titres, résumés et scores des 10 premiers articles filtrés
Extraire les thèmes et tendances de recherche communs
Donner des suggestions raisonnables d'ordre de lecture

4.2.2 Format uniforme pour tous les articles

Tous les articles sont classés du score le plus élevé au plus bas, en utilisant un format uniforme.

Choisir la langue des étiquettes selon le paramètre $LANGUAGE :

Anglais (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]

---

Chinois (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]

---

Règles de format importantes :

Les wikilinks doivent utiliser un alias d'affichage : [[File_Name|Display Title]], n'utilisez pas de [[File_Name]] nu (les underscores s'affichent directement, ce qui nuit à la lecture)
Les images doivent utiliser la syntaxe d'incorporation wikilink d'Obsidian : ![[filename.png|600]], interdiction d'utiliser le format ![alt](path%20encoded) (l'encodage URL ne fonctionne pas dans Obsidian)
Le format PDF dans le fichier de note doit être [[nom_fichier_local|PDF]], le nom du fichier local doit être lié au fichier PDF local situé dans le répertoire $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Informations sur l'affiliation : Extraire des champs \author ou \affiliation du code source TeX de l'article ; si l'API arXiv ne les fournit pas, les lire à partir du package source téléchargé.
N'utilisez pas --- comme espace réservé pour « aucune donnée » : utilisez -- à la place (trois tirets sont interprétés par Obsidian comme une ligne de séparation).

4.2.3 Insérer des images et appeler une analyse détaillée pour les trois premiers articles

Pour les 3 premiers articles (les 3 les mieux notés) :

Étape 0 : Vérifier si l'article a déjà une note

# Chercher dans le répertoire 20_Research/Papers/ les notes existantes

# Méthodes de recherche :
# 1. Par ID d'article (ex : 2602.23351)
# 2. Par titre d'article (correspondance floue)
# 3. Par mots-clés du titre de l'article

Étape 1 : Décider du traitement en fonction du résultat de la vérification

Si une note existe :

Ne pas générer un nouveau rapport détaillé
Utiliser le chemin de la note existante comme wikilink
Faire référence à la note existante dans le champ « rapport détaillé » de la note de recommandation
Vérifier si des images doivent être extraites (s'il n'y a pas de répertoire images ou si le répertoire images est vide)
- Si des images sont nécessaires : appeler extract-paper-images
- Si des images existent : utiliser les images existantes

Si aucune note n'existe :

Appeler extract-paper-images pour extraire les images
Appeler paper-analyze pour générer un rapport détaillé
Ajouter des images et un lien vers le rapport détaillé dans la note de recommandation

Étape 2 : Insérer des images et des liens dans la note de recommandation

Si une note existe :

### [[Nom_article_existant]]
- **Auteurs** : [liste des auteurs]
- **Affiliation** : [nom de l'institution]
- **Liens** : [arXiv](lien) | [[nom_fichier_local|PDF]]
- **Source** : [arXiv]
- **Rapport détaillé** : [[chemin_note_existante]]
- **Note** : Analyse détaillée existante

**Résumé en une phrase** : [une phrase résumant la contribution principale]

![[existing_image_filename.png|600]]

**Contributions/points clés** :
...

Si aucune note n'existe :

### [[Note_Filename|Nom d'affichage du titre de l'article]]
- **Auteurs** : [liste des auteurs]
- **Affiliation** : [nom de l'institution]
- **Liens** : [arXiv](lien) | [[nom_fichier_local|PDF]]
- **Source** : [arXiv]
- **Rapport détaillé** : [[20_Research/Papers/[domaine]/[nom_note]|Titre court]] (généré automatiquement)

**Résumé en une phrase** : [une phrase résumant la contribution principale]

![[paperID_fig1.png|600]]

**Contributions/points clés** :
...

Règles de format pour les images (important !) :

Doit utiliser la syntaxe d'incorporation wikilink d'Obsidian : ![[filename.png|600]]
Interdiction d'utiliser la syntaxe d'image markdown : ~~![alt](path%20with%20encoding)~~ — L'encodage URL (%20, %26) ne fonctionne pas dans Obsidian.
Exemple de nom de fichier image : 2603.24124_fig1.png
Obsidian recherchera automatiquement les noms de fichiers correspondants dans le vault, sans avoir à écrire le chemin complet.

Explication du rapport détaillé :

Chemin du rapport : 20_Research/Papers/[catégorie_article]/[nom_note].md
Important : Utiliser le champ note_filename du JSON pour construire le wikilink.
Doit utiliser un alias d'affichage : [[20_Research/Papers/[domaine]/[nom_note]|Titre court]]
- Correct : [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting|Hypothesis-Conditioned Query Rewriting]]
- Incorrect : [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting_for_Decision-Useful_Retrieval]] (les underscores s'affichent directement, ce qui n'est pas esthétique)
Le rapport détaillé est généré automatiquement par paper-analyze.

Extraction des affiliations :

Extraire les champs \author et \affiliation du fichier .tex du package source arXiv téléchargé (.tar.gz)
Si le code source n'est pas disponible, extraire du HTML de la page arXiv
Si toujours impossible à obtenir, marquer avec -- (utiliser deux tirets, ne pas en utiliser trois ---, car Obsidian l'interprète comme une ligne de séparation)

Étape 5 : Liens automatiques des mots-clés (optionnel)

Après avoir généré la note de recommandation, lier automatiquement les mots-clés aux notes existantes :

# Étape 1 : Analyser les notes existantes
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# Étape 2 : Générer la note de recommandation (flux normal)
# ... utiliser search_arxiv.py pour rechercher des articles ...

# Étape 3 : Lier les mots-clés (nouvelle étape)
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/AAAA-MM-JJ${NOTE_SUFFIX}.md" \
  --output "10_Daily/AAAA-MM-JJ${NOTE_SUFFIX}_linked.md"

Remarque :

Le script de liaison des mots-clés ignore automatiquement le frontmatter, les lignes de titre et les blocs de code.
Filtre les mots génériques (and, for, model, learning, etc.)
Préserve les wikilinks existants sans les modifier.

Règles importantes

Élargir le périmètre de recherche : Rechercher les articles populaires du dernier mois + de la dernière année.
Score de recommandation composite : Combiner les quatre dimensions : pertinence, récence, popularité, qualité.
Nom de fichier basé sur la date : Maintenir le format 10_Daily/AAAA-MM-JJ${NOTE_SUFFIX}.md (chinois : 论文推荐, anglais : paper-recommendations).
Ajouter un aperçu du jour : Ajouter une section "## Aperçu du jour" au début de la note de recommandation, résumant les principales directions de recherche, les tendances globales, la distribution de la qualité, les points chauds de la recherche et les suggestions de lecture.
Classer par score : Tous les articles sont classés du score de recommandation le plus élevé au plus bas.
Traitement spécial pour les 3 premiers :
- Le nom de l'article est au format wikilink : [[nom_article]]
- Extraire automatiquement la première image et l'insérer
- Appeler automatiquement paper-analyze pour générer un rapport détaillé
- Afficher l'association wikilink dans le champ « rapport détaillé »
Autres articles : N'écrire que les informations de base, sans insérer d'images.
Rester rapide : Permettre à l'utilisateur de comprendre rapidement les recommandations du jour.
Éviter les doublons : Vérifier les articles déjà recommandés.
Liaison automatique des mots-clés :
- Après avoir généré la note de recommandation, analyser automatiquement les notes existantes.
- Remplacer les mots-clés dans le texte (ex : BLIP, CLIP) par des wikilinks.
- Exemple : BLIP → [[BLIP]]
- Préserver les wikilinks existants sans les modifier.
- Ne pas remplacer le contenu dans les blocs de code.
- Ne pas remplacer le contenu des wikilinks existants (pour éviter les doublons).

Différences avec les autres compétences

start-my-day (cette compétence)

Objectif : Filtrer les articles de recherche recommandés à partir d'une large recherche, générer des notes de recommandation quotidiennes.
Périmètre de recherche : Dernier mois + articles populaires/de qualité de la dernière année.
Contenu : Liste de recommandations
- Commence par un aperçu du jour : résumé des principales directions de recherche, tendances globales, répartition de la qualité, points chauds et suggestions de lecture.
- Format uniforme pour tous les articles.
- Traitement spécial pour les 3 premiers :
  - Nom de l'article au format wikilink : [[nom_article]]
  - Extraction automatique de la première image et insertion
  - Appel automatique de paper-analyze pour générer un rapport détaillé
  - Affichage de l'association wikilink dans le champ « rapport détaillé »
Traitement des images : Les 3 premiers extraient et insèrent automatiquement la première image ; ne contient pas d'images pour tous les articles.
Rapport détaillé : Généré automatiquement pour les 3 premiers, pas pour les autres.
Application : Déclenché manuellement par l'utilisateur chaque jour.
Référencement des notes : Si un article a déjà une note, l'écrire brièvement et y faire référence ; si l'analyse nécessite de citer des notes historiques, les citer directement.

paper-analyze (compétence d'analyse approfondie)

Objectif : L'utilisateur consulte activement un seul article pour une étude approfondie.
Cas d'utilisation : Articles que l'utilisateur souhaite voir mais que l'IA n'a pas traités.
Contenu : Note d'analyse approfondie détaillée de l'article
- Contient toutes les informations clés : problème de recherche, aperçu de la méthode, architecture de la méthode, innovations clés, résultats expérimentaux, analyse approfondie, comparaison avec les articles connexes, etc.
- Riche en illustrations : Toutes les images de l'article doivent être utilisées (diagramme d'architecture principal, diagramme de méthode, diagramme de résultats expérimentaux, etc.)
Application : L'utilisateur appelle activement paper-analyze (Codex utilise $paper-analyze, Claude Code utilise /paper-analyze) et fournit l'ID ou le titre de l'article.
Exigence importante : Que ce soit pour les articles traités par start-my-day ou ceux consultés activement par l'utilisateur, ils doivent être riches en illustrations.

Instructions d'utilisation

Lorsque l'utilisateur saisit "start my day", exécuter les étapes suivantes :

Prise en charge du paramètre de date :

Aucun paramètre : Génère une note de recommandation d'articles pour le jour même.
Avec un paramètre (AAAA-MM-JJ) : Génère une note de recommandation d'articles pour la date spécifiée.
- Exemple : $start-my-day 2026-02-27 dans Codex, /start-my-day 2026-02-27 dans Claude Code.

Flux d'exécution automatique

Obtenir la date cible
- Aucun paramètre : Utiliser la date actuelle (format AAAA-MM-JJ)
- Avec un paramètre : Utiliser la date spécifiée
Analyser les notes existantes pour construire un index
```
# Analyser les notes d'articles existantes dans le vault
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json
```
- Analyser le répertoire 20_Research/Papers/
- Extraire les titres et tags des notes
- Construire une table de correspondance entre les mots-clés et les chemins des notes

Rechercher et filtrer les articles arXiv

# Utiliser le script Python pour rechercher, analyser et filtrer les articles arXiv
# D'abord, se placer dans le répertoire de la compétence, puis exécuter le script
# S'il y a un paramètre de date cible (ex : 2026-02-21), le transmettre à --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 "{date_cible}"  # Si l'utilisateur a spécifié une date, la remplacer par la date réelle

Lire les résultats filtrés
- Lire les résultats filtrés depuis arxiv_filtered.json
- Obtenir les 10 articles les mieux notés
- Chaque article contient : ID, titre, auteurs, résumé, score, domaine correspondant
- Vérifier que les fichiers correspondant aux 10 local_pdf_filename existent tous dans le répertoire $OBSIDIAN_VAULT_PATH/20_Research/Papers/

[... tronqué pour la traduction]

Geophysics-Start-My-Day-Skill

Qu'est-ce que Geophysics-Start-My-Day-Skill ?

Demander à votre IA préférée

Aperçu

Documentation