auto-paper-collecter (compétence)

Que fait auto-paper-collecter (compétence) ?

Un radar de veille de recherche auto-hébergé qui s'exécute dans un agent de codage. Les scripts Python ne font que le travail déterministe (appel API, déduplication, rendu, email). VOUS — l'assistant exécutant cette compétence — faites tout le travail de jugement : expansion des requêtes, filtrage de pertinence en informatique, résumés en chinois et synthèse des tendances. Cela signifie qu'aucune clé API d'IA n'est nécessaire — le modèle qui exécute cette compétence (Claude dans Claude Code, GPT dans Codex, …) est le LLM.

Structure

skill/
├── SKILL.md
├── scripts/   common.py · fetch.py · render.py · notify.py   (stdlib uniquement)
├── state/     config.json · (queries/candidates/curated/trends/seen .json)
└── digests/   YYYY-MM-DD.md  +  .html

Exécutez les scripts depuis scripts/ : cd skill/scripts && python3 <script>.py

Configuration — state/config.json

• keywords : jusqu'à ~3 chaînes de sujet à suivre.
• domain : le domaine pour restreindre la pertinence (par défaut computer science).
• sources : activez/désactivez arXiv / Crossref / Semantic Scholar / GitHub / HuggingFace / PapersWithCode / RSS.
• lookback_days : combien de jours en arrière récupérer (la déduplication évite de toute façon les répétitions).
• max_per_source, rss_feeds.

Lorsque l'utilisateur demande de changer les mots-clés / sources / domaine, modifiez ce fichier et confirmez le changement à l'utilisateur.

Variables d'environnement optionnelles (jamais stockées dans le dépôt) : SEMANTIC_SCHOLAR_KEY (augmente les limites de débit S2), GITHUB_TOKEN (augmente les limites GitHub), SMTP_* / EMAIL_TO (email), et les canaux de notification — TELEGRAM_BOT_TOKEN/TELEGRAM_CHAT_ID, SLACK_WEBHOOK_URL, WECHAT_WEBHOOK (robot de groupe WeChat) ou SERVERCHAN_KEY (Server酱).

Le pipeline d'exécution — SUIVRE DANS L'ORDRE

1 · Lire la configuration et développer les requêtes (vous)

Lisez state/config.json. Pour chaque mot-clé, pensez à 2–3 requêtes de recherche associatives en anglais — synonymes, formes complètes, sous-thèmes adjacents — afin que la trouvaille ne se limite pas au terme littéral (par ex. C2Rust → ["C2Rust", "C-to-Rust translation", "migrating legacy C code to Rust"]). Écrivez-les dans state/queries.json sous la forme {"<keyword>": ["q1", "q2", ...], ...}.

2 · Récupérer les candidats (script)

cd skill/scripts && python3 fetch.py

Récupère chaque source activée pour ces requêtes, supprime tout ce qui est déjà dans state/seen.json ou plus ancien que lookback_days, et écrit state/candidates.json. S'il signale 0 candidats, dites à l'utilisateur "暂无新文献" et arrêtez-vous (rien d'autre à faire).

3 · Filtrer la pertinence et résumer (vous)

Lisez state/candidates.json. Pour chaque élément, décidez : est-ce (a) de l'informatique et (b) vraiment dans le thème pour son mot-clé topic ? Supprimez le reste ("traduction" médicale, "IA" financière, listes d'étoiles GitHub aléatoires, etc.). Pour chaque élément conservé, écrivez un résumé concis en chinois et assemblez state/curated.json — une liste d'objets :

{"source","topic","title","url","venue","authors","published",
 "tldr":"一句话核心 (<=60字)","method":"方法简述 (<=80字)",
 "contributions":["核心贡献1","核心贡献2"]}

Placez d'abord les articles, puis les dépôts GitHub en dernier (ils constituent un signal supplémentaire). Si une source a déjà fourni un tldr, vous pouvez vous en inspirer.

Les éléments GitHub sont des dépôts, pas des articles — ne les résumez pas excessivement. Utilisez la description du dépôts (son abstract) comme tldr et laissez method/contributions vides. fetch.py ne conserve déjà que les dépôts avec ≥10 étoiles, classés par étoiles, ce qui garantit leur substance (cours / framework / awesome-list), et non du bruit personnel.

4 · Synthèse des tendances (vous, optionnel mais recommandé)

Regroupez les éléments conservés en quelques sous-domaines CS généraux (自然语言处理 / 计算机视觉 / 系统与编译 … ; fusionnez de manière agressive). Écrivez state/trends.json : {"top": [{"name","delta": <count>, "summary": "<=80字方向总结", "papers": ["title", ...]}, ... jusqu'à 3]}.

5 · Rendu du digest (script)

cd skill/scripts && python3 render.py

Écrit digests/YYYY-MM-DD.md + .html à partir de curated.json (+ trends.json) et enregistre tout ce qui a été affiché dans seen.json pour éviter les répétitions.

6 · Notification (script, optionnel)

cd skill/scripts && python3 notify.py     # envoie le digest HTML par email si SMTP_* est configuré

7 · Rapport (vous)

Dites à l'utilisateur combien d'articles ont été conservés, les principales directions chaudes et le chemin du digest. Proposez d'ouvrir le HTML ou d'ajuster les mots-clés.

Notes

• Les scripts sont en Python pur avec la bibliothèque standard — pas de pip install requis.
• fetch.py filtre déjà les dates futures invalides et déduplique entre les exécutions.
• Cette compétence est la contrepartie pilotée par agent du tableau de bord Web FastAPI du projet ; les deux partagent les mêmes sources et la même philosophie de pipeline.