paperdown2md — 論文PDFダウンロード + MinerU変換Markdown は何をしますか？

ユーザーから指定された1つ以上の論文識別子を、指定された出力ディレクトリに次の標準構造で保存します：

<output-dir>/
└── <論文フォルダ名>/
    ├── <論文名>.pdf      # フォルダと同じ名前、またはユーザー指定の短縮名
    ├── full.md           # MinerU extractによる全文Markdown
    └── images/           # 文中の画像リソース

参考例：paperdown2md/example/CIDD: Collaborative Intelligence for Structure-Based Drug Design Empowered by LLMs/（フォルダ名には CIDD のような代表的な短縮名、または完全なタイトルを使用できます）。

いつトリガーするか

ユーザーが論文のタイトル、arXiv/DOI/リンク、微信公衆号/小紅書の投稿リンク、または直接 PDF URL を指定した場合（複数可）
ユーザーがターゲットディレクトリを指定した場合（例：paperdown2md/example/、~/papers/）
PDF + full.md + images の三点セットが必要で、解析が MinerU extract（Token） を使用する場合（flash-extract で大きな論文を代替してはいけません）

コアフロー（各論文ごと）

1. 出力ディレクトリの確認

ユーザーは必ず --output-dir / ターゲットパスを指定する必要があります。指定がない場合はまず質問し、推測しないでください。
パスが存在しない場合は作成します。既に同名のフォルダが存在する場合は、上書きするかスキップするかを先に説明します。

2. フォルダ名とPDFファイル名の決定

以下の優先順位でフォルダ名（同時にデフォルトのPDFベース名、拡張子 .pdf）を決定します：

論文タイプ	命名提案	例
新しいモデル/手法を提案する論文	モデル/手法の略称または固有名	`CIDD`、`TargetDiff`
Benchmark 論文	benchmark名	`CrossDocked2020`
データセット論文	データセット名	`ImageNet`
その他	論文タイトル（120文字程度に切り詰め可）	PDF原題と同じ

ルール：

ファイルシステムで使用できない文字 \ / : * ? " < > | を除去します。
ユーザーが「フォルダ名をCIDDにして」と明示した場合は、ユーザーの指定を優先します。
複数論文を一括処理する場合、各論文を個別のフォルダに保存し、1つのディレクトリに混在させないでください。

3. 識別子の解析とPDFのダウンロード

バンドルされたスクリプトを優先して使用します（arXiv、DOI、直リンクPDF、微信公衆号/小紅書の投稿、OpenAlex/arXivのタイトル検索を解析）。

Pythonはskillsplace環境で実行する必要があります——scripts/run.sh（skillsplaceのPythonを自動的に見つける）を使用し、直接 python3 を実行しないでください：

bash paperdown2md/scripts/run.sh \
  -o "<出力ディレクトリ>" \
  --name "<フォルダ名>" \
  "<識別子>"

または、インタプリタを明示的に指定（macOS本機）：

/Users/jaycexu/anaconda3/envs/skillsplace/bin/python paperdown2md/scripts/paperdown2md.py \
  -o "<出力ディレクトリ>" --name "<フォルダ名>" "<識別子>"

環境	skillsplaceパス
macOS本機	`/Users/jaycexu/anaconda3/envs/skillsplace`
Windowsノートパソコン	`D:\Anaconda\envs\skillsplace`
jumphost-inner	`~/xsjenv/miniconda3/envs/skillsplace`

識別子 には次のものが使用できます：

arXiv：https://arxiv.org/abs/xxxx.xxxxx または xxxx.xxxxx
DOI：10.1038/... または https://doi.org/...
直接PDF：https://....pdf
微信公衆号記事：https://mp.weixin.qq.com/s/...
小紅書投稿：https://www.xiaohongshu.com/explore/...（共有リンクの xsec_token などのパラメータは保持することを推奨）
英字タイトル：スクリプトがOpenAlex経由で検索し、最適なオープンアクセスPDFを取得します

ソーシャルメディア投稿（公衆号 / 小紅書、v1.1+）

公衆号や小紅書の投稿を起点とする場合、スクリプトは以下の処理を行います：

公衆号：最初にHTTPでHTMLを取得します。小紅書：デフォルトでブラウザCDPを経由します（コンテンツは主にJSレンダリング）
HTTPが失敗した場合、またはアンチスクレイピングに遭遇した場合（例：「環境異常」、ノートが閲覧不可）→ 自動的にブラウザCDPに切り替えます（web-access のChrome Proxy、localhost:3456）
本文からarXiv / DOI / PDF直リンクを抽出します。直リンクがない場合 → 投稿タイトルと本文のキーワードを使用してOpenAlex + arXiv APIによる文献検索を実行します（関連性フィルタリングを含む）
投稿タイトルをフォルダ名として使用します（--name で上書き可）。その後、既存のフローに従ってPDFをダウンロードし、MinerUで処理します。

# 公衆号
bash paperdown2md/scripts/run.sh -o "<出力ディレクトリ>" \
  "https://mp.weixin.qq.com/s/jMW2lbgiHDka8CASFtQ81w"

# 小紅書（完全な共有URLを保持）
bash paperdown2md/scripts/run.sh -o "<出力ディレクトリ>" \
  "https://www.xiaohongshu.com/explore/6a1c2d75000000000603739b?xsec_token=..."

ブラウザフォールバックの前提条件：Chromeがリモートデバッグを有効にしていること（chrome://inspect/#remote-debugging）、および次のコマンドが実行可能であること：

node ~/.cursor/skills/web-access/scripts/check-deps.mjs

検索しても結果がない場合、Agentはさらに lr search、web-access、またはWebSearchを使用して論文を特定し、arXiv/DOIリンクを run.sh に渡すことができます。

スクリプトが対応できない場合は、次のようにします：

lr search arxiv "<英字タイトル>" --format json または lr search "<タイトル>" --format json を使用して url を探し、arXiv PDFを取得します。
web-access に従って出版社のページを確認します（著作権に注意；OA / arXivを優先）。
それでもPDFがない場合 → ユーザーに通知し、手動でフォルダに配置してもらい、既存のPDFに対してのみMinerUを実行します。

ダウンロード後のPDFファイル名：--name CIDD → CIDD.pdf；--name が指定されていない場合は、解析されたタイトルを使用します。

4. MinerU extract → full.md + images/

必ずToken版の extract を使用します（テーブル/数式/大容量ファイル）。操作前：

export MINERU_TOKEN="$(tr -d '\n' < "$HOME/.cursor/skills/mineru/key")"
mineru-open-api auth --verify

Tokenがない場合：ユーザーに明確に伝え、~/.cursor/skills/mineru/key または MINERU_TOKEN を設定するよう指示します。flash-extract で大きなPDFをごまかしてはいけません。
PDFが10MBを超える、またはページ数が多い場合：--model vlm、--timeout 3600（学術論文のデフォルト）
スキャン文書：--ocr を追加

スクリプトにはextractと整理の手順が含まれています。手動で実行する場合：

mineru-open-api extract "<paper-dir>/<name>.pdf" \
  -o "<paper-dir>/_mineru_out" -f md --model vlm --timeout 3600

# _mineru_out/*.md → full.md、_mineru_out/images → images/、_mineru_outを削除

整理後、full.md 内の ![](images/...) パスがローカルに存在することを確認します。

5. 複数論文の一括処理

各識別子に対してステップ2〜4を繰り返します。複数のソースを一度に渡せます（同一の --name が適用できない場合は個別に実行）：

bash paperdown2md/scripts/run.sh -o "<出力ディレクトリ>" \
  "https://arxiv.org/abs/2301.00001" \
  "10.1038/s41586-020-00000" \
  "Another Paper Title In English"

一括処理の場合、各論文に個別の --name を指定します：スクリプトを複数回呼び出すか、事前にタイトルに基づいて短縮名を決定してから実行します。

完了基準（ユーザーへの報告）

各論文について報告：

フォルダパス
PDFファイル名とサイズ
full.md の行数/サイズ、images/ の画像数
失敗した場合：理由（OA PDFなし、Tokenなし、MinerUタイムアウトなど）と推奨される次のステップ

依存関係とトラブルシューティング

問題	対処
`no API token found`	MinerU Tokenを設定します。mineru を参照
`mineru-open-api: command not found`	MinerU CLIをインストールします（mineru skillインストールスクリプト）
OpenAlexにPDFがない	arXivリンク、`lr search`、またはユーザーにPDFを提供してもらう
公衆号「環境異常」	スクリプトは自動的にCDPブラウザを試みます。それでも失敗する場合は、ユーザーに検証を完了してもらうか、arXiv/DOIを直接提供してもらいます
小紅書ノートが閲覧不可	アプリの共有完全URL（`xsec_token` を含む）を使用する。またはarXiv/DOIを直接提供
投稿に論文直リンクがない	スクリプトはタイトル/キーワードでOpenAlex + arXivを検索します。それでも失敗する場合は `lr search` / web-access を使用
extractがタイムアウト	`--timeout` を増やすか、ユーザーに再試行を説明
ユーザーがPDFのみでMarkdown不要	`paperdown2md.py --skip-extract`

例

単一論文（CIDD、代表的なフォルダ名）：

bash paperdown2md/scripts/run.sh \
  -o "paperdown2md/example" \
  --name "CIDD: Collaborative Intelligence for Structure-Based Drug Design Empowered by LLMs" \
  "CIDD Collaborative Intelligence Structure-Based Drug Design LLMs"

微信公衆号記事から開始（HTTP失敗時に自動的にブラウザCDPに切り替え）：

bash paperdown2md/scripts/run.sh \
  -o "paperdown2md/example" \
  "https://mp.weixin.qq.com/s/jMW2lbgiHDka8CASFtQ81w"

小紅書投稿から開始（直リンクがない場合、自動的にarXiv/OpenAlexを検索）：

bash paperdown2md/scripts/run.sh \
  -o "paperdown2md/example" \
  "https://www.xiaohongshu.com/explore/6a1c2d75000000000603739b?xsec_token=..."

または既存のPDFをMinerUに渡すのみ（PDFがすでにフォルダ内にある場合）：

export MINERU_TOKEN="$(tr -d '\n' < "$HOME/.cursor/skills/mineru/key")"
mineru-open-api extract "paperdown2md/example/CIDD.../CIDD....pdf" \
  -o "paperdown2md/example/CIDD.../_mineru_out" -f md --model vlm --timeout 3600
# その後、full.md + images/ に整理

他のskillとの役割分担

mineru：既存のPDF/ファイルのみを変換 → mineru skillを参照
lightread-cli：LightRead資料庫、ノート、レビュー → ローカルのpaperdown2mdディレクトリ構造ではない
web-access：ウェブ検索、非構造化ダウンロード
paperdown2md（本skill）：ローカルディレクトリ + PDF + full.md + images のオールインワン
aiforbio-paper-reading（下流）：full.md + images/ が準備できた後、同じ論文ディレクトリに {ModelName}record.md を書き込み、生物医学の精読（数式の要素ごとの導出 + サンプルデータフロー）を行います。aiforbio-paper-reading を参照

aiforbio-paper-readingとの連携（推奨パイプライン）

本skillは取得と変換を担当します。精読記録は aiforbio-paper-reading に委ねます：

paperdown2md  -o <文献ディレクトリ> "<識別子>"
    →  <文献ディレクトリ>/<論文名>/{pdf, full.md, images/}
aiforbio-paper-reading
    →  <文献ディレクトリ>/<論文名>/{ModelName}record.md

full.md + images/ が生成された後、ユーザーが「論文を読む / recordを書く / 精読 / 数式導出 / データフロー例」を希望する場合、aiforbio-paper-readingを促して連携し、本skill内で長い読書ノートを書かないでください。

スクリプト説明

scripts/run.sh：唯一推奨されるエントリポイント。skillsplace内のPythonを自動的に選択します。
scripts/paperdown2md.py：stdlibのみ。起動時にskillsplaceにいるか確認。resolve → ダウンロード → mineru-open-api extract → full.md / images/。

Agentが本skillを実行する場合：まず run.sh を実行し、python3 paperdown2md.py を直接実行しないでください。

Cursorのグローバルskillsにインストール：

git clone https://github.com/Iayce/paperdown2md.git ~/.cursor/skills/paperdown2md

またはローカルチェックアウトをシンボリックリンク：ln -s /path/to/paperdown2md ~/.cursor/skills/paperdown2md

paperdown2md — 論文PDFダウンロード + MinerU変換Markdown