PenghaoJiang/auto-paper-collecter

auto-paper-collecter (スキル)

コーディングエージェント内で動作するセルフホスト型研究文献レーダー。 Pythonスクリプトは決定論的な処理（API取得、重複除去、レンダリング、メール送信）のみを行います。判断作業 — クエリ拡張、コンピュータサイエンス関連性フィルタリング、中国語サマリー、注目トピックの合成 — はすべて、このスキルを実行するアシスタント（あなた）が担当します。 つまり AI APIキーは不要 — このスキルを実行しているモデル（Claude CodeのClaude、CodexのGPT、など）がそのままLLMとして機能します。

レイアウト

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

スクリプトは scripts/ から実行: cd skill/scripts && python3 <script>.py

設定 — state/config.json

• keywords: 追跡するトピック文字列（最大約3つ）。
• domain: 関連性を制限する分野（デフォルト computer science）。
• sources: 情報源のON/OFF arXiv / Crossref / Semantic Scholar / GitHub / HuggingFace / PapersWithCode / RSS。
• lookback_days: 取得する過去日数（重複除去はすでに行われます）。
• max_per_source, rss_feeds。

ユーザーがキーワード・情報源・分野の変更を依頼した場合、このファイルを編集し、変更内容をユーザーに確認してください。

オプションの環境変数（リポジトリに保存しないこと）: SEMANTIC_SCHOLAR_KEY（Semantic Scholarのレート制限緩和）、GITHUB_TOKEN（GitHubの制限緩和）、SMTP_* / EMAIL_TO（メール）、およびプッシュ通知チャンネル — TELEGRAM_BOT_TOKEN/TELEGRAM_CHAT_ID、SLACK_WEBHOOK_URL、WECHAT_WEBHOOK（企業微信群ロボット）、SERVERCHAN_KEY（Server醬）。

実行パイプライン — 以下の順序に従ってください

1 · 設定の読み取りとクエリ拡張 (あなた)

state/config.json を読み取ります。各キーワードについて、2～3個の連想英語検索クエリ（同義語、正式名称、周辺サブトピック）を考え、文字通りの用語だけに限定されないようにします（例: C2Rust → ["C2Rust", "C-to-Rust translation", "migrating legacy C code to Rust"]）。それらを state/queries.json に {"<keyword>": ["q1", "q2", ...], ...} の形式で書き込みます。

2 · 候補の取得 (スクリプト)

cd skill/scripts && python3 fetch.py

有効な各情報源からそれらのクエリに基づいて取得し、state/seen.json に既にあるアイテムまたは lookback_days より古いアイテムを除外し、state/candidates.json に書き込みます。取得結果が0件の場合、ユーザーに「暂无新文献」と伝えて停止します（他にすることはありません）。

3 · 関連性フィルタリングとサマリー作成 (あなた)

state/candidates.json を読み取ります。各アイテムについて以下を判断: (a) コンピュータサイエンス かつ (b) そのtopicキーワードに対して真に関連があるか？ 該当しないものは除外します（医療分野の「翻訳」、金融の「AI」、無関係なGitHubスターリストなど）。保持する各アイテムについて簡潔な中国語サマリーを作成し、state/curated.json を構築します — 以下のオブジェクトのリスト:

{"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"]}

論文を先に、GitHubリポジトリを最後にします（補足的なシグナルです）。情報源がすでに tldr を提供している場合は、それを基に構築しても構いません。

GitHubアイテムはリポジトリであり、論文ではありません — 過度に要約しないでください。リポジトリの説明（その abstract）を tldr として使用し、method / contributions は空のままにします。fetch.py はスター数10以上のリポジトリのみを保持し、スター数順にランク付けするため、これらは（コース/フレームワーク/awesome-listなど）個人のノイズではなく、実質的なものである傾向があります。

4 · 注目トピックの合成 (あなた、推奨、必須ではありません)

保持したアイテムをいくつかの大まかなCSサブ分野（自然言語処理 / コンピュータビジョン / システムとコンパイラ …; 積極的にマージ）にクラスタリングします。state/trends.json を書き込みます: {"top": [{"name","delta": <件数>, "summary": "<=80字方向总结", "papers": ["title", ...]}, ... 最大3つ]}。

5 · ダイジェストのレンダリング (スクリプト)

cd skill/scripts && python3 render.py

curated.json（+ trends.json）から digests/YYYY-MM-DD.md + .html を書き込み、表示したすべてのアイテムを seen.json に記録して繰り返し表示されないようにします。

6 · 通知 (スクリプト、オプション)

cd skill/scripts && python3 notify.py     # SMTP_* 環境変数が設定されていれば、HTMLダイジェストをメール送信します

7 · 報告 (あなた)

保持した論文の数、上位の注目方向、ダイジェストのパスをユーザーに伝えます。HTMLを開くか、キーワードを調整するかを提案します。

補足

• スクリプトは純粋なPython標準ライブラリ — pip install は不要です。
• fetch.py はすでに不正な未来日付をフィルタリングし、実行間の重複除去を行います。
• このスキルは、プロジェクトのFastAPI Webダッシュボードのエージェント駆動版であり、両者は同じ情報源とパイプラインの思想を共有しています。