Language Setting / 语言设置

Este skill suporta relatórios em chinês e inglês. O idioma é determinado pelo campo language no seu arquivo de configuração:

Chinês (padrão): Defina language: "zh" no config
Inglês: Defina language: "en" no config

O arquivo de configuração deve estar localizado em: $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

Runtime / 运行环境

O diretório pai do SKILL.md atual é usado como $SKILL_DIR.
Windows PowerShell usa $env:OBSIDIAN_VAULT_PATH, shells macOS/Linux usam $OBSIDIAN_VAULT_PATH.
Ao executar scripts, use python (Windows) ou python3 (macOS/Linux) conforme disponível; não presuma um caminho fixo para o interpretador.
Antes da primeira execução, verifique se python -c "import yaml, requests, fitz" é bem-sucedido; instale dependências do requirements.txt se necessário.
No Windows, se a variável de ambiente não estiver no processo atual, leia o caminho do vault do campo vault_path no arquivo de configuração, sem recorrer a caminhos de exemplo do Linux.

Language Detection

No início da execução, leia o arquivo de configuração para detectar a configuração de idioma:

# Resolve OBSIDIAN_VAULT_PATH se não estiver definido na sessão atual
# Algumas sessões de shell hospedadas por agente não carregam perfis de shell interativo automaticamente
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

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

# Padrão é chinês se não definido
if [ -z "$LANGUAGE" ]; then
    LANGUAGE="zh"
fi

# Define o sufixo do nome do arquivo de nota com base no idioma
if [ "$LANGUAGE" = "en" ]; then
    NOTE_SUFFIX="paper-recommendations"
else
    NOTE_SUFFIX="论文推荐"
fi

Leitura de configuração equivalente no 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' }

Em seguida, use esta configuração de idioma ao longo do fluxo de trabalho:

Ao gerar notas, passe --language $LANGUAGE para os scripts
Use cabeçalhos de seção apropriados no idioma nas notas geradas

Objetivo

Ajudar o usuário a iniciar seu dia de pesquisa, pesquisando artigos extremamente quentes, populares e de alta qualidade do último mês e do último ano, gerando notas de recomendação.

Fluxo de Trabalho

Visão Geral do Fluxo de Trabalho

Este skill usa scripts Python para chamar a API do arXiv para pesquisar artigos, analisar resultados XML e filtrar/pontuar com base nos interesses de pesquisa.

Passo 1: Coletar Contexto (Silencioso)

Obter a data de hoje
- Determinar a data atual (formato YYYY-MM-DD)
Ler a configuração de pesquisa
- Ler $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml (nota: o nome do arquivo é interests, não interest) para obter as áreas de pesquisa
- Extrair: palavras-chave, categorias e prioridades
- Usar títulos, tags e distribuição de periódicos do acervo do Zotero como perfil de interesse; o perfil atual foca em processamento de dados sísmicos, aquisição blended e deblending, denoising e reconstrução, análise tempo-frequência, análise de velocidade, modelagem de ondas, e geofísica com restrições físicas/aprendizado profundo
- Priorizar GEOPHYSICS, IEEE Transactions on Geoscience and Remote Sensing, IEEE Geoscience and Remote Sensing Letters, Geophysical Journal International, Geophysical Prospecting, Interpretation e Journal of Applied Geophysics
Escaneie notas existentes para construir índice
- Escaneie todos os arquivos .md no diretório 20_Research/Papers/
- Extrair títulos das notas (do nome do arquivo e do campo title no frontmatter)
- Construir um mapeamento de palavras-chave para caminhos de notas, para links automáticos futuros
- Priorizar o campo title no frontmatter, seguido pelo nome do arquivo

Passo 2: Pesquisar Artigos

2.1 Escopo da Pesquisa

Pesquise artigos recentes em todas as categorias relevantes:

Escopo da Pesquisa
- Use scripts/search_arxiv.py para pesquisar no arXiv
- Consulta: todas as categorias do arXiv relacionadas à pesquisa
- Ordenado por data de submissão
- Limitar resultados: 200 artigos
Estratégia de Filtragem
- Filtrar artigos com base no arquivo de configuração de interesses de pesquisa
- Calcular pontuação de recomendação composta
- Manter os 10 artigos com maior pontuação

2.2 Executar Pesquisa e Filtragem

Use o script scripts/search_arxiv.py para realizar a pesquisa, análise e filtragem:

# Use o script Python para pesquisar, analisar e filtrar artigos do arXiv
# Primeiro mude para o diretório do skill, depois execute o 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/"

Funcionalidades do Script:

Pesquisar arXiv
- Chamar a API do arXiv para pesquisar artigos nas categorias especificadas
- Obter até 200 artigos mais recentes
Analisar Resultados XML
- Analisar o XML retornado pela API
- Extrair: ID, título, autores, resumo, data de publicação, categorias
Aplicar Filtragem e Pontuação
- Filtrar artigos com base no arquivo de configuração de interesses de pesquisa
- Calcular pontuação de recomendação composta (Relevância 40%, Atualidade 20%, Popularidade 30%, Qualidade 10%)
- Ordenar por pontuação, manter os 10 primeiros

Saída:

arxiv_filtered.json - Lista de artigos filtrados (formato JSON)
Cada artigo contém:
- ID do artigo, título, autores, resumo
- Data de publicação, categorias
- Pontuação de relevância, pontuação de atualidade, pontuação de popularidade, pontuação de qualidade
- Pontuação de recomendação final, áreas correspondentes

Passo 3: Ler Resultados Filtrados

3.1 Ler Resultados JSON

Leia a lista de artigos filtrados e pontuados de arxiv_filtered.json:

# Ler resultados filtrados
cat arxiv_filtered.json

Os resultados contêm:

total_found: Número total de artigos encontrados
total_filtered: Número de artigos após filtragem
top_papers: Os 10 artigos com maior pontuação, cada um contendo:
- ID do artigo, título, autores, resumo
- Data de publicação, categorias
- Pontuação de relevância, pontuação de atualidade, pontuação de qualidade
- Pontuação de recomendação final, áreas correspondentes, palavras-chave correspondentes

3.2 Descrição da Pontuação

Pontuação combinada de múltiplas dimensões:

Pontuação de Recomendação =
  Pontuação de Relevância: 40%
  Pontuação de Atualidade: 20%
  Pontuação de Popularidade: 30%
  Pontuação de Qualidade: 10%

Detalhamento da Pontuação:

Pontuação de Relevância (40%)
- Grau de correspondência com interesses de pesquisa
- Correspondência de palavras-chave no título: +0.5 cada
- Correspondência de palavras-chave no resumo: +0.3 cada
- Correspondência de categoria: +1.0
- Pontuação máxima: ~3.0
Pontuação de Atualidade (20%)
- Últimos 30 dias: +3 pontos
- 30-90 dias: +2 pontos
- 90-180 dias: +1 ponto
- Acima de 180 dias: 0 pontos
Pontuação de Popularidade (30%)
- (Se dados disponíveis) Número de citações > 100: +3 pontos
- Citações 50-100: +2 pontos
- Citações < 50: +1 ponto
- Sem dados de citação: 0 pontos
- Ou inferência baseada no tempo desde a publicação (artigos novos e populares nos últimos 7 dias): +2 pontos
Pontuação de Qualidade (10%)
- Inferido do resumo: Inovação significativa: +3 pontos
- Método claro: +2 pontos
- Trabalho geral: +1 ponto
- Ou ler pontuação de qualidade de notas existentes

Pontuação Final de Recomendação = Relevância(40%) + Atualidade(20%) + Popularidade(30%) + Qualidade(10%)

Passo 4: Gerar Nota de Recomendação do Dia

4.1 Ler Resultados Filtrados

Leia a lista de artigos filtrados de arxiv_filtered.json:

Contém os 10 artigos com maior pontuação
Cada artigo contém informações completas: ID, título, autores, resumo, pontuação, áreas correspondentes
Todos os 10 artigos com maior pontuação devem ser baixados para este diretório: $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Os nomes de arquivos PDF locais nas notas devem ser vinculados a arquivos PDF locais no diretório $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Se um candidato de alta pontuação não tiver um endereço PDF aberto válido, pule esse candidato e preencha com o próximo na ordem de pontuação, até completar 10 artigos; se não for possível completar 10, pare e reporte, sem gerar notas incompletas

4.2 Criar Arquivo de Nota de Recomendação

Criar arquivo de nota de recomendação
- Nome do arquivo (de acordo com a configuração de idioma):
  - Chinês (language: "zh"): 10_Daily/YYYY-MM-DD论文推荐.md
  - Inglês (language: "en"): 10_Daily/YYYY-MM-DD-paper-recommendations.md
- Use a variável: 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md (onde NOTE_SUFFIX foi definido na etapa de detecção de idioma)
- Deve conter atributos:
  - keywords: Palavras-chave dos artigos recomendados do dia (separadas por vírgula, extraídas dos títulos e resumos)
  - tags: ["llm-generated", "daily-paper-recommend"]
Verificar se o artigo merece escrita detalhada
- Artigos que valem muito a pena ler: Pontuação de recomendação >= 7,5 ou especialmente recomendados
- Artigos de recomendação geral: Outros artigos
Verificar se já existe nota para o artigo
- Pesquisar no diretório 20_Research/Papers/
- Procurar se há uma nota detalhada para o artigo
- Se a nota existir: Escrever resumidamente, citar a nota existente
- Se a nota não existir:
  - Muito recomendado: Escrever seção detalhada na nota de recomendação
  - Recomendação geral: Escrever apenas informações básicas

4.2 Estrutura da Nota de Recomendação

A estrutura do arquivo de nota é a seguinte:

---
keywords: [palavra-chave1, palavra-chave2, ...]
tags: ["llm-generated", "daily-paper-recommend"]
---

[Lista de recomendações de artigos...]

4.2.1 Visão Geral do Dia (antes da lista de artigos)

Antes da lista de artigos, adicione uma seção de visão geral, resumindo a situação geral dos artigos recomendados do dia.

Selecione o idioma de acordo com a configuração $LANGUAGE:

Inglês (language: "en"):

## Visão Geral do Dia

Os {paper_count} artigos recomendados hoje focam principalmente em **{direction1}**, **{direction2}** e **{direction3}**.

- **Tendências Gerais**: {resumo das tendências de pesquisa}
- **Distribuição de Qualidade**: As pontuações variam de {min}-{max}, {avaliação de qualidade}.
- **Pontos de Pesquisa**:
  - **{hotspot1}**: {descrição}
  - **{hotspot2}**: {descrição}
  - **{hotspot3}**: {descrição}
- **Sugestões de Leitura**: {recomendações de ordem de leitura}

Chinês (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}

Explicação:

Baseado nos títulos, resumos e pontuações dos 10 artigos principais
Extrair temas e tendências de pesquisa comuns
Fornecer sugestões razoáveis de ordem de leitura

4.2.2 Formato Unificado para Todos os Artigos

Todos os artigos são listados em ordem decrescente de pontuação, usando um formato unificado

Selecione o idioma das tags de acordo com a configuração $LANGUAGE:

Inglês (language: "en"):

### [[Note_Filename|Título do Artigo como Exibido]]
- **Authors**: [lista de autores]
- **Affiliation**: [nomes das instituições, extraídos da fonte do artigo ou página do arXiv]
- **Links**: [arXiv](url) | [[nome do arquivo local|PDF]]
- **Source**: arXiv
- **Note**: [[existing_note_path|título curto]] or --

**Resumo de uma linha**: [uma frase resumindo a contribuição central]

**Contribuições Principais**:
- [contribuição 1]
- [contribuição 2]
- [contribuição 3]

**Resultados Chave**: [resultados mais importantes do resumo]

---

Chinês (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]

---

Regras de Formatação Importantes:

Wikilink deve usar alias de exibição: [[File_Name|Display Title]], não use [[File_Name]] (sublinhados são exibidos diretamente, afetando a leitura)
Imagens devem usar sintaxe de incorporação de wikilink do Obsidian: ![[filename.png|600]], proibido usar formato ![alt](path%20encoded) (codificação URL não funciona no Obsidian)
O formato PDF nos arquivos de nota deve ser [[nome do arquivo local|PDF]], o nome do arquivo local deve vincular a um arquivo PDF local no diretório $OBSIDIAN_VAULT_PATH/20_Research/Papers/
Informações da instituição: Extrair dos campos \author ou \affiliation do código-fonte TeX do artigo; se a API do arXiv não fornecer, ler do pacote de código-fonte baixado
Não use --- como espaço reservado para "sem dados": Use -- (três travessões são interpretados pelo Obsidian como linha de separação)

4.2.3 Inserir Imagens e Chamar Análise Detalhada para os Três Primeiros Artigos

Para os primeiros 3 artigos (os 3 com maior pontuação):

Passo 0: Verificar se já existe nota para o artigo

# Pesquisar no diretório 20_Research/Papers/ por notas existentes
# Métodos de pesquisa:
# 1. Por ID do artigo (ex: 2602.23351)
# 2. Por título do artigo (correspondência difusa)
# 3. Por palavras-chave do título do artigo

Passo 1: Decidir como proceder com base no resultado da verificação

Se a nota existir:

Não gerar novo relatório detalhado
Usar o caminho da nota existente como wikilink
Referenciar a nota existente no campo "relatório detalhado" da nota de recomendação
Verificar se é necessário extrair imagens (se não houver diretório images ou se o diretório images estiver vazio)
- Se precisar de imagens: chamar extract-paper-images
- Se já houver imagens: usar as imagens existentes

Se a nota não existir:

Chamar extract-paper-images para extrair imagens
Chamar paper-analyze para gerar relatório detalhado
Adicionar imagens e links para o relatório detalhado na nota de recomendação

Passo 2: Inserir imagens e links na nota de recomendação

Se a nota existir:

### [[Nome do Artigo Existente]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [[本地文件名称|PDF]]
- **来源**：[arXiv]
- **详细报告**：[[existing_note_path]]
- **笔记**：已有详细分析

**一句话总结**：[一句话概括论文的核心贡献]

![[existing_image_filename.png|600]]

**核心贡献/观点**：
...

Se a nota não existir:

### [[Note_Filename|Nome de Exibição do Título do Artigo]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [[本地文件名称|PDF]]
- **来源**：[arXiv]
- **详细报告**：[[20_Research/Papers/[domain]/[note_filename]|Short Title]] (自动生成)

**一句话总结**：[一句话概括论文的核心贡献]

![[paperID_fig1.png|600]]

**核心贡献/观点**：
...

Regras de Formato de Imagem (Importante!):

Deve usar sintaxe de incorporação de wikilink do Obsidian: ![[filename.png|600]]
Proibido usar sintaxe de imagem markdown: ~~![alt](path%20with%20encoding)~~ — Codificação URL (%20, %26) não funciona no Obsidian
Exemplo de nome de arquivo de imagem: 2603.24124_fig1.png
O Obsidian pesquisa automaticamente no vault por nomes de arquivo correspondentes, não sendo necessário escrever o caminho completo

Explicação do Relatório Detalhado:

Caminho do relatório: 20_Research/Papers/[categoria do artigo]/[note_filename].md
Importante: Use o campo note_filename do JSON para montar o wikilink
Deve usar alias de exibição: [[20_Research/Papers/[domain]/[note_filename]|Short Title]]
- Correto: [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting|Hypothesis-Conditioned Query Rewriting]]
- Errado: [[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting_for_Decision-Useful_Retrieval]] (sublinhados são exibidos diretamente, feio)
O relatório detalhado é gerado automaticamente por paper-analyze

Extração de Instituição/Affiliation:

Extrair dos campos \author e \affiliation do arquivo .tex no pacote de código-fonte do arXiv baixado (.tar.gz)
Se o código-fonte não estiver disponível, extrair do HTML da página do arXiv
Se ainda assim não for possível obter, marcar como -- (use dois travessões, não use três ---, pois o Obsidian interpretará como linha de separação)

Passo 5: Linkagem Automática de Palavras-chave (Opcional)

Após gerar a nota de recomendação, faça a linkagem automática de palavras-chave para notas existentes:

# Passo 1: Escanear notas existentes
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# Passo 2: Gerar nota de recomendação (fluxo normal)
# ... usar search_arxiv.py para pesquisar artigos ...

# Passo 3: Linkagem de palavras-chave (novo passo)
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md" \
  --output "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}_linked.md"

Nota:

O script de linkagem de palavras-chave pula automaticamente frontmatter, linhas de título, blocos de código
Filtra palavras comuns (and, for, model, learning, etc.)
Mantém wikilinks existentes inalterados

Regras Importantes

Ampliar escopo da pesquisa: Pesquisar artigos populares do último mês + último ano
Pontuação de recomendação composta: Combinar as quatro dimensões: relevância, atualidade, popularidade, qualidade
Nome do arquivo com data: Manter o formato 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md (chinês: 论文推荐, inglês: paper-recommendations)
Adicionar visão geral do dia: Adicionar seção "## 今日概览" no início da nota de recomendação, resumindo as principais direções de pesquisa, tendências gerais, distribuição de qualidade, pontos de pesquisa e sugestões de leitura dos artigos do dia
Ordenar por pontuação: Todos os artigos listados em ordem decrescente de pontuação de recomendação
Tratamento especial para os 3 primeiros:
- Nome do artigo no formato wikilink: [[Nome do Artigo]]
- Extrair automaticamente a primeira imagem e inseri-la
- Chamar automaticamente paper-analyze para gerar relatório detalhado
- Mostrar wikilink de associação no campo "relatório detalhado"
Outros artigos: Escrever apenas informações básicas, sem inserir imagens
Manter rapidez: Permitir que o usuário entenda rapidamente as recomendações do dia
Evitar duplicação: Verificar artigos já recomendados
Linkagem automática de palavras-chave:
- Após gerar a nota de recomendação, escanear automaticamente notas existentes
- Substituir palavras-chave no texto (como BLIP, CLIP, etc.) por wikilinks
- Exemplo: BLIP → [[BLIP]]
- Manter wikilinks existentes inalterados
- Não substituir conteúdo em blocos de código
- Não substituir conteúdo de wikilinks existentes (para evitar duplicação)

Diferenças entre Skills

start-my-day (este skill)

Objetivo: Selecionar artigos recomendados de uma ampla pesquisa, gerar notas de recomendação diárias
Escopo da pesquisa: Artigos populares/de qualidade do último mês + último ano
Conteúdo: Lista de recomendações
- Inclui "Visão Geral do Dia" no início: resumo das principais direções de pesquisa, tendências gerais, distribuição de qualidade, pontos de pesquisa e sugestões de leitura
- Formato unificado para todos os artigos
- Tratamento especial para os 3 primeiros:
  - Nome do artigo no formato wikilink: [[Nome do Artigo]]
  - Extração automática e inserção da primeira imagem
  - Chamada automática de paper-analyze para gerar relatório detalhado
  - Mostrar wikilink de associação no campo "relatório detalhado"
Processamento de imagens: Extrair e inserir automaticamente a primeira imagem para os 3 primeiros; não incluir imagens de todos os artigos
Relatório detalhado: Gerado automaticamente para os 3 primeiros, não gerado para outros artigos
Aplicável: Usuário aciona manualmente todos os dias
Referência de notas: Se a nota do artigo existir, escrever resumidamente e citar; se a análise precisar referenciar notas históricas, também referenciar diretamente

paper-analyze (skill de análise aprofundada)

Objetivo: Usuário visualiza ativamente um único artigo para estudo aprofundado
Cenário de aplicação: Artigos que o usuário quer ver, mas que a IA não organizou
Conteúdo: Nota de análise aprofundada detalhada do artigo
- Inclui todas as informações principais: problema de pesquisa, visão geral do método, arquitetura do método, inovações principais, resultados experimentais, análise aprofundada, comparação com artigos relacionados, etc.
- Rico em texto e imagens: Todas as imagens do artigo devem ser usadas (diagrama de arquitetura principal, diagrama de método, diagrama de resultados experimentais, etc.)
Aplicável: Usuário chama paper-analyze ativamente (Codex usa $paper-analyze, Claude Code usa /paper-analyze) e fornece ID ou título do artigo
Requisito importante: Tanto artigos organizados por start-my-day quanto artigos visualizados ativamente pelo usuário devem ser ricos em texto e imagens

Instruções de Uso

Quando o usuário digitar "start my day", execute as seguintes etapas:

Suporte a parâmetro de data:

Sem parâmetro: Gerar nota de recomendação de artigos para o dia atual
Com parâmetro (YYYY-MM-DD): Gerar nota de recomendação de artigos para a data especificada
- Exemplo: No Codex use $start-my-day 2026-02-27, no Claude Code use /start-my-day 2026-02-27

Fluxo de Execução Automática

Obter data alvo
- Sem parâmetro: Usar data atual (formato YYYY-MM-DD)
- Com parâmetro: Usar data especificada

Escaneie notas existentes para construir índice

# Escaneie notas de artigos existentes no vault
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

Escaneie o diretório 20_Research/Papers/
Extrair títulos e tags das notas
Construir mapeamento de palavras-chave para caminhos de notas

Pesquisar e filtrar artigos do arXiv

# Use o script Python para pesquisar, analisar e filtrar artigos do arXiv
# Primeiro mude para o diretório do skill, depois execute o script
# Se houver parâmetro de data alvo (ex: 2026-02-21), passe para --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 "{data alvo}"  # Se o usuário especificou uma data, substitua pela data real

Ler resultados filtrados
- Ler resultados filtrados de arxiv_filtered.json
- Obter os 10 artigos com maior pontuação
- Cada artigo contém: ID, título, autores, resumo, pontuação, áreas correspondentes
- Verificar se os 10 arquivos local_pdf_filename correspondentes existem em $OBSIDIAN_VAULT_PATH/20_Research/Papers/

666zhoulei/Geophysics-Start-My-Day-Skill

O que é Geophysics-Start-My-Day-Skill?

Perguntar na sua IA favorita

Prévia

Documentação