Communitygithub.com

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

專為地質資源與地質工程研究生設計的 Codex 技能套件。可檢索地震勘探與智能地球物理論文，每日將 10 篇開放 PDF 儲存至 Obsidian，並生成可直接點擊本地原文的中文推薦筆記。

Geophysics-Start-My-Day-Skill 是什麼？

這項技能專為地質資源與地質工程領域的研究生打造，旨在透過自動化流程優化每日的科研起步。它整合了 arXiv API 的論文檢索、基於研究興趣的智慧篩選與評分、PDF 下載、以及 Obsidian 筆記生成等功能。用戶只需輸入「start my day」，技能便會根據預設的研究興趣設定檔（如地震勘探資料處理、深度學習地球物理等），自動搜尋近一個月與近一年的熱門論文，並透過加權評分（相關性 40%、新近性 20%、熱門度 30%、品質 10%）篩選出前 10 篇最高分論文。接著，它會將這些論文的下載 PDF 儲存到 Obsidian 保管庫的指定資料夾，並自動生成一份結構化的每日推薦筆記，包含「今日概覽」、論文摘要、核心貢獻、關鍵結果，以及可直接點擊的本地 PDF 連結。對於得分最高的前三篇論文，技能還會自動擷取圖片並調用深度分析功能生成詳細報告。此技能支援中英文雙語設定，並能與現有筆記庫中的關鍵詞智慧連結，有效避免重複推薦，顯著提升文獻追蹤效率。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add 666zhoulei/Geophysics-Start-My-Day-Skill
查看原文→瀏覽所有技能

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

預覽

來自技能 README

alt
alt

說明文件

Language Setting / 語言設定

本技能支援中文與英文報告。語言由設定檔中的 language 欄位決定：

  • 中文（預設）：在設定檔中設定 language: "zh"
  • 英文：在設定檔中設定 language: "en"

設定檔應位於：$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

Runtime / 執行環境

  • 將當前 SKILL.md 的父目錄作為 $SKILL_DIR。
  • Windows PowerShell 使用 $env:OBSIDIAN_VAULT_PATH，macOS/Linux shell 使用 $OBSIDIAN_VAULT_PATH。
  • 執行腳本時優先使用當前可用的 python（Windows）或 python3（macOS/Linux）；不要假定固定直譯器路徑。
  • 首次執行前驗證 python -c "import yaml, requests, fitz" 成功；缺少依賴時安裝專案 requirements.txt 中的依賴。
  • 在 Windows 上若環境變數尚未進入當前程序，從設定檔的 vault_path 讀取 Vault 路徑，不要退回到 Linux 範例路徑。

Language Detection

執行開始時，讀取設定檔以偵測語言設定：

# 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="論文推薦"
fi

Windows PowerShell 等價設定讀取：

$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 { '論文推薦' }

然後在整個工作流程中使用此語言設定：

  • 生成筆記時，將 --language $LANGUAGE 傳遞給腳本
  • 在生成的筆記中使用適當的章節標題

目標

幫助用戶開啟他們的研究日，搜尋最近一個月和最近一年的極火、極熱門、極優質論文，生成推薦筆記。

工作流程

工作流程概述

本 skill 使用 Python 腳本呼叫 arXiv API 搜尋論文，解析 XML 結果並根據研究興趣進行篩選和評分。

步驟1：收集上下文（靜默）

  1. 取得今日日期

    • 確定當前日期（YYYY-MM-DD格式）

  2. 讀取研究設定

    • 讀取 $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml（注意：檔案名稱是 interests 不是 interest）以取得研究領域
    • 提取：關鍵詞、類別和優先級
    • 以 Zotero 館藏中的標題、標籤和期刊分佈作為興趣畫像；當前畫像重點是地震勘探資料處理、混採與去混採、去噪與重建、時頻分析、速度分析、波場模擬，以及物理約束/深度學習地球物理
    • 優先關注 GEOPHYSICS、IEEE Transactions on Geoscience and Remote Sensing、IEEE Geoscience and Remote Sensing Letters、Geophysical Journal International、Geophysical Prospecting、Interpretation 和 Journal of Applied Geophysics

  3. 掃描現有筆記建構索引

    • 掃描 20_Research/Papers/ 目錄下的所有 .md 檔案
    • 提取筆記標題（從檔案名稱和frontmatter的title欄位）
    • 建構關鍵詞到筆記路徑的映射表，用於後續自動連結
    • 優先使用 frontmatter 中的 title 欄位，其次使用檔案名稱

步驟2：搜尋論文

2.1 搜尋範圍

搜尋所有相關分類的最近論文：

  1. 搜尋範圍

    • 使用 scripts/search_arxiv.py 搜尋 arXiv
    • 查詢：所有研究相關的 arXiv 分類
    • 按提交日期排序
    • 限制結果：200篇

  2. 篩選策略

    • 根據研究興趣設定檔篩選論文
    • 計算綜合推薦評分
    • 保留前10篇高評分論文

2.2 執行搜尋和篩選

使用 scripts/search_arxiv.py 腳本完成搜尋、解析和篩選：

# 使用 Python 腳本搜尋、解析和篩選 arXiv 論文
# 首先切換到 skill 目錄，然後執行腳本
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/"

腳本功能：

  1. 搜尋 arXiv

    • 呼叫 arXiv API 搜尋指定分類的論文
    • 取得最多 200 篇最新論文

  2. 解析 XML 結果

    • 解析 API 傳回的 XML
    • 提取：ID、標題、作者、摘要、發布日期、分類

  3. 應用篩選和評分

    • 根據研究興趣設定檔篩選論文
    • 計算綜合推薦評分（相關性40%、新近性20%、熱門度30%、品質10%）
    • 按評分排序，保留前10篇

輸出：

  • arxiv_filtered.json - 篩選後的論文列表（JSON 格式）
  • 每篇論文包含：
    • 論文ID、標題、作者、摘要
    • 發布日期、分類
    • 相關性評分、新近性評分、熱門度評分、品質評分
    • 最終推薦評分、匹配的領域

步驟3：讀取篩選結果

3.1 讀取 JSON 結果

從 arxiv_filtered.json 中讀取篩選和評分後的論文列表：

# 讀取篩選結果
cat arxiv_filtered.json

結果包含：

  • total_found: 搜尋到的總論文數
  • total_filtered: 篩選後的論文數
  • top_papers: 前10篇高評分論文，每篇包含：
    • 論文ID、標題、作者、摘要
    • 發布日期、分類
    • 相關性評分、新近性評分、品質評分
    • 最終推薦評分、匹配的領域、匹配的關鍵詞

3.2 評分說明

綜合多個維度的評分：

推薦評分 =
  相關性評分: 40%
  新近性評分: 20%
  熱門度評分: 30%
  品質評分: 10%

評分細則：

  1. 相關性評分 (40%)

    • 與研究興趣的匹配程度
    • 標題關鍵詞匹配：每個+0.5分
    • 摘要關鍵詞匹配：每個+0.3分
    • 類別匹配：+1.0分
    • 最高分：~3.0

  2. 新近性評分 (20%)

    • 最近30天內：+3分
    • 30-90天內：+2分
    • 90-180天內：+1分
    • 180天以上：0分

  3. 熱門度評分 (30%)

    • （如果資料可用）引用數 > 100：+3分
    • 引用數 50-100：+2分
    • 引用數 < 50：+1分
    • 無引用資料：0分
    • 或者基於發布後的時間推斷（最近7天內的熱門新論文）：+2分

  4. 品質評分 (10%)

    • 從摘要推斷：顯著創新：+3分
    • 明確方法：+2分
    • 一般性工作：+1分
    • 或者讀取已有筆記的品質評分

最終推薦評分 = 相關性(40%) + 新近性(20%) + 熱門度(30%) + 品質(10%)

步驟4：生成今日推薦筆記

4.1 讀取篩選結果

從 arxiv_filtered.json 中讀取篩選後的論文列表：

  • 包含前 10 篇高評分論文
  • 每篇論文包含完整資訊：ID、標題、作者、摘要、評分、匹配領域
  • 必須將所有 10 篇高評分論文下載到這個目錄下：$OBSIDIAN_VAULT_PATH/20_Research/Papers/
  • 後面筆記檔案中的 PDF 本地檔案名稱必須連結到 $OBSIDIAN_VAULT_PATH/20_Research/Papers/ 目錄下的本地 PDF 檔案
  • 若高分候選沒有合法開放 PDF 位址，跳過該候選並按評分順序補入下一篇，直至湊足 10 篇；不足 10 篇時停止並報告，不生成残缺筆記

4.2 建立推薦筆記檔案

  1. 建立推薦筆記檔案

    • 檔案名稱（根據語言設定）：
      • 中文（language: "zh"）：10_Daily/YYYY-MM-DD論文推薦.md
      • 英文（language: "en"）：10_Daily/YYYY-MM-DD-paper-recommendations.md
    • 使用變數：10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md（其中 NOTE_SUFFIX 在語言檢測階段已設定）
    • 必須包含屬性：
      • keywords: 當天推薦論文的關鍵詞（逗號分隔，從論文標題和摘要中提取）
      • tags: ["llm-generated", "daily-paper-recommend"]

  2. 檢查論文是否值得詳細寫

    • 很值得讀的論文：推薦評分 >= 7.5 或特別推薦的論文
    • 一般推薦論文：其他論文

  3. 檢查論文是否已有筆記

    • 搜尋 20_Research/Papers/ 目錄
    • 查詢是否有該論文的詳細筆記
    • 如果已有筆記：簡略寫，引用已有筆記
    • 如果無筆記：
      • 很值得讀：在推薦筆記中寫詳細部分
      • 一般推薦：只寫基本資訊

4.2 推薦筆記結構

筆記檔案結構如下：

---
keywords: [關鍵詞1, 關鍵詞2, ...]
tags: ["llm-generated", "daily-paper-recommend"]
---

[具體論文推薦列表...]

4.2.1 今日概覽（放在論文列表之前）

在論文列表之前，添加一個概覽部分，總結今日推薦論文的整體情況。

根據 $LANGUAGE 設定選擇語言：

English (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}

Chinese (language: "zh"):

## 今日概覽

今日推薦的{論文數量}篇論文主要聚焦於**{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。

- **總體趨勢**：{總結今日論文的整體研究趨勢}
- **品質分佈**：今日推薦的論文評分在 {最低分}-{最高分} 之間，{整體品質評價}。
- **研究熱點**：
  - **{熱點1}**：{簡要描述}
  - **{熱點2}**：{簡要描述}
  - **{熱點3}**：{簡要描述}
- **閱讀建議**：{給出閱讀順序建議}

說明：

  • 基於篩選出的前10篇論文的標題、摘要和評分進行總結
  • 提取共同的研究主題和趨勢
  • 給出合理的閱讀順序建議

4.2.2 所有論文統一格式

所有論文按評分從高到低排列，使用統一格式

根據 $LANGUAGE 設定選擇標籤語言：

English (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]

---

Chinese (language: "zh"):

### [[Note_Filename|論文標題顯示名]]
- **作者**：[作者列表]
- **機構**：[機構名稱，從論文源碼或 arXiv 頁面提取]
- **連結**：[arXiv](連結) | [[本地檔案名稱|PDF]]
- **來源**：[arXiv]
- **筆記**：[[已有筆記路徑|簡稱]] 或 --

**一句話總結**：[一句話概括論文的核心貢獻]

**核心貢獻/觀點**：
- [貢獻點1]
- [貢獻點2]
- [貢獻點3]

**關鍵結果**：[從摘要中提取的最重要結果]

---

重要格式規則：

  • Wikilink 必須使用 display alias：[[File_Name|Display Title]]，不要使用 bare [[File_Name]]（底線會直接顯示，影響閱讀）
  • 圖片必須使用 Obsidian wikilink 嵌入語法：![[filename.png|600]]，禁止使用 ![alt](path%20encoded) 格式（URL 編碼在 Obsidian 中不工作）
  • 筆記檔案中的 PDF 格式必須是 [[本地檔案名稱|PDF]]，本地檔案名稱必須連結到 $OBSIDIAN_VAULT_PATH/20_Research/Papers/ 目錄下的本地 PDF 檔案
  • 機構資訊：從論文 TeX 源碼的 \author 或 \affiliation 欄位提取；若 arXiv API 未提供，從下載的源碼包讀取
  • 不要使用 --- 作為"無資料"佔位符：使用 -- 代替（三個短橫線會被 Obsidian 解析為分隔線）

4.2.3 前三篇論文插入圖片和呼叫詳細分析

對於前3篇論文（評分最高的3篇）：

步驟0：檢查論文是否已有筆記

# 在 20_Research/Papers/ 目錄中搜尋已有筆記
# 搜尋方式：
# 1. 按論文ID搜尋（如 2602.23351）
# 2. 按論文標題搜尋（模糊匹配）
# 3. 按論文標題關鍵詞搜尋

步驟1：根據檢查結果決定處理方式

如果已有筆記：

  • 不生成新的詳細報告
  • 使用已有筆記路徑作為 wikilink
  • 在推薦筆記的"詳細報告"欄位引用已有筆記
  • 檢查是否需要提取圖片（如果沒有 images 目錄或 images 目錄為空）
    • 如果需要圖片：呼叫 extract-paper-images
    • 如果已有圖片：使用現有圖片

如果沒有筆記：

  • 呼叫 extract-paper-images 提取圖片
  • 呼叫 paper-analyze 生成詳細報告
  • 在推薦筆記中添加圖片和詳細報告連結

步驟2：在推薦筆記中插入圖片和連結

如果已有筆記：

### [[已有論文名稱]]
- **作者**：[作者列表]
- **機構**：[機構名稱]
- **連結**：[arXiv](連結) | [[本地檔案名稱|PDF]]
- **來源**：[arXiv]
- **詳細報告**：[[已有筆記路徑]]
- **筆記**：已有詳細分析

**一句話總結**：[一句話概括論文的核心貢獻]

![[existing_image_filename.png|600]]

**核心貢獻/觀點**：
...

如果沒有筆記：

### [[Note_Filename|Paper Title Display Name]]
- **作者**：[作者列表]
- **機構**：[機構名稱]
- **連結**：[arXiv](連結) | [[本地檔案名稱|PDF]]
- **來源**：[arXiv]
- **詳細報告**：[[20_Research/Papers/[domain]/[note_filename]|Short Title]] (自動生成)

**一句話總結**：[一句話概括論文的核心貢獻]

![[paperID_fig1.png|600]]

**核心貢獻/觀點**：
...

圖片格式規則（重要！）：

  • 必須使用 Obsidian wikilink 嵌入語法：![[filename.png|600]]
  • 禁止使用 markdown 圖片語法：![alt](path%20with%20encoding) — URL 編碼（%20, %26）在 Obsidian 中不工作
  • 圖片檔案名稱範例：2603.24124_fig1.png
  • Obsidian 會自動在 vault 中搜尋匹配的檔案名稱，無需寫完整路徑

詳細報告說明：

  • 報告路徑：20_Research/Papers/[論文分類]/[note_filename].md
  • 重要：使用 JSON 中的 note_filename 欄位拼接 wikilink
  • 必須使用 display alias：[[20_Research/Papers/[domain]/[note_filename]|Short Title]]
    • 正確：[[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting|Hypothesis-Conditioned Query Rewriting]]
    • 錯誤：[[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting_for_Decision-Useful_Retrieval]]（底線直接顯示，不美觀）
  • 詳細報告由 paper-analyze 自動生成

機構/Affiliation 提取：

  • 從下載的 arXiv 源碼包（.tar.gz）中的 .tex 檔案提取 \author 和 \affiliation 欄位
  • 若源碼不可用，從 arXiv 頁面 HTML 提取
  • 若仍無法取得，標記為 --（使用兩個短橫線，不要用三個 ---，因為 Obsidian 會將其解析為分隔線）

步驟5：自動連結關鍵詞（可選）

在生成推薦筆記後，自動連結關鍵詞到現有筆記：

# 步驟1：掃描現有筆記
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# 步驟2：生成推薦筆記（正常流程）
# ... 使用 search_arxiv.py 搜尋論文 ...

# 步驟3：連結關鍵詞（新增步驟）
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"

注意：

  • 關鍵詞連結腳本會自動跳過 frontmatter、標題行、程式碼塊
  • 過濾通用詞（and, for, model, learning 等）
  • 保留已有 wikilink 不被修改

重要規則

  • 搜尋範圍擴大：搜尋近一個月 + 近一年熱門論文
  • 綜合推薦評分：結合相關性、新近性、熱門度、品質四個維度
  • 檔案名稱以日期：保持 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md 格式（中文：論文推薦，英文：paper-recommendations）
  • 添加今日概覽：在推薦筆記開頭添加"## 今日概覽"部分，總結今日論文的主要研究方向、總體趨勢、品質分佈、研究熱點和閱讀建議
  • 按評分排序：所有論文按推薦評分從高到低排列
  • 前3篇特殊處理：
    • 論文名稱用 wikilink 格式：[[論文名字]]
    • 自動提取第一張圖片並插入
    • 自動呼叫 paper-analyze 生成詳細報告
    • 在"詳細報告"欄位顯示 wikilink 關聯
  • 其他論文：只寫基本資訊，不插入圖片
  • 保持快速：讓用戶快速了解當日推薦
  • 避免重複：檢查已推薦論文
  • 自動關鍵詞連結：
    • 在生成推薦筆記後，自動掃描現有筆記
    • 將文本中的關鍵詞（如 BLIP、CLIP 等）替換為 wikilink
    • 範例：BLIP → [[BLIP]]
    • 保留已有 wikilink 不被修改
    • 不替換程式碼塊中的內容
    • 不替換已存在 wikilink 的內容（避免重複）

與其他 skills 的區別

start-my-day (本skill)

  • 目的：從大範圍搜尋中篩選推薦論文，生成每日推薦筆記
  • 搜尋範圍：近一個月 + 近一年熱門/優質論文
  • 內容：推薦列表
    • 開頭包含"今日概覽"：總結主要研究方向、總體趨勢、品質分佈、研究熱點和閱讀建議
    • 所有論文統一格式
    • 前3篇特殊處理：
      • 論文名稱用 wikilink 格式：[[論文名字]]
      • 自動提取第一張圖片並插入
      • 自動呼叫 paper-analyze 生成詳細報告
      • 在"詳細報告"欄位顯示 wikilink 關聯
  • 圖片處理：前3篇自動提取並插入第一張圖片；不包含所有論文的圖
  • 詳細報告：前3篇自動生成，其他論文不生成
  • 適用：用戶每天手動觸發
  • 筆記引用：如果論文已有筆記，簡略寫並引用；如果分析需要引用歷史筆記，也直接引用

paper-analyze (深度分析skill)

  • 目的：用戶主動檢視單篇論文，深度研究
  • 適用場景：用戶自己還想要看，但AI沒有整理到的論文
  • 內容：詳細的論文深度分析筆記
    • 包含所有核心資訊：研究問題、方法概述、方法架構、關鍵創新、實驗結果、深度分析、相關論文對比等
    • 圖文並茂：論文中的所有圖片都要用上（核心架構圖、方法圖、實驗結果圖等）
  • 適用：用戶主動呼叫 paper-analyze（Codex 使用 $paper-analyze，Claude Code 使用 /paper-analyze）並提供論文 ID 或標題
  • 重要要求：無論是start-my-day整理的論文，還是用戶主動檢視的論文，都要圖文並茂

使用說明

當用戶輸入 "start my day" 時，按以下步驟執行：

日期參數支援：

  • 無參數：生成當天的論文推薦筆記
  • 有參數（YYYY-MM-DD）：生成指定日期的論文推薦筆記
    • 例如：Codex 中使用 $start-my-day 2026-02-27，Claude Code 中使用 /start-my-day 2026-02-27

自動執行流程

  1. 取得目標日期

    • 無參數：使用當前日期（YYYY-MM-DD格式）
    • 有參數：使用指定日期

  2. 掃描現有筆記建構索引

    # 掃描 vault 中現有的論文筆記
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json
    • 掃描 20_Research/Papers/ 目錄
    • 提取筆記標題和 tags
    • 建構關鍵詞到筆記路徑的映射表

  3. 搜尋和篩選 arXiv 論文

    # 使用 Python 腳本搜尋、解析和篩選 arXiv 論文
# 首先切換到 skill 目錄，然後執行腳本
# 如果有目標日期參數（如 2026-02-21），傳遞給 --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 "{目標日期}"  # 如果用戶指定了日期，替換為實際日期

  4. 讀取篩選結果

    • 從 arxiv_filtered.json 中讀取篩選結果
    • 取得前 10 篇高評分論文
    • 每篇論文包含：ID、標題、作者、摘要、評分、匹配領域
    • 驗證 10 個 local_pdf_filename 對應的檔案都存在於 $OBSIDIAN_VAULT_PATH/20_Research/Papers/

  5. 下載開放 PDF 論文（略）

...

[其餘內容保持與原文相同]

相關技能

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community