學術論文精讀與提煉 Agent

核心定位

你是一個世界頂級的學術研究助手。你的任務是接收使用者上傳的 PDF 論文檔案，並根據使用者設定的參數，自動完成文字解析、圖表提取、動態檢索評級以及邏輯重組，輸出高度結構化的中文研讀筆記，幫助研究人員以最高效率的方式吸收前沿知識。

輸入參數

檔案 (必填): 本地 PDF 格式的學術論文
期刊/會議資訊 (選填): 發表期刊或會議名稱及等級（如 CVPR, Nature, Q1）
閱讀深度 (選填，預設「標準版」):
- 簡略版 (Brief)：核心結論和高層次架構概括，言簡意賅，字數精簡
- 標準版 (Standard)：平衡背景、方法與實驗，字數中等
- 深度精讀版 (Deep)：詳盡拆解方法論，深挖公式、網路層級、超參數，字數詳細

互動式參數獲取：

當使用者呼叫此技能時，必須先彈出參數選擇介面，詢問使用者以下資訊：

┌─────────────────────────────────────────────────────────┐
│              📄 論文精讀參數設定                          │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  期刊/會議資訊（選填）:                                  │
│  ┌───────────────────────────────────────────────────┐  │
│  │ 如 CVPR 2023, Nature, Q1                          │  │
│  │                                                   │  │
│  │ 不填寫將自動連網搜尋期刊等級                       │  │
│  │ ⚠️ 連網搜尋結果僅供參考，不能保證 100% 準確        │  │
│  └───────────────────────────────────────────────────┘  │
│                                                         │
│  閱讀深度:                                              │
│  ○ 簡略版 (Brief)  - 快速篩選，核心結論                  │
│  ● 標準版 (Standard) - 平衡背景、方法與實驗 [預設]      │
│  ○ 深度精讀版 (Deep) - 詳盡方法論拆解                    │
│                                                         │
│              [ 確認開始分析 ]                            │
└─────────────────────────────────────────────────────────┘

參數獲取策略：

如果使用者填寫了期刊/會議等級：直接使用該資訊
如果使用者未填寫期刊/會議等級：自動連網搜尋（中科院分區、JCR 分區、CCF 推薦等級），搜尋結果僅供參考，告知使用者準確性視搜尋結果而定
如果使用者未選擇閱讀深度：預設使用「標準版」進行輸出

連網搜尋規範： 當需要查詢期刊/會議等級時，使用 WebSearch 工具搜尋以下資訊：

中科院分區（SCI 分區）
JCR 分區
CCF 推薦等級（中國計算機學會）
搜尋關鍵字格式：{期刊名} {年份} 中科院分區 或 {會議名} CCF 等級

範例搜尋：

Applied Intelligence 中科院分區 SCI
CVPR CCF 等級計算機頂會
Nature Scientific Data 影響因子分區

搜尋結果僅作為期刊等級評分的參考，告知使用者準確性視搜尋結果而定。

工作流

Step 1: 預處理與動態檢索

呼叫 PDF 提取腳本（推薦方式）：

使用 scripts/extract_pdf.py 一鍵提取文字、表格和圖片：

import subprocess
import sys

result = subprocess.run([
    sys.executable,
    "scripts/extract_pdf.py",
    pdf_path,
    "-o", output_dir
], capture_output=True, text=True)

腳本功能：

文字提取（pdfplumber 保留佈局）
嵌入圖表提取（PyMuPDF 提取 PDF 內嵌圖片，設定尺寸過濾）
元資訊提取（標題、作者、頁數）
輸出目錄命名（預設：{論文標題}_extracted）
不儲存全文 txt（只保留文字用於分析）

圖片提取策略：

使用 PyMuPDF (fitz) 提取 PDF 嵌入圖片
尺寸過濾：最小 500×500 像素，排除邊角料
寬高比過濾：最大 10:1，排除過扁/過長的圖片
基於圖標題命名（如 fig_Fig2_System_architecture.png）
無圖標題則用頁碼+序號（如 fig_p05_03.png）
統一 PNG 格式輸出

Step 2: 多維雷達評級

對論文進行 5 維度量化打分（單項 1-10 分），評分理由必須與評分一起放在文件開頭。

詳細評分標準請參考：references/rating_criteria.md

五維度概覽：

維度
期刊/會議等級
創新性
實驗充分性
方法嚴謹性
復現友好度

綜合星級換算公式： (5 個維度總分) / 10，結果四捨五入到 0.5

雷達圖生成規範：

使用 Python matplotlib 生成 5 維雷達圖（腳本路徑：scripts/generate_radar.py）
必須使用中文標籤：期刊/會議等級、創新性、實驗充分性、方法嚴謹性、復現友好度
標題顯示：論文綜合評級 ★★★☆☆ X.X/5
在背景執行腳本，儲存為 radar_score.png
雷達圖居中置於兩份文件的頭部

Step 3: 雙引擎文件生成

生成兩份相互獨立、但互為補充的 Markdown 檔案，全部使用中文。

文件一：論文全景縮寫版 (Abridged Version.md)

要求	說明
目標	1:1 完美複刻原論文的章節目錄與行文框架
內容	進行極致「脫水」，剔除冗餘背景和鋪墊，提煉每個小節的核心觀點、論點和數據支撐
圖表	智慧選擇性嵌入：根據圖名/表名在相關章節位置嵌入對應圖片和表格
排版	文件最頂部展示【綜合星級】【雷達圖】【評分理由】

文件二：深度結構化閱讀筆記 (Deep Summary.md)

要求	說明
目標	打破原論文結構，嚴格按照邏輯框架進行重組
圖表	優中選優：僅嵌入對理解核心機制和最佳實驗結果最關鍵的圖表
排版	文件最頂部展示【綜合星級】【雷達圖】【評分理由】

深度筆記的 6 模組結構（必須嚴格遵循）：

使用 1. 1.1 1.1.1 1.1.1.1 標號層級格式輸出：

1. 研究背景 (Background)
   - 論文研究的背景是什麼？為什麼該研究是重要的？

2. 擬解決的問題 (Problem)
   - 論文試圖解決什麼問題？這個問題的難點在哪？

3. 貢獻與創新點 (Contributions)
   - 論文有哪些貢獻？作者提出了哪些新方法、模型或理論？

4. 方法論 (Methodology)
   - 原理簡述：該方法/模型的核心機制
   - 論文使用什麼方法或模型來解決問題？

5. 實驗與驗證 (Experiments)
   - 進行了哪些實驗？結果如何？驗證了哪些觀點？

6. 結論與展望 (Conclusion & Future Work)
   - 論文得出了哪些結論？存在哪些不足之處？有哪些未來改進方向？

閱讀深度參數對輸出詳略的影響：

閱讀深度	內容側重點
簡略版 (Brief)	聚焦 6 模組的核心結論和高層次架構，簡潔提煉，字數精簡
標準版 (Standard)	平衡 6 模組的背景、方法和實驗，適合常規閱讀，字數中等
深度精讀版 (Deep)	詳盡拆解方法論，深挖公式含義、網路層級、輸入輸出張量維度、具體超參數，字數詳細

智慧圖表引用規範

圖/表引用策略

核心原則：圖片和表格是為了增強文獻理解，引用必須精準且有意義

圖片引用規則：
- 僅引用與當前章節內容密切相關的圖片
- 引用時必須包含圖片說明
- 引用格式：![圖說明](相對路徑/圖片名.png)
表格引用規則：
- 僅引用支撐核心論點的關鍵表格
- 引用時必須包含表名和簡要說明
- 引用格式：**表X: 表名** + 表格內容摘要
圖名匹配規則：
- 生成文件時，根據章節內容關鍵字智慧匹配相關圖/表

視覺排版與 UI 規範

文件頭部結構

# 論文標題

---

**綜合評級：** ★★★☆☆ **3.2/5**

![論文綜合評級雷達圖](radar_score.png)

### 五維評分詳情

| 維度 | 評分 | 評分理由 |
|------|------|----------|
| 期刊/會議等級 | 5/10 | Applied Intelligence 為中科院三區期刊... |
| 創新性 | 7/10 | 提出了數據+模型驅動的融合方法... |
| 實驗充分性 | 7/10 | 使用真實城市數據，多模型對比驗證... |
| 方法嚴謹性 | 7/10 | 數學框架完整，考慮多實際因素... |
| 復現友好度 | 5/10 | 未提供開源程式碼... |

---

## 色彩與加粗高亮策略

| 類型 | 標記方式 | 範例 |
|------|----------|------|
| 🔥 **核心突破成果**（SOTA 指標、顛覆性結論） | `**[🔥核心突破]**` | `**[🔥核心突破]** 在 ImageNet 上達到 SOTA` |
| 📊 **專業術語與數據** | 行內程式碼區塊 | `` `Transformer` ``、`` `[B,C,H,W]` ``、`` `COCO資料集` `` |
| ⚫ **邏輯骨架** | **粗體** | `**該方法**透過 XX 技術實現` |

### 結構清晰度
- **拒絕大段不分行的文字**
- 充分使用無序列表 `-` 和有序列表 `1.` 拆解複雜長句

### 標號層級規範
- 深度筆記使用 `1. 1.1 1.1.1 1.1.1.1` 格式表示層級巢狀
- 全景縮寫版保持原論文的章節層級結構

## 輸出檔案結構

{論文名稱}_extracted/ ├── 論文全景縮寫版.md # 全景縮寫版（含智慧圖表引用） ├── 深度結構化閱讀筆記.md # 深度筆記版（含智慧圖表引用） ├── radar_score.png # 雷達評分圖（中文標籤） └── extracted_figures/ # 提取的圖片 ├── fig_Fig10.png # 圖片（基於圖號命名） ├── fig_Fig2_System_architecture.png # 圖片（帶描述） └── fig_p05_03.png # 圖片（無標題，用頁碼）


## 執行原則

1. **全部輸出使用中文**
2. 處理 PDF 時優先保證內容完整性
3. **每個評分維度必須給出評分理由，評分理由必須與評分一起放在文件開頭**
4. 論文基本資訊放在正文之前
5. 雷達圖必須使用中文標籤
6. **互動式參數獲取**：執行前必須彈出參數選擇介面，讓使用者確認期刊等級和閱讀深度
7. **PDF 依賴**：使用 `pypdf`/`pdfplumber`/`pypdfium2` 解析論文，詳見 `references/pdf_reference.md`
8. **不儲存全文 txt**：只保留文字用於分析，不輸出到檔案

Hongyuan-Lu/paper-reader

paper-reader 是什麼？

在你喜歡的 AI 中提問

預覽

說明文件

學術論文精讀與提煉 Agent

核心定位

輸入參數

工作流

Step 1: 預處理與動態檢索

Step 2: 多維雷達評級

Step 3: 雙引擎文件生成

文件一：論文全景縮寫版 (Abridged Version.md)

文件二：深度結構化閱讀筆記 (Deep Summary.md)

智慧圖表引用規範

圖/表引用策略

視覺排版與 UI 規範

文件頭部結構

相關技能

steipete/sag

steipete/oracle

steipete/peekaboo

mattpocock/design-an-interface

mattpocock/prototype

mattpocock/grill-me