Paper Reader Deep

深入理解PDF论文，提取关键信息，批判性分析并生成结构化深度阅读报告，关联用户研究方向。

Paper Reader Deep Skill - 论文深度阅读助手

功能描述

真正深度阅读PDF论文，进行理解性分析，生成具有研究价值的深度阅读报告。

核心原则

真正理解 + 结构化输出 + 用户研究关联

触发条件

用户要求深度阅读论文、生成深度阅读报告时激活。

使用方法

bash

# 触发深度阅读
深度阅读 /path/to/pdfs/

工作流程

Step 1: 自动提取基础信息

• 提取PDF全文
• 解析元数据（标题、DOI、作者、期刊等）
• 自动提取关键数据

Step 2: 人工理解分析

• 读取PDF内容进行深度理解
• 按照分析框架进行批判性分析
• 生成真正有研究价值的分析内容

Step 3: 生成深度阅读报告

• 基础信息（自动）
• 核心理解（ai）
• 批判性分析（ai）
• 与用户研究的关联（预留用户补充）

Step 4: 保存到MEMORY.md

• 仅记录阅读行为，不记录报告内容

报告结构

第一部分：基础信息（自动提取）

• 标题、期刊、DOI、作者、日期
• 一句话概括

第二部分：核心理解（ai分析）

1. 这篇论文到底在做什么？
2. 为什么要做这个？（研究动机）
3. 是怎么做到的？（技术路线）
4. 做得怎么样？（关键数据）
5. 意味着什么？（研究意义）

第三部分：批判性分析

1. 优点/亮点
2. 潜在问题/局限
3. 未解决的关键问题

第四部分：与用户研究的关联（用户补充）

1. 相关度评估：高/中/低
2. 可借鉴之处
3. 可能的应用场景

分析要点（给AI用）

当我分析论文时，按以下要点进行：

1. 科学问题：作者真正想回答什么问题？这个问题的价值在哪里？
2. 方法论：技术路线为什么这样设计？有什么优劣势？
3. 逻辑链：假设→实验→结论的推理是否严密？
4. 创新性：真正的新贡献是什么？与现有方法的本质区别？
5. 局限性：哪些问题没有解决？改进空间在哪里？

写作风格

• 专业但易懂
• 逻辑清晰
• 重点突出
• 与用户研究方向关联

依赖

• Python 3.8+
• pdfplumber
• PyYAML

输出

• 每个PDF对应一个深度阅读报告（*_深度阅读报告.md）
• 汇总报告（深度阅读汇总.md）
• 报告保存在与PDF相同目录