文献精读小工具

将论文 PDF 批处理为中文精读总结报告的工作流技能。适用于“PaddleOCR 或 pdfplumber 抽取文本 + 大模型总结论文”场景。使用时仅读取 skill 目录下 config.json 与 prompt.md，并运行 scripts 中所需脚本，用户可在prompt.md中定义用户研究主题与研究方向。

paper-review-generator

1) 配置文件约束

• 仅使用当前 skill 目录下两个文件：
  • config.json：包含运行所需全部信息（是否 OCR、OCR 参数、总结模型 base_url/model/api_key、可见窗口开关、线程数）
  • prompt.md：总结提示词模板
• api_key 支持两种写法：
  • 在config.json中指定
  • 环境变量引用：${ENV_VAR}，脚本会在运行时读取对应环境变量
• 不读取其他目录 secret。
• 不在日志和异常信息中回显任何 api_key 或 token。

2) 执行入口

• 必须先切换到本 skill 根目录再运行脚本（即 .../paper-review-generator），否则相对路径的 config.json / prompt.md 会找不到。
• 必须由用户明确传入输入与输出路径：
  • --pdf（可重复，支持多个文件）
  • --dir（可重复，支持多个文件夹）
  • --output-dir（可选；不传时默认输出到每个输入 PDF 同目录下的 总结 文件夹）
• 示例（路径由 agent 按用户需求填入）：
  • 单文件：python scripts/run_pipeline.py --pdf "{pdf_path}" --output-dir "{output_dir}"
  • 多文件：python scripts/run_pipeline.py --pdf "{pdf_path_1}" --pdf "{pdf_path_2}" --output-dir "{output_dir}"
  • 单文件夹：python scripts/run_pipeline.py --dir "{pdf_dir}" --output-dir "{output_dir}"
  • 多文件夹：python scripts/run_pipeline.py --dir "{pdf_dir_1}" --dir "{pdf_dir_2}" --output-dir "{output_dir}"

3) 分流逻辑

• 读取 config.json.use_paddleocr：
  • true：调用 extract_paddleocr.py 抽取文本（JSON 行输出，不落盘）。
  • false：调用 extract_pdfplumber.py 抽取文本（JSON 行输出，不落盘）。
• 然后调用 summarize_reports.py：读取 prompt.md 与管道传递的抽取文本，调用 summarizer.provider 指定的模型配置生成 *_研读报告.md。

4) 环境检查与安全规范

• 执行前先检查 Python 是否可用（建议 3.10+）：
  • 若用户电脑未安装 Python，必须先明确提示用户安装 Python，再继续后续步骤。
• 执行前检查依赖：
  • 若缺少依赖包，agent 应在 skill 根目录按 scripts/requirements.txt 执行安装：
    • pip install -r scripts/requirements.txt
• 首次使用前必须做端点审查：
  • 只保留你信任的 provider，删除或留空不用的 base_url/model
  • 敏感文档场景优先使用自建/内网 OCR 与 LLM 端点
• 仅向用户明确确认过的 OCR/LLM 端点发请求。
• 若配置缺失（如 api_key/token/model/base_url），直接报错并提示补齐字段。
• 日志与异常必须脱敏，禁止输出原始 Authorization/API key/token 或完整远端响应体。