paper-deep-dive

v1.0.0

以结构化、证据驱动、读者友好的方式深度解读单篇论文。用于用户要求论文深读、详细分析、博客级讲解、研究脉络梳理、方法架构拆解、关键概念解释，或判断实验是否真的支撑论文 claim；也用于基于论文 PDF、arXiv 页面、附录、官方代码和项目页完成系统性论文解读。

⭐ 0· 86·0 current·0 all-time

by@tom-zju

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for tom-zju/paper-deep-dive.

Previewing Install & Setup.

Prompt PreviewInstall & Setup

Install the skill "paper-deep-dive" (tom-zju/paper-deep-dive) from ClawHub.
Skill page: https://clawhub.ai/tom-zju/paper-deep-dive
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install paper-deep-dive

ClawHub CLI

Package manager switcher

npx clawhub@latest install paper-deep-dive

Security Scan

VirusTotal

Benign

View report →

OpenClaw

Benign

high confidence

✓

Purpose & Capability

Name and description (deep paper analysis) align with the skill contents: SKILL.md and reference docs provide templates, evidence-label rules, visualization guidance and output templates. The skill does not require unrelated binaries, credentials, or config paths.

✓

Instruction Scope

Runtime instructions focus on reading the paper (PDF/arXiv), appendices, official code and project pages, then producing structured analysis with evidence labels and diagrams. There are no instructions to read arbitrary system files, environment variables, or to transmit data to unexpected endpoints. The references are used as internal guidance only.

✓

Install Mechanism

No install spec and no code files — instruction-only. Nothing will be downloaded or written to disk by the skill itself.

✓

Credentials

The skill requests no environment variables, credentials, or config paths. The documented inputs (PDF, arXiv, code repo links) are proportional to the stated purpose.

✓

Persistence & Privilege

always:false and no special privileges requested. disable-model-invocation is false (normal platform default) but the skill does not ask for persistent presence or to modify other skills/configs.

Assessment

This skill is an instruction-only template for producing careful, evidence-tagged paper analyses and is internally coherent. Before installing or using it: (1) be mindful of any PDFs or private code you hand the agent — supplying confidential documents could expose them to networked model calls or logs; (2) the skill expects the agent to fetch/consume external resources when you provide links (arXiv, project pages, GitHub)—confirm your agent/network policies for outbound fetches; (3) the skill's framework reduces but does not eliminate LLM hallucination—always verify critical claim-to-evidence mappings against the original paper or code; (4) no credentials or system-level access are required, so there is low platform risk from the skill itself. If you need higher assurance, review sample outputs produced by the skill on public papers and confirm the agent will not automatically fetch resources you don't want shared.

Like a lobster shell, security has layers — review code before you run it.

latestvk97dxc07v4encfxherxwdxmsqs84c4ws

86downloads

0stars

1versions

Updated 2w ago

v1.0.0

MIT-0

Paper Deep Dive

产出真正的论文深读，而不是长一点的摘要改写。

目标

帮助读者建立对问题空间的心智地图：

论文在解决什么问题，为什么值得出现
核心方法是什么，关键机制如何工作
实验到底支持了哪些 claim
方法的假设、局限和更广泛意义是什么

适用边界

优先用于：

解读单篇论文
需要把论文放回研究脉络中理解
需要对核心方法同时给出直觉解释和形式化解释
需要判断实验是否真的支持作者结论
需要为写博客、技术分享、组会汇报准备高质量材料

不用于：

单纯改写摘要或润色段落
没有 focal paper 的泛综述
主要任务是代码实现，且用户没有要求结合论文分析

工作原则

1. 先讲脉络，再讲细节

先回答“为什么这篇论文值得读”，再进入方法、公式和实验。

2. 所有重要判断都要绑证据

区分以下五类标签，不要把推断写成事实：

论文明确声称：作者在文中直接提出的结论
直接证据：表格、图或实验结果直接支撑
部分证据：只在部分设置下成立，覆盖不完整
基于证据的推断：基于结果做出的合理解释
尚未验证：论文提及或暗示，但没有严谨实验验证

3. 同时提供直觉和形式化

关键概念和关键机制先用白话解释，再给公式、符号和作用。

4. 只画真正有帮助的图

图用于降低理解成本，不用于装饰。优先画研究脉络图、方法架构图、流程图和前后对比图。

5. 对比要写差异和代价

说明改了什么、解决了什么、引入了什么新成本，以及这种交换是否值得。

6. 对不确定性保持诚实

论文没写清楚就明确写“没写清楚”；代码和论文不一致就单独指出。

输入与资料优先级

最佳输入：

论文 PDF 或 arXiv 页面
附录 / supplementary
官方代码仓库
项目页或作者说明

最低可工作输入：

论文标题 + 摘要

输入只有标题和摘要，或拿不到正文时，输出为 受限版 deep dive，主动压缩技术细节，避免过度推断。

资料优先级：

论文正文
附录
官方代码
项目页
作者博客或演讲
第三方解读

按需加载 references

只读取当前任务真正需要的参考文件，不要一次性全部载入。

文件	用途
`references/quickref.md`	输出前自检和速查
`references/output-template.md`	需要完整章节骨架时使用
`references/visualization.md`	需要 Mermaid 图表规范和模板时使用
`references/paper-types.md`	需要按论文类型调整分析重点时使用
`references/evidence-rules.md`	需要更细的证据标注和不确定性表达时使用
`references/example-attention.md`	需要参考完整成品的语气、粒度和组织方式时使用；优先只读取相关段落

输出契约

除非用户明确要求更窄的格式，按以下顺序组织：

📋 论文信息

标题、作者、年份、来源、研究领域、任务类型、论文类型、一句话定位。

🎯 论文概览

把最重要的信息提前写清楚：

1 到 2 段核心总结，覆盖问题、方法、结果、意义
一句话记忆
核心贡献速览表
高层方法架构图和模块说明

📜 研究脉络

选择 3 到 6 篇真正构成主线的前作，说明：

前作解决了什么
前作留下了什么缺口
本文如何回应

🔬 核心贡献

逐项写清：问题背景 → 前人局限 → 本文改动 → 机制 → 收益 → 证据 → caveat

🧠 核心概念

只展开阻碍理解的关键概念，按以下顺序解释：是什么 → 为什么需要 → 怎么工作 → 和相近概念的区别 → 类比或小例子

🔧 方法架构

覆盖整体思路、模块拆分、训练和推理路径、关键公式、复杂度和与最相关 baseline 的直接对比。

📊 实验解读

按“claim 是否被验证”来组织，而不是机械复述表格。优先输出 claim-to-evidence 映射。

⚖️ 局限性与批判性分析

这是必选项。讨论：

关键假设
证据是否充分
benchmark、规模、调参预算的依赖
可能失效的场景
论文没有测试什么

💡 启发与意义

解释这篇论文对理论、算法、系统或实践的更广泛价值。

🔗 延伸阅读

给出前置必读、同期对比、后续跟进和工程实现参考。

输出模式

模式	触发条件	要求
`Standard`	默认；用户说“详细解读”“分析一下”“系统讲讲”	完整章节结构，关键概念，关键公式，至少一张脉络图和一张方法图
`Deep Dive`	用户明确要求“博客级”“教程级”“深度解析”“我要写文章参考”	更完整脉络，更强 claim-to-evidence 分析，更充分的概念解释和局限性讨论
`受限版 deep dive`	只有标题+摘要，或无法获取论文正文	明确标注输入受限，压缩技术细节，不对架构和实验做过度推断

Deep Dive 附加要求

主动使用 references/visualization.md
需要完整成品参考时，再读取 references/example-attention.md 的相关段落
研究脉络部分通常覆盖 4 到 6 篇里程碑工作
实验部分提供完整的 claim-to-evidence 映射
局限性部分至少给出 3 个具体方面

受限版 deep dive 规则

在开头明确标注输入受限。
将方法和实验中的不确定项写成“待验证”，不要假装已经确认。
核心贡献可写“基于摘要的推测”，但要显式降级。
不强行提供 claim-to-evidence 映射表。

完成前检查

完成前使用 references/quickref.md 做自检。

只有当读者读完后能做到以下几点，输出才算成功：

能用自己的话讲清论文主旨
能把论文放进研究演进链条中理解
能理解最核心的机制
能判断实验是否真的支撑主要 claim
能同时看见论文的价值与局限

Comments

Loading comments...