Paper Reader — 论文阅读工作流

环境配置

• Python: F:/Anaconda3/space/envs/paper_reader/python.exe
• 提取脚本: e:/obsidianSpace/论文阅读/extract_paper.py
• 笔记模板: e:/obsidianSpace/论文阅读/Templates/paper_template.md
• 深度解读模板: e:/obsidianSpace/论文阅读/Templates/paper_deep_read_template.md
• 论文笔记输出: e:/obsidianSpace/论文阅读/Papers/
• 深度解读输出: e:/obsidianSpace/论文阅读/Reading_List/
• 原始 PDF: e:/obsidianSpace/论文阅读/raw_pdfs/

触发规则

如果用户调用此技能时没有提供 PDF 路径参数（即 ARGUMENTS 为空），则：

1. 不要直接运行工作流
2. 先扫描 raw_pdfs/ 目录下列出可用的 PDF 文件
3. 展示未处理的 PDF 列表，请用户选择
4. 等待用户指定具体 PDF 或确认批量处理

如果 ARGUMENTS 非空，直接进入四阶段工作流。

工作流（四阶段）

PDF → 提取 TXT → 翻译 → Papers/（翻译 + 一句话总结 + 创新点）
                         ↘
                           Reading_List/（详细深度解读，参考答案）

新手使用方式：先读 Papers/ 里的翻译，形成自己的理解 → 再去 Reading_List/ 翻参考答案对照。两者通过 Obsidian 双向链接连接。

阶段 1：提取章节文本

对每个输入的 PDF，运行：

cd "e:/obsidianSpace/论文阅读"
"F:/Anaconda3/space/envs/paper_reader/python.exe" extract_paper.py "<pdf_path>"

会在 PDF 同目录下生成同名的 .txt 文件。

如果用户说"批量处理"或给了文件夹路径，则遍历文件夹下的所有 .pdf：

for f in "<pdf_dir>"/*.pdf; do
    "F:/Anaconda3/space/envs/paper_reader/python.exe" extract_paper.py "$f"
done

阶段 2：章节翻译

读取阶段 1 产生的 .txt 文件，将每个章节逐段忠实翻译成中文。

翻译原则：

• 准确第一：技术术语保持原文含义，不自由发挥
• 可读第二：拆分英文长句为中文短句，但信息不增不减
• 表格跳过：表格数据不逐行翻译，标注 [表格：xxx] 即可
• 公式跳过：公式不翻译，标注 [公式]
• 图片标注跳过：Figure/Table 的标题和引用不翻

五个章节翻译要点：

1. Abstract — 逐段翻译，保留所有关键信息
2. Introduction — 重点翻译问题动机和贡献段落，相关工作部分可适当精简
3. Method — 逐段翻译，公式处标注 [公式]，但公式前后的文字解释必须完整翻译
4. Experiments — 翻译实验设置和结论性句子，表格数据只留关键数字
5. Conclusion — 全文翻译，特别是局限性和未来工作部分

阶段 3：生成 Obsidian 笔记

将翻译结果和轻分析填入模板 e:/obsidianSpace/论文阅读/Templates/paper_template.md，生成笔记到 e:/obsidianSpace/论文阅读/Papers/。

文件名：{会议}{年份} · {简称} · 翻译+轻分析.md（与图谱别名相同的命名规则）

笔记结构（翻译在前，分析在后）：

## 📖 Abstract          ← 阶段2翻译
## 📖 Introduction      ← 阶段2翻译
## 📖 Method            ← 阶段2翻译
## 📖 Experiments       ← 阶段2翻译
## 📖 Conclusion        ← 阶段2翻译
---                    ← 分隔线
## 🎯 一句话总结         ← AI轻分析
## ✨ 创新点            ← AI轻分析（列表）

Frontmatter 填充规则：

• direction: 从论文摘要和关键词自动推断研究方向标签（如 DeepFakeDetection、LLM、强化学习、图神经网络 等），不预设固定值
• title: 论文完整标题
• venue: 会议/期刊名
• year: 发表年份
• tags: 第一个固定 #待精读，第二个根据 direction 自动填入，可继续追加
• link: arXiv 链接或 DOI
• deep_read: [[论文标题 深度解读]] — 指向阶段4生成的 Reading_List 笔记
• related: 留空 []
• status: 设为 已读摘要
• date: 当天日期，格式 YYYY-MM-DD

轻分析规则（只写两项）：

• 🎯 一句话总结 — 用大白话说清论文做了什么，不超过 5 句话
• ✨ 创新点 — 列表形式，每点一句话

阶段 4：生成深度解读

将阶段 2 的翻译和阶段 3 的轻分析作为基础，以该领域资深导师的角色写一份详细解读，存入 e:/obsidianSpace/论文阅读/Reading_List/。角色立场：熟悉该论文所属领域的现状、发展脉络和代表性工作，但不局限于特定子领域。

文件名：{会议}{年份} · {简称} · 深度解读.md（与图谱别名相同的命名规则，后缀为 深度解读）

使用模板：e:/obsidianSpace/论文阅读/Templates/paper_deep_read_template.md

解读章节（共 10 节）：

1. 📌 论文定位 — 这篇在领域中处于什么位置？前面有什么代表性工作，后面有哪些跟进？让研0知道这篇的"坐标"
2. 🎯 一句话总结 — 同阶段3，保持一致
3. 🔑 核心方法 — 关键思路 + 公式通俗解释 + 方法流程。公式用大白话解释其物理含义，不只列公式
4. ✨ 创新点 — 列表，每点一句话
5. 👍 亮点 — 论文最巧妙的设计（2-3 点），解释为什么妙
6. 👎 局限 & 改进方向 — 局限和可能的改进思路
7. 📊 实验结果要点 — 提炼关键发现，不列全表
8. 💡 我的思考 — 导师视角的点评，结合领域现状和发展趋势
9. 🔗 与其他论文的关联 — 扫描 Papers/ 中已有的笔记，如发现相关论文（同领域、同方法线、技术继承关系等），在此建立链接并简述关联。如已有笔记中无相关论文，则留空
10. ❓ 阅读建议 — 建议的阅读顺序、容易卡住的地方、值得深挖的问题

双向链接：阶段 3 的 Papers/ 笔记的 deep_read 字段指向这里，这里的 paper_note 字段指向 Papers/ 笔记。Obsidian 图谱中形成双向边。

设计原则

本工作流面向研0学生，核心理念是翻译自己读，解读对答案：

• Papers/ 里只有翻译 + 一句话总结 + 创新点——不剧透，让你形成独立判断
• Reading_List/ 里有完整深度解读——读完翻译后对照验证自己的理解
• 两个目录物理隔离，双向链接连接。不看 Reading_List 就不会被剧透

使用方式

• /paper_reader <pdf路径> — 单篇论文
• /paper_reader <文件夹路径> — 批量处理
• "读一下这篇论文 <路径>" — 自然语言触发

优化记录

• 2026-06-03: 初始版本，三阶段工作流（提取 → 分析 → 入库）
• 2026-06-03: v2 重构——将"全量分析"改为"翻译 + 轻分析"，面向研0学生优化
• 2026-06-04: v3 新增阶段4——深度解读存入 Reading_List/，与 Papers/ 物理隔离、双向链接。实现"翻译自己读，解读对答案"的设计理念。同时优化解读模板，新增 📌论文定位 和 🔗与其他论文的关联 两个章节
• 2026-06-04: 通用化——移除 CV 领域绑定，direction/tag 从论文内容自动推断，🔗关联改为扫描已有笔记动态建立，导师角色改为"该领域资深导师"