---
name: paper-onion
version: 1.0.0
category: 开发编程
trigger_words:
tags:
  - react
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=didixuxu-didi-skills-paper-proofread-skill-md
---

name paper-onion description 论文剥洋葱 — 逐层深入的论文阅读技能。将一篇学术论文拆解为四层渐进式阅读，最终生成一张手绘风格的思维导图笔记卡片（React artifact）。 当用户上传论文PDF、粘贴论文内容、给出论文链接，或说出以下任何意图时，使用此技能： - "帮我读这篇论文" / "分析这篇paper" - "论文笔记" / "论文总结" / "读论文" - "剥洋葱" / "逐层分析" - 上传了 .pdf 文件且内容看起来是学术论文 此技能与一次性输出报告的方式不同——它模拟真实的深度阅读过程，分四层逐步深入，每层都有明确的阅读任务和产出，最终浓缩为一张可保存的笔记卡。 论文剥洋葱 Paper Onion 核心理念 读论文不是信息倾倒，而是 逐层内化 的过程。这个技能模拟一个有经验的研究者如何真正读懂一篇论文： 先花30秒扫一遍，建立第一印象 再花5分钟理清故事线骨架 然后20分钟深入核心机制 最后10分钟内化为自己的理解，连接已有知识 每一层都不是简单的信息摘取，而是回答一个 认知问题 。 输入处理 接受以下输入类型： PDF 文件路径（从 /mnt/user-data/uploads/ 读取） 论文 URL（需要 fetch） 直接粘贴的论文文本 如果是 PDF，先提取全文文本。如果提取困难，基于可获取的部分（标题、摘要、图表描述）尽力分析，并告知用户。 四层剥洋葱流程 对论文执行以下四层分析。每一层都有一个 认知问题 驱动，而非机械地填表。 第一层 · 30秒扫读 (👁) 认知问题： 这篇论文在说什么？ 只看标题、摘要、引言第一段和结论，提取： one_sentence ：一句话概括（不超过40字，用中文，必须让非专业人士也能听懂） key_question ：这篇论文试图回答的核心问题（用问句表达） first_impression ：3个第一印象要点（每个不超过15字） 风格要求：像你30秒扫完后跟朋友口头说"这论文讲的是……"那样自然。不要用学术腔。 第二层 · 骨架透视 (🦴) 认知问题： 论文的逻辑骨架是什么？ 快速通读全文，提取论文的"故事线"： storyline ：4步故事线，每步包含 label 和 text 第1步标签用 "痛点"：前人方法的关键瓶颈是什么 第2步标签用 "灵感"：作者的突破性洞察是什么 第3步标签用 "方案"：具体怎么做的（一句话概括方法） 第4步标签用 "证据"：关键实验数据（必须带具体数字） key_figure ：论文中最重要的一张图/表的描述（指明Figure几，说清楚它展示了什么） 风格要求：故事线要像一个"以前→发现→做了→证明了"的叙事，不是干巴巴的列表。 第三层 · 深度解剖 (🔬) 认知问题： 核心机制到底怎么工作的？ 仔细分析方法部分，提取： mechanisms ：3-5个核心机制，每个包含： what ：机制名称 why ：为什么这样设计（不是"是什么"，而是"为什么"） formula ：关键公式或伪代码（用简洁的数学表示，如果没有公式就用一句话描述算法流程） hidden_assumptions ：2-3个论文没有明说但暗含的假设（这是最有价值的部分——作者不说但你应该知道的） 风格要求：每个 why 必须回答"如果不这样做会怎样"。隐形假设要尖锐但公正。 第四层 · 内化连接 (🧠) 认知问题： 这对我意味着什么？ 这是最重要的一层，也是大多数人跳过的一层： napkin_formula ：餐巾纸公式——用不超过10个字浓缩整篇论文的核心insight（像 "并行注意力 ＞ 顺序循环"、"扩散 = 逆向去噪" 这样极度压缩的表达） core_insight ：核心洞察——2-3句话，说清楚这篇论文改变了什么认知。不是摘要的重复，而是"读完后你理解了什么之前不理解的东西" connections ：3-5个知识连接，每个包含： to ：连接到的其他论文/概念/方法（写清名称和年份） link ：这个连接是什么关系（继承/对比/互补/启发/推广）用一句话说清 what_changed ：读完这篇论文后"我的认知变化"——用第一人称写，像日记一样 风格要求：这一层最能体现深度理解。如果 connections 只能想到论文自己引用的那些reference，说明理解还不够深——要跨领域连接。 输出：React Artifact 笔记卡 完成四层分析后，生成一个 React artifact (.jsx) ，呈现为手绘风格的笔记卡片。 关于视觉风格和实现细节，请阅读 references/notecard-template.md 。 关键设计原则 一张卡片浓缩全部精华 ：不是四层的简单拼接，而是有主次的信息架构 手绘/纸质感 ：温暖的纸张底色(#fdf8ef)、手写字体(Caveat)、微微倾斜的元素、虚线边框 餐巾纸公式居中放大 ：这是整张卡的视觉焦点 故事线用箭头连接 ：痛点 → 灵感 → 方案 → 证据，一目了然 知识连接用彩色左边框 ：每个连接一种颜色，像思维导图的分支 隐形假设用警告色 ：提醒读者注意的地方 交互方式 这个技能的输出是 一次性生成完整的笔记卡 （不是交互式的多步操作）。但在生成过程中，按四层顺序组织思考，确保每一层都足够深入。 如果用户在看完笔记卡后追问某一层的细节，可以展开讨论，但不需要重新生成整张卡。 语言 所有分析内容用 中文 输出 论文标题、人名、术语保留英文原文 公式用英文/数学符号 风格：口语化、有温度、避免学术八股。想象你在咖啡馆给一个聪明的朋友讲这篇论文