paper-review

name paper-review description 论文深度解读 Skill — 下载论文PDF → LLM深度解读（问题/创新点/方法原理/实验分析）→ PDF图片提取 → 生成组会PPT → 生成解读音频MP3。端到端学术论文解读工具。 license MIT requires_env OPENAI_API_KEY triggers ["论文解读","paper review","paper reading","组会PPT","研读论文"] required_args ["paper_url"] metadata {"version":"1.0","category":"academic","author":"RapidAI Research - 安妮"} Paper Review — 论文深度解读工具 端到端论文解读流程：下载论文 → LLM 深度解读 → 提取图片 → 生成 PPT → 生成 MP3 音频。 架构概览 用户提供论文URL/路径 │ ▼ ┌──────────────────┐ │ Step 1: 下载PDF │ (支持 arXiv / DOI / 任意URL) └────────┬─────────┘ ▼ ┌─────────────────────────┐ │ Step 2: 全文提取 (txt) │ (PDF→文本，含图片占位标记) └────────┬────────────────┘ ▼ ┌──────────────────────────────────────────────┐ │ Step 3: LLM 深度解读分析 │ │ • 解决的问题 │ │ • 创新点 │ │ • 方法本质与核心原理 │ │ • 详细原理解读 │ │ • 实验方法与结果分析 │ └────────┬─────────────────────────────────────┘ ▼ ┌──────────────────┐ │ Step 4: 提取图片 │ (PDF→PNG图片素材) └────────┬─────────┘ ▼ ┌──────────────────────────────┐ │ Step 5: 生成组会PPT (.pptx) │ (深度解读内容 + 图片嵌入) └────────┬─────────────────────┘ ▼ ┌──────────────────────────────┐ │ Step 6: 生成解读音频 (.mp3) │ (TTS 合成为自然语音) └────────┬─────────────────────┘ ▼ 输出文件清单 环境要求 Python 3.8+ 依赖安装： pip install requests PyPDF2 python-pptx Pillow pydub 如使用 Edge TTS 音频： pip install edge-tts (可选) pdf2image + poppler 用于图片提取 Step 1: 下载 PDF 从 arXiv / DOI / 任意 URL 下载论文 PDF。 python "{baseDir}/steps/download_paper.py" --url "{{paper_url}}" --output "{{output_dir}}" 参数： --url : 论文 URL（arXiv 链接、DOI 链接、或直接 PDF 链接） --output : 输出目录（可选，默认当前目录） 输出： {{paper_id}}.pdf Step 2: 全文提取 从 PDF 提取文本内容（含图片标记）： python "{baseDir}/steps/extract_text.py" --pdf "{{pdf_path}}" --output "{{output_dir}}" 输出： {{paper_id}}_text.txt Step 3: LLM 深度解读 调用 OpenAI 兼容 API 对论文进行深度解读： python "{baseDir}/steps/analyze_paper.py" --text "{{txt_path}}" --output "{{output_dir}}" 输出： {{paper_id}}_review.json + {{paper_id}}_review.md 解读结构： { "title" : "论文标题" , "problem" : "解决的问题" , "novelty" : [ "创新点1" , "创新点2" , ... ] , "method_essence" : "方法本质/核心思想" , "method_detail" : "详细原理解读" , "experiments" : "实验方法及结果分析" , "conclusion" : "结论与启示" } Step 4: 提取图片素材 从 PDF 中提取图片作为 PPT 素材： python "{baseDir}/steps/extract_images.py" --pdf "{{pdf_path}}" --output "{{output_dir}}/images" 参数： --dpi : 图片 DPI（默认 200） --format : 输出格式（默认 png） 输出： images/page_XX.png 等 Step 5: 生成组会 PPT 基于解读内容和图片生成组会 PPT： python "{baseDir}/steps/generate_ppt.py" --review "{{review_json}}" --images "{{images_dir}}" --output "{{output_dir}}" PPT 结构（10-15页）： 封面 — 论文标题 / 作者 / 会议 研究背景与动机 — 为什么做这个工作 要解决的问题 — 问题定义与挑战 核心创新点 — 本文的主要贡献 方法总览 — 整体架构图（含原论文图） 方法详解① — 关键模块/步骤 方法详解② — 更多细节 核心原理剖析 — 为什么有效 实验设置 — 数据集 / 评价指标 / 基线 实验结果 — 主实验结果（含原论文表格） 消融实验 — 各模块贡献分析 可视化分析 — 可视化结果（含原论文图） 讨论与局限性 总结与启示 参考资料 / Q&A 输出： {{paper_id}}_presentation.pptx Step 6: 生成解读音频 将完整解读文本合成为 MP3 音频： python "{baseDir}/steps/generate_audio.py" --text "{{review_md}}" --output "{{output_dir}}" 输出： {{paper_id}}_audio.mp3 完整运行 一步到位运行所有步骤： python "{baseDir}/run.py" --url "{{paper_url}}" --output "{{output_dir}}" 输出文件 文件 说明 {{paper_id}}.pdf 原论文 PDF {{paper_id}}_text.txt PDF 提取的纯文本 {{paper_id}}_review.md LLM 深度解读报告 {{paper_id}}_review.json 结构化解读数据 images/ 提取的论文图片素材 {{paper_id}}_presentation.pptx 组会 PPT {{paper_id}}_audio.mp3 解读音频 自定义配置 通过环境变量配置 API： 变量 说明 默认值 OPENAI_BASE_URL API 基础 URL 由 maclaw proxy 自动注入 OPENAI_API_KEY API 密钥 由 maclaw proxy 自动注入 OPENAI_MODEL 模型名称 gpt-4o-mini TTS_ENGINE TTS 引擎 (openai/edge) edge PPT_LANG PPT 语言 (zh/en) zh