paper-lens

name paper-lens description 论文阅读助手：速览/精读/学习/展示四模式阅读 + 批量检索/批量下载。当用户提供论文 PDF、要求分析/阅读论文、说「帮我读这篇论文」「精读文档」「全文关键点梳理」「搜索/检索论文」、或粘贴多个 arXiv 链接时触发。 Paper Lens — 论文阅读 & 检索助手 通过不同的「镜头」阅读论文，支持批量检索和下载。 所有模式 模式 适合场景 耗时 交互方式 速览 快速判断是否值得深读 5分钟 一次性输出 精读 论文级精读文档，适合系统学习和发飞书 20-40分钟 一次性生成 + 可追问修改 学习 深度理解、实践落地 20-40分钟 多轮确认 展示 准备 slides 汇报 15-30分钟 逐页讨论 PDF 导出 导出排版精美的 PDF 1分钟 一键导出 批量检索 按主题搜索论文 3-5分钟 表格 + 选择下载 批量下载 粘贴链接批量下载 1-3分钟 自动去重下载 Phase -1: 环境探测（每次 skill 加载时执行） 核心原则 ： 不要主动打开任何浏览器窗口 。只探测 Web UI 是否已在运行，然后一次性告诉用户使用路径。用户如果没跑 Web UI，保持纯 CLI 模式继续；如果用户想启动 Web UI，只提示前端命令，因为前端 dev 脚本会自动启动并守护后端。 Step 1: 轻量探测 # 前端（paper-lens-codex-web, Next.js，默认 3001） WEB_UI= "" if curl -s -o /dev/null -w "%{http_code}" http://localhost:3001 2>/dev/null | grep -q "200" ; then WEB_UI= "http://localhost:3001" fi # 后端（paper-lens-codex backend, FastAPI，默认 8766） BACKEND= "" if curl -s -o /dev/null -w "%{http_code}" http://localhost:8766/api/papers 2>/dev/null | grep -q "200" ; then BACKEND= "http://localhost:8766" fi # 是否能在工作目录或 ~/.codex 下找到 paper-lens-codex-web 项目 HAS_WEB_PROJECT= "no" if find . ~/.codex -path "*/paper-lens-codex/paper-lens-web/package.json" -not -path "*node_modules*" 2>/dev/null | head -1 | grep -q package.json; then HAS_WEB_PROJECT= "yes" fi echo "WEB_UI= $WEB_UI " echo "BACKEND= $BACKEND " echo "HAS_WEB_PROJECT= $HAS_WEB_PROJECT " Step 2: 主动确保 frontend-slides skill 可用 展示模式会在生成 slides-content.md 后交给 frontend-slides 生成最终 HTML 演示文稿，因此每次加载 paper-lens 时都要轻量检查： FRONTEND_SLIDES_SKILL= "" for d in \ ".codex/skills/frontend-slides" \ ".agents/skills/frontend-slides" \ " $HOME /.codex/skills/frontend-slides" \ " $HOME /.codex/skills/codex-primary-runtime/frontend-slides" do if [ -f " $d /SKILL.md" ]; then FRONTEND_SLIDES_SKILL= " $d " break fi done echo "FRONTEND_SLIDES_SKILL= $FRONTEND_SLIDES_SKILL " 处理规则： 状态 行为 FRONTEND_SLIDES_SKILL 非空 继续正常流程；展示模式结束后可直接转交 frontend-slides 当前仓库存在 .codex/skills/frontend-slides/SKILL.md 视为已安装，不需要重复操作 当前项目根存在 .agents/skills/frontend-slides/SKILL.md 但 .codex/skills/frontend-slides/ 不存在 主动执行 mkdir -p .codex/skills && rsync -a .agents/skills/frontend-slides/ .codex/skills/frontend-slides/ 完成本仓库安装，然后继续 以上路径都不存在 明确告诉用户： 未找到 frontend-slides skill，展示模式仍会先生成 slides-content.md；生成后请先安装 frontend-slides，再继续生成 HTML 演示稿。 Step 3: 根据探测结果给出提示（不自动 open） 根据 Step 1 输出， 只输出文字提示，不要执行 open 命令 ： 状态 提示内容 WEB_UI 和 BACKEND 都活 Paper Lens (Codex) Web UI 已在运行 · http://localhost:3001 · 你可以打开浏览器继续，或继续在这里对话。 只有 BACKEND 后端已运行。如果想用浏览器界面，运行 cd paper-lens-web && npm run dev；前端会复用现有后端。 HAS_WEB_PROJECT=yes 但两者都不活 可选：运行 cd paper-lens-web && npm run dev 启动 Web UI；这个命令会自动启动并守护后端。或者继续在这里对话。 HAS_WEB_PROJECT=no 纯 CLI 模式，不提示 Web UI（如果想试 Web UI，可以 clone https://github.com/nekoneko0831/paper-lens-codex 仓库） Step 4: 绝对禁止 ❌ 绝对不要 运行 nohup python3 server.py & 或任何后台启动命令 ❌ 绝对不要 运行 open http://... 或 open -a Safari ... ❌ 绝对不要 提示用户手动启动后端作为常规路径；常规路径只说 cd paper-lens-web && npm run dev ❌ 绝对不要 把"探测完成"当作一个已完成任务（它不是任务，只是环境检查） ❌ 绝对不要 在 Phase -1 阶段创建 Task 条目 Step 5: 继续正常流程 如果用户附带了论文参数（路径/URL），直接进入 Phase 0 解析论文。否则等待用户指令。 Phase 0: 论文解析（所有模式共用） 0.1 获取论文 PDF 用户可能通过以下方式提供论文： 输入形式 处理方式 本地 PDF 路径 直接复制到 paper-notes/<name>/paper.pdf arXiv URL（如 https://arxiv.org/pdf/2506.07982 ） 用 curl -L -o paper.pdf <url> 下载 arXiv abs URL（如 https://arxiv.org/abs/2506.07982 ） 自动转换为 pdf URL 后下载 其他 URL（.pdf 结尾） 用 curl -L -o paper.pdf <url> 下载 下载命令 ： curl -L -o "paper-notes/<name>/paper.pdf" "<url>" 必须用 -L 跟随重定向 下载后用 PyMuPDF 验证文件有效性（ fitz.open() 不报错即可） 如果下载失败，提示用户手动下载后提供本地路径 0.2 创建目录 + 提取内容 # 1. 创建标准目录 mkdir -p paper-notes/<name>/images # 2. 提取全文文本 python3 -c " import fitz doc = fitz.open('paper-notes/<name>/paper.pdf') text = '' for i, page in enumerate(doc): text += f'\n\n===== PAGE {i+1} =====\n\n' text += page.get_text() with open('paper-notes/<name>/extracted-text.md', 'w') as f: f.write(text) doc.close() " # 3. 提取图片（动态定位脚本，兼容不同安装位置） EXTRACT_SCRIPT=$(find .codex/skills/paper-lens/scripts ~/.codex/skills/codex-primary-runtime/paper-lens/scripts -name "extract_figures.py" 2>/dev/null | head -1) python3 " $EXTRACT_SCRIPT " \ paper-notes/<name>/paper.pdf \ paper-notes/<name>/images/ 标准输出目录 paper-notes/<paper-name>/ ├── paper.pdf # 原始论文 ├── extracted-text.md # 提取的全文文本 ├── images/ # 提取的所有图表（矢量图 + 嵌入位图） ├── figures/ # 【展示模式】筛选后的关键图表（重命名为 fig1-xxx.png） ├── speed-read.md # 速览模式输出 ├── paper-reading.md # 精读模式输出（论文级精读文档） ├── deep-learn.md # 学习模式输出（增量保存，每步追加） ├── slides-content.md # 展示模式输出 └── *.pdf # PDF 导出（与源 md 同名） 论文简称命名规则 小写，用 - 连接关键词 希腊字母写英文： τ²-bench → tau2-bench 特殊符号删除或转写： @ → at ， # → 删除 示例： swe-compass 、 attention-is-all-you-need 、 tau2-bench 、 pass-at-k Phase 1: 模式路由 自动判断模式 （按优先级匹配）： 用户输入特征 进入模式 跳过 Phase 0 包含「搜索/检索/survey/综述」+ 主题词 批量检索 ✅ 是 包含 ≥2 个 arXiv URL 或 arXiv ID 批量下载 ✅ 是 包含「论文级精读文档/精读文档/全文关键点梳理/像 CodeTracer 那种飞书文档」 精读 视情况 提供单篇论文 PDF/URL 进入 Phase 0 → 询问阅读模式 ❌ 否 阅读模式询问 （单篇论文解析完成后）： 论文已解析完成。你想用哪种模式来阅读？ 速览 — 5 分钟消化核心，快速判断值不值得深读 精读 — 生成论文级精读文档，适合系统学习和发飞书 学习 — 大白话深度理解，适合想真正搞懂这篇论文的人 展示 — 准备一场论文讲解的 slides 默认 ：如果用户没有明确选择，默认使用速览模式。 模式可串联 ：用户可以先速览，觉得有价值再切换到精读、学习或展示模式。已有速览/学习/展示内容可被后续模式参考，但不能简单拼接。 Phase 2: 执行模式 「结构化提问」是什么 在多个 references 里我们要求用「结构化提问」收集用户选择。Codex Web UI 使用 backend-owned 协议，不依赖 Default mode 下可能不可用的 request_user_input 。 Web UI 首选 ：输出隐藏 fenced block，后端会拦截并转成前端 question card，不显示原始 JSON： {"questions":[{"id":"focus","header":"阅读重点","question":"你更想看哪类内容？","options":[{"label":"方法","description":"重点拆解方法流程"},{"label":"实验","description":"重点解读结果和指标"}],"multiSelect":true}]} 纯 CLI 兜底 ：把同样的问题列表渲染成 Markdown 嵌套清单（每组 ≤4 选项 + 一行「其他/自定义」），输出到对话里，等用户用普通文本回复。 每个问题至少包含 id 、 header 、 question 、 options: [{label, description}] 、 multiSelect 。不论走哪条路：每组问题最多 4 个选项，按主题/关联分组； 始终保留「其他/自定义」 让用户自由输入；术语英文必须带中文注释（≤8 字）。精读模式默认一次性生成，不强制结构化提问。 速览模式 加载 references/speed-read.md 执行。 核心输出：基本信息卡片 → 核心创新 → 主要方法 → 实验结果 → 总结与QA。 一次性输出到对话中，同时保存到 paper-notes/<name>/speed-read.md 。 学习模式 加载 references/deep-learn.md 执行。 核心体验：边学边存，随时可读。 多轮交互流程： 先输出速览内容（复用速览模式）→ 创建笔记文件 名词提取 → 请求结构化用户输入 （codex requestUserInput ，多选 + 自定义输入；或纯 CLI 下用 plain-text Markdown 列表 + 等用户回复） 名词的大白话解释（英文术语后必须带中文注释）→ 追加到笔记 核心方法的大白话拆解 → 追加到笔记 公式确认 → 请求结构化用户输入 → 拆解后追加到笔记 附录精华提炼 → 追加到笔记 实践指导 → 追加到笔记 关键机制 ： 增量保存 ：每个 Step 完成后自动追加到 paper-notes/<name>/deep-learn.md ，用户全程可随时打开文件查看已学内容 交互选择 ：术语和公式的确认环节优先使用 codex 的 requestUserInput 服务端请求（Web UI 会渲染成卡片选择，多选 + 自定义输入）；若运行在纯 CLI 且无前端，则 fallback 为 Markdown 列表 + 等待用户文本回复 全程可对话 ：用户随时可用自然语言追问、补充术语、修改笔记、跳步或回溯，产生的新内容实时更新到笔记文件 精读模式 加载 references/paper-reading.md 执行。 核心体验：一次性生成完整的论文级精读文档，后续可自然语言追问修改。 执行说明： 输出固定保存到 paper-notes/<name>/paper-reading.md 可以复用已有 speed-read.md / deep-learn.md / slides-content.md 的理解和图表线索，但不得只拼接旧内容 图表、公式、指标解读必须顺着融入「方法拆解」「数据与实验设置」「实验结果分析」「局限与外推边界」等对应章节，不单独开“图表公式解读”大章节 Q&A 只保留信息熵最高的 5-7 个问题 Codex 版不为精读模式强制结构化提问，默认一次性生成；用户可在生成后继续要求修改、增删章节或改写风格 展示模式 加载 references/present.md 执行。 核心体验：图文并茂的 slides 内容，可直接生成带原文图片的 HTML 演示文稿。 多轮交互流程： 展示规划（场景/时长/听众/重点） 图表筛选与映射 （从提取的图片中识别论文原图，重命名到 figures/ 目录） 生成 slides 大纲（每页标注引用的图表） 逐页内容讨论与确认 输出 slides 内容文档（含图片路径引用） 关键机制 ： 图表映射 ：从 images/ 中识别论文原图（Figure 1, 2, 3...），复制并重命名到 figures/ 目录（如 fig1-architecture.png ），方便后续引用 HTML 生成交接 ：slides-content.md 中用 ![描述](figures/xxx.png) 引用图片；生成最终演示文稿时必须交给 frontend-slides skill 处理，由它负责视觉设计、图片 base64 嵌入和视口验证 最终保存到 paper-notes/<name>/slides-content.md 。保存后必须明确提示用户： slides-content.md 已完成。接下来我会使用 frontend-slides skill 生成可直接打开的 HTML 演示稿。 禁止 ：paper-lens 自己手写 HTML/CSS/JS 演示稿、自己生成 build-slides.py 、自己直接开发 deck。paper-lens 的职责到 slides-content.md 为止；最终演示稿必须由 frontend-slides skill 生成。 批量检索模式 加载 references/batch-search.md 执行。 触发 ：用户说"搜索 XXX 相关论文"、"检索 coding benchmark"、"帮我找 agent evaluation 的论文"等。 核心流程 ：WebSearch 搜索 arXiv → WebFetch 获取详情 → 生成表格 → 询问是否下载 → 调用批量下载。 输出到 paper-notes/survey-<主题>/search-results.md 。 批量下载模式 加载 references/batch-download.md 执行。 触发 ：用户粘贴多个 arXiv 链接/ID，或从批量检索中选择论文。 核心流程 ：提取 URL/ID → 三层去重（输入/本地/arXiv ID）→ 获取标题 → 批量 curl 下载 → 生成汇总表格。 输出到 paper-notes/batch-<日期>/download-summary.md 。 PDF 导出 加载 references/export-pdf.md 执行。 核心体验：一键将任意模式的 md 笔记导出为排版精美的 PDF。 支持三种排版样式：学术风格（academic）、简洁风格（clean）、紧凑风格（compact） 自动嵌入图片（ figures/ 、 images/ 目录下的引用图片） LaTeX 公式渲染为数学符号图片（需 matplotlib） 中英混排、表格、代码块均正确渲染 自动添加页码 触发方式：用户说"导出 PDF"、"生成 PDF"、"转 PDF" 等。 通用写作规范 必须做 用中文输出所有内容 所有英文术语后必须带中文注释 ：如 Pass@1（单次通过率） 、 Active Learning（主动学习） 、 SWE-bench（软件工程评测基准） 。中文注释不超过 8 个字，优先用通用译法 保持客观准确，基于论文内容分析 公式和符号严格对应论文原文 必须避免 AI 套话 ：不说"本文的核心贡献是..."、"值得注意的是..."、"综上所述..." 空洞评价 ：不说"这是一篇重要的工作"、"为该领域提供了新思路" 过度装饰 ：不滥用 emoji、不每句话都加粗 不必要的第一人称 ：不说"我认为..."、"我的理解是..." 大白话风格指南（学习模式核心） 想象你在给一个聪明但非本领域的朋友解释 先给直觉，再给细节 类比只用在真正抽象难懂的概念上，简单概念直接技术解释 每个概念最多一个比喻，一击即中，不堆叠多个类比 避免"翻译原文"，要"用自己的话重新讲" 不连续使用「打个比方」「简单来说」「就像」等过渡语 参考文件 references/speed-read.md — 速览模式详细指令和输出模板 references/paper-reading.md — 精读模式详细指令（论文级精读文档） references/deep-learn.md — 学习模式详细指令（名词提取、大白话拆解、公式解读、附录提炼） references/present.md — 展示模式详细指令（规划、大纲、逐页确认、输出规范） references/export-pdf.md — PDF 导出指令（样式选择、脚本执行） references/batch-search.md — 批量检索指令（WebSearch + WebFetch → 表格）