paper-summarizer · diff
git:20260529.30bd36a to git:20260617.2161c01
23 added, 3 removed. Audit A to A.
---
name: paper-summarizer
description: 当用户提供PDF格式的学术论文并希望理解内容时使用此技能。触发场景：用户说"总结这篇论文"、"帮我读这篇paper"、"分析这个PDF"、"解释论文图表"、"这篇论文讲了什么"、提供论文PDF路径或URL、上传PDF文件。即使用户没有明确说"总结"，只要提供了PDF论文并要求理解其内容，都应当使用此技能。特别适用于光学、红外、TGV、热成像、机器视觉、物理、工程等领域。
---
# 论文总结与图表详解器
对用户提供的PDF学术论文进行深度总结，核心特色是对论文中**每一个图表**进行详细解释——不只是描述图表展示什么，更要解释图表背后的物理/工程含义、与论文核心论点的关系、以及图表本身的质量。
## 输入处理
接受任一形式的论文输入：
- **PDF文件路径** — 用 Read 工具直接读取（PDF支持多模态，可同时看到文字和图表）
- **Arxiv URL** — 用 WebFetch 获取摘要和PDF链接
- **DOI** — 通过 `doi.org` 解析后用 WebFetch 获取
- **直接粘贴文本** — 用户直接提供的论文内容（此时图表需用户额外提供截图）
扫描版/OCR版PDF提取质量有限，提醒用户并尽力解读可见内容。
+ ## Token 预算管理
+
+ 论文分析可能消耗大量上下文。按论文规模选择策略：
+
+ | 论文规模 | 策略 |
+ |---------|------|
+ | **短论文（≤10页，<15图）** | 一次性全量读取，逐个图表精读。无需分批。 |
+ | **中等论文（11-20页，15-30图）** | 分 2 批：方法+实验 → 结果+讨论+图表。每批输出对应章节。 |
+ | **长论文（>20页，>30图）** | 分 3-4 批。先读前 2 页建立全局认知，再按章节分批。每批输出后清空上下文。**图表数量超过 30 个时优先保证正文图表完整覆盖，补充材料图表标注"建议手动查阅"。** |
+
+ ### 分批信号
+
+ 遇到以下任一情况时主动切换到分批发：
+ - PDF 页数 > 20
+ - 图表编号超过 Figure 15
+ - 单次 Read 返回内容被截断
+ - 上下文窗口使用超过 50%（观察系统提示中的 usage 信息）
+
+ 分批时告知用户当前进度（如"已完成第 1/3 批：方法论章节"）。
+
## 阅读策略
- 读取策略的核心原则是：**不遗漏任何一个图表，同时对论文结构建立全局认知**。
+ 读取策略的核心原则是：**优先覆盖所有图表，同时对论文结构建立全局认知**。
### PDF较长的论文（>10页）
分阶段阅读，每阶段有明确目的：
- 1. **先读前2页** — 建立全局认知：标题、作者、摘要、引言开头。这一步让你知道论文属于什么领域、要解决什么问题。
+ 1. **先读前2页** — 建立全局认知：标题、作者、摘要、引言开头。确定论文领域和核心问题。
2. **浏览全部页面** — 快速扫描定位所有图表位置和章节边界。建立"图表地图"，确保后续不遗漏。
- 3. **精读核心章节** — Methods/Experiment/Results/Discussion 逐段细读。理解每个实验怎么做的、每个结论怎么得出的。
+ 3. **精读核心章节** — Methods/Experiment/Results/Discussion 逐段细读。理解每个实验和结论。
4. **逐个精读图表** — 每个图表作为独立单元精读。对于多子图（a/b/c/d），每个子图都要单独观察和分析。
### PDF较短的论文（≤10页）
一次性全量读取建立全局认知，然后逐个图表回溯精读。
### 图表识别清单
读取过程中标记所有图表类型，不遗漏任何编号或非编号的视觉元素：
- Figure/Fig/图（含子图 a/b/c/d/e/f）
- Table/表
- 未编号的示意图、流程图、照片
- Supplementary Materials 中的图表
## 输出结构
按8章节固定结构输出中文报告。完整模板见 `references/output-template.md`——开始输出前读取该模板，严格按模板结构填充内容。
报告八章分别为：
1. **论文基本信息** — 标题/作者/年份/期刊/DOI/领域
2. **研究问题与动机** — 要解决什么问题？为什么重要？前人不足？
3. **方法与技术路线** — 怎么解决的？核心技术是什么？创新点在哪？
4. **实验设计与验证** — 怎么验证的？数据集/装置/基线/指标是什么？
5. **图表详解** — 核心章节，每个图表逐一详细解释
6. **核心贡献** — 区分真创新 vs 工程优化
7. **局限与不足** — 有据可查的局限性分析
8. **总结与启发** — 核心信息、领域影响、后续研究方向
## 图表详解方法
每个图表的解释按5个维度展开，这是本技能区别于泛泛总结的核心：
1. **图表类型** — 识别正确是解释正确的前提
2. **展示内容** — 横纵坐标、数据序列、标尺等关键元信息
3. **关键观察** — 数据趋势、异常点、子图对比，用具体数值说话
4. **与论文论点的关系** — 这个图表在论证体系中的角色：支撑了什么结论？证明或反驳了什么？
5. **图表质量评价** — 从清晰度、标注完整性、色觉友好性、误差表达、可视化诚实性五个维度评估
详细的各类型图表分析指南和检查清单见 `references/chart-analysis.md`——在对每个图表做分析前读取该文件。
对于有子图的 Figure，**每个子图 (a) (b) (c)... 都单独按5维度分析**，不能笼统概括整个 Figure。
## 质量自检
完成全部分析后，逐条验证：
- [ ] 论文中每个编号的图表都出现在报告中了吗？逐个对编号
- [ ] 每个图表解释都包含了"与论文论点的关系"吗？
- [ ] 每个子图都被单独分析了吗？
- [ ] 论文每个结论都能追溯到支撑它的图表吗？
- [ ] 有没有无根据的推测？（"可能"、"似乎"）
- [ ] 图表质量评价是客观的具体观察，还是空洞的"很清晰"？
- [ ] 输出模板的8个章节一个不缺？