CHB-learner 每日论文推荐
这是面向用户的一句话入口。
识别用户意图
识别时间范围：
今日论文推荐、每日推荐、今日论文-> 当天过去3天论文推荐、最近3天论文-> 3 天过去一周论文推荐、看看这周有啥论文-> 7 天过去两个月-> 60 天- 其他 N 天 -> 用户指定的 N
识别关键词：
- 如果用户指定了关键词（如"大模型评测"、"扩散模型"），使用用户提供的
- 如果用户没有指定，从
daily.keywords配置获取默认关键词；旧配置daily_paper_keywords仍兼容
执行流程
路径契约（必须）
每日论文只能写入一个日期目录：
{DAILY_PAPERS_PATH}/{YYYY-MM-DD}/
例如 Dailypaper/2026-05-20/。禁止创建或写入任何月份/日期混合目录，包括：
Dailypaper/5月/0520/Dailypaper/5月/520/Dailypaper/{月份}/{DD}/Dailypaper/{月份}/{MMDD}/
执行前必须显式设置并复用：
DATE_DIR="$(date +%F)"
DAILY_RUN_DIR="{DAILY_PAPERS_PATH}/$DATE_DIR"
META_DIR="$DAILY_RUN_DIR/_meta"
RECOMMENDATION_FILE="$DAILY_RUN_DIR/$DATE_DIR-论文推荐.md"
后续抓取、点评、笔记、图片、_meta 都只能使用这些变量。不要手写 5月、0520、520 这种路径。
如果发现同一天的旧式目录已经存在，先停止写入并迁移到 Dailypaper/{YYYY-MM-DD}/；如果目标目录已有内容，保留目标目录，不要把新内容写回旧式目录。
Step 1: 关键词丰富化
对每个原始关键词进行丰富化（英文 + 中文变体）：
| 原始关键词 | 丰富化关键词 |
|---|---|
| 大模型评测 | LLM evaluation, large language model benchmark, foundation model evaluation, 模型评测, 大模型评估 |
| 扩散模型 | diffusion model, score-based model, diffusion generative model, 扩散生成模型 |
丰富化逻辑：
- 每个关键词展开为 4-6 个相关关键词（中英文混合）
- 英文为主（覆盖 arXiv 检索），保留中文（覆盖中文论文）
Step 2: 多源检索（multi_source_fetch.py）
调用 multi_source_fetch.py，传入丰富化后的关键词。输出保存在当天日期目录的 _meta/ 下，便于复盘：
python3 ~/.claude/skills/daily-papers/multi_source_fetch.py \
--topic "每日论文" \
--queries-json '["{丰富化关键词1}", "{丰富化关键词2}"]' \
--since-year {年份下限} \
--max-results 100 \
--sources auto \
--output "$META_DIR/candidates.json"
输出：
_meta/candidates.json：规范化、去重、排序后的候选论文_meta/source_diagnostics.json：各来源请求状态_meta/dedup_stats.json：去重统计_meta/plan.json：本次 topic / queries / source 配置
Step 3: Claude 判断相关性（daily-papers-review）
读取 _meta/candidates.json，Claude 逐一判断每篇论文是否与关键词相关，输出 core / adjacent / exclude 筛选理由并生成推荐点评。
Step 4: 生成笔记（daily-papers-notes）
对推荐中标记为"🔥 必读"的论文，逐篇生成中英双语笔记。
重要约束
- 不要先要求用户手动跑
跑一下论文抓取 / 点评 / 笔记 - 这 3 句是内部流水线和调试入口，不是首页主交互
- 如果用户明确只想跑其中一步，再交给对应 skill
自动化
- 本 skill 本身是"一步跑完整流水线"的入口
- 如果用户想做本地定时任务，默认也应该触发这一句