# Ljg Xray Paper

> 对学术论文做 X 光式深度解构，提炼核心贡献、关键机制、边界条件与餐巾纸级洞见。适用于“论文拆解”“快速审稿式理解”“提炼创新增量与隐含假设”等场景。

- Skill: `codepiano/ljg-xray-paper` (Agent Skill)
- Install (CLI): `npx skillmds@latest add codepiano/ljg-xray-paper`
- Raw SKILL.md: https://api.skillmd.com/api/skills/codepiano/ljg-xray-paper/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: codepiano (https://skillmd.com/u/codepiano)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/codepiano/ljg-xray-paper

---


# 论文 X 光机（Codex 版）

目标不是总结论文，而是还原论文最底层的解题逻辑与创新增量。

## 上游仓库

- Source: `https://github.com/lijigang/ljg-skill-xray-paper`
- 更新同步示例：`git clone --depth=1 https://github.com/lijigang/ljg-skill-xray-paper.git`

## 输入支持

- 本地 PDF 路径
- 论文链接
- 论文正文/摘要文本

## 执行流程

### 1) 获取论文内容

- 若为 PDF：提取标题、作者、会议/期刊、摘要、方法、实验与结论。
- 若为 URL：抓取正文后做同样结构提取。
- 若仅有摘要：先完成轻量分析，并明确可信度边界。

### 2) 认知提取算法

1. 去噪
- 弱化背景铺垫与套话
- 仅在必要时引用 Related Work
- 聚焦决定性技术细节

2. 提取
- 核心贡献（Delta）
- 关键直觉（作者的“灵光一闪”）
- 决定成败的 1-2 个关键步骤

3. 批判
- 隐含假设
- 边界条件与失效情形
- 未解决问题与后续机会

### 3) 结构化输出

按以下固定模块输出（高密度、短句优先）：
- `PROBLEM`: 痛点定义 + 前人困境
- `INSIGHT`: 核心直觉 + 关键步骤
- `DELTA`: 对比 SOTA + 新拼图
- `CRITIQUE`: 隐形假设 + 未解之谜
- `NAPKIN`: 餐巾纸图 + 餐巾纸公式 + 一句话结论

### 4) ASCII 逻辑图

必须提供纯 ASCII 逻辑流程图，建议形态：
`问题 -> 核心洞见 -> 方法设计 -> 结果/增量 -> 边界`

### 5) 文件落地（用户要求保存时）

- 时间戳：`date +%Y%m%dT%H%M%S`
- 文件名：`{timestamp}--xray-{slug}__read.md`（或 `__read.org`）
- 路径：`~/Documents/notes/`

## 质量标准

- 直白解释复杂概念，减少学术黑话复述。
- 必须包含至少 1 个隐含假设或未解问题。
- 必须给出“餐巾纸公式”和可一眼理解的 ASCII 图。
- 不确定结论需标注依据不足（如仅摘要分析）。