jennyee1 Paper Reader（论文阅读器）Skill
什么时候使用
当用户提出以下需求时使用此 Skill：
- 提供了一篇 PDF 论文并要求"分析"、"阅读"或"总结"它
- 想要理解论文中的图表或公式
- 询问论文的结构或各个章节
- 提到了一个本地的 PDF 文件路径
前置条件
- Python 环境，且已安装依赖：
pip install -r requirements.txt
操作指南
0. 📥 下载论文 PDF
当用户通过 paper-search MCP 工具搜索到论文后，使用此命令下载 PDF：
python skills/paper_reader/scripts/parse_pdf.py --action download --url "<arXiv_ID_or_URL>"
支持两种格式：
- arXiv ID：
--url "2210.03629"→ 自动拼接为https://arxiv.org/pdf/2210.03629.pdf - 完整 URL：
--url "https://arxiv.org/pdf/2210.03629.pdf" - 可选：
--filename "ReAct.pdf"自定义文件名（默认从 arXiv ID 自动生成）
PDF 文件保存到 data/ 目录。下载完成后，使用下方的深度解析命令分析论文。
1. 🌟 深度多模态解析（推荐首选）
一次性提取文本 + 章节结构 + 所有嵌入图片，是论文分析的最佳起点。
python skills/paper_reader/scripts/parse_pdf.py --action deep --pdf "<pdf_path>"
返回结构化 JSON，包含：
- metadata: 标题、页数、文件大小、总字符数
- sections: 各章节名称、字数、预览文本
- text: 全文文本（用于 LLM 理解和知识图谱入图）
- figures: 提取的图片列表（自动过滤了 icon/logo 等噪声图片）
⚠️ Token 成本控制规则：
- 深度解析后，禁止自动
view_file查看图片 - 只向用户报告"共提取了 N 张图表"以及路径列表
- 仅当用户明确要求分析某张图表时，才使用
view_file查看 - 每次
view_file查看一张图片约消耗 500~1500 Vision Token
设计原理：文本用文本提取（零 Vision 开销），图片只提取嵌入的 figure（不做全页渲染），最大化信息密度、最小化 token 消耗。
2. 提取论文结构（零成本，无 API 消耗）
当用户想要快速了解论文各个章节时：
python skills/paper_reader/scripts/parse_pdf.py --action structure --pdf "<pdf_path>"
这将返回包含章节名称和字数的 JSON 数据。请将其格式化为表格形式呈现。
3. 提取全文
当用户需要论文的全部文本内容时：
python skills/paper_reader/scripts/parse_pdf.py --action text --pdf "<pdf_path>"
返回全文内容。可以将其用于知识抽取（传递给 add_paper_to_graph MCP 工具）。
4. 从指定页面提取图片
当用户明确要求分析某个具体的图表时：
python skills/paper_reader/scripts/parse_pdf.py --action images --pdf "<pdf_path>" --page <page_num>
此命令会将提取出的图片保存到 data/scholarmind_images/ 并返回它们的文件路径。
图表分析触发条件（仅当以下情况之一成立时才使用 view_file 查看图片）：
- ✅ 用户明确说了"分析图表"、"看看这张图"、"解释 Figure X"
- ✅ 用户提问的内容无法仅从文本中回答（如"这个系统框图的架构是什么"）
- ✅ 用户要求将图表信息加入知识图谱
禁止触发的情况：
- ❌ 用户只是说"分析论文"或"总结论文" → 文本已足够，无需看图
- ❌ 深度解析后自动查看所有图片 → 严禁，Token 浪费严重
分析图片时，结合论文 text 中引用该图表的上下文段落（如 "As shown in Fig. 2..."）能显著提升分析质量。
5. 将整页渲染为图片（仅在必要时使用）
当页面包含复杂公式、矢量图或扫描版 PDF 时，才需要全页渲染：
python skills/paper_reader/scripts/parse_pdf.py --action render --pdf "<pdf_path>" --page <page_num> --dpi 200
将渲染后的页面保存到 data/scholarmind_images/ 并返回路径。请使用 view_file 查看渲染出的页面图片并进行分析。
6. 获取 PDF 元数据
python skills/paper_reader/scripts/parse_pdf.py --action metadata --pdf "<pdf_path>"
返回标题、作者、页数、文件大小以及该文档是否为扫描版 PDF。
输出格式
始终以结构化的 Markdown 格式展示结果：
- 元数据：呈现为表格
- 结构：呈现为带有字数的有序列表
- 图片：仅列出路径和数量，不要自动查看。告知用户可以要求分析特定图片
- 对于扫描版 PDF：提醒用户，并建议使用"整页渲染 + 视觉分析"的方式
Workflow 集成推荐
在分析完一篇论文后，主动建议下一步操作：
- "要把这篇论文加入知识图谱吗？" → 使用
add_paper_to_graphMCP 工具，将 deep 解析的全文文本传入 - "需要分析某张具体图表吗？（共提取了 N 张图）" → 仅在用户同意后，再使用
view_file查看指定图片 - "需要运行相关仿真吗？" → 使用
code-executionMCP 工具