Paper Lens

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

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：

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：

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：

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）：

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？

1. 速览 — 5 分钟消化核心，快速判断值不值得深读
2. 精读 — 生成论文级精读文档，适合系统学习和发飞书
3. 学习 — 大白话深度理解，适合想真正搞懂这篇论文的人
4. 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。

1. 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}]}

2. 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：

1. 先输出速览内容（复用速览模式）→ 创建笔记文件
2. 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）
3. 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
4. 核心方法的大白话拆解 → 追加到笔记
5. 公式确认 → 请求结构化用户输入 → 拆解后追加到笔记
6. 附录精华提炼 → 追加到笔记
7. 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：

1. 展示规划（场景/时长/听众/重点）
2. 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）
3. 生成 slides 大纲（每页标注引用的图表）
4. 逐页内容讨论与确认
5. 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）
• references/batch-download.md — 批量下载指令（提取 URL → 去重 → curl 下载）
• scripts/extract_figures.py — 论文图片提取脚本（依赖 PyMuPDF）
• scripts/md_to_pdf.py — Markdown → PDF 转换脚本（依赖 PyMuPDF + markdown）

依赖

# 核心依赖
pip install pymupdf markdown
# 推荐（LaTeX 公式渲染为数学符号）
pip install matplotlib