AlphaMoatによると、2026-09時点で文献精读小工具のダウンロード数は4,696、スター数は0で、AIスキル全体5,078件中2,023位、ナレッジ管理では442件中192位です。

インストール数

657

ダウンロード数

4696

スター数

総合順位

#2,023

全体の上位 40% · ナレッジ管理の上位 44%

プラットフォーム	インストール数	ダウンロード数	スター数	コメント
ClawHub ↗	29	1161	-	1
SkillHub ↗	657	4696	-	—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

テキストを抽出してからモデルで要約する流れで処理し、抽出には OCR か pdfplumber を使えます。実行時はスキルディレクトリ内の設定とプロンプトのファイルだけを読み、同梱スクリプトを動かします。研究テーマと方向はプロンプトファイルで指定し、ログや例外に鍵を出力しません。設定した OCR または言語モデルの提供元には、PDF の内容や抽出テキストが送られる場合があります。機密ファイルでは、ユーザーが承認した接続先だけを使ってください。

資料公開日 2026-10-27

できること

複数の論文 PDF から中国語の精読レポートをまとめて作る。
定めた研究方向に沿って文献を絞り込み要約する。

使う場面

文献が多く、書式を揃えた精読ノートが必要なとき。
固定の研究テーマで要約の観点を縛りたいとき。

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

これらの論文 PDF から中国語の精読サマリーを作って。

自分の研究方向に沿って、これらの論文の要点を整理して。

月次の推移

ダウンロード数4696

スター数-

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月	ダウンロード数	前月比	スター数
2026-09	4696	—	-
2026-08	3642	+33.5%	-
2026-07	2729	+26.5%	-
2026-06	2158	+15.5%	-
2026-05	1868	—	-
2026-03	904	—	-

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

3.1 KB・ClawHub v0.0.2

---
name: paper-review-generator
description: 将论文 PDF 批处理为中文精读总结报告的工作流技能。适用于“PaddleOCR 或 pdfplumber 抽取文本 + 大模型总结论文”场景。使用时仅读取 skill 目录下 config.json 与 prompt.md，并运行 scripts 中所需脚本，用户可在prompt.md中定义用户研究主题与研究方向。
---

# paper-review-generator

## 1) 配置文件约束
- 仅使用当前 skill 目录下两个文件：
  - `config.json`：包含运行所需全部信息（是否 OCR、OCR 参数、总结模型 base_url/model/api_key、可见窗口开关、线程数）

すべて表示(全 48 行)

  - `prompt.md`：总结提示词模板
- `api_key` 支持两种写法：
  - 在config.json中指定
  - 环境变量引用：`${ENV_VAR}`，脚本会在运行时读取对应环境变量
- 不读取其他目录 secret。
- 不在日志和异常信息中回显任何 api_key 或 token。

## 2) 执行入口
- **必须先切换到本 skill 根目录再运行脚本**（即 `.../paper-review-generator`），否则相对路径的 `config.json` / `prompt.md` 会找不到。
- 必须由用户明确传入输入与输出路径：
  - `--pdf`（可重复，支持多个文件）
  - `--dir`（可重复，支持多个文件夹）
  - `--output-dir`（可选；不传时默认输出到每个输入 PDF 同目录下的 `总结` 文件夹）
- 示例（路径由 agent 按用户需求填入）：
  - 单文件：`python scripts/run_pipeline.py --pdf "{pdf_path}" --output-dir "{output_dir}"`
  - 多文件：`python scripts/run_pipeline.py --pdf "{pdf_path_1}" --pdf "{pdf_path_2}" --output-dir "{output_dir}"`
  - 单文件夹：`python scripts/run_pipeline.py --dir "{pdf_dir}" --output-dir "{output_dir}"`
  - 多文件夹：`python scripts/run_pipeline.py --dir "{pdf_dir_1}" --dir "{pdf_dir_2}" --output-dir "{output_dir}"`

## 3) 分流逻辑
- 读取 `config.json.use_paddleocr`：
  - `true`：调用 `extract_paddleocr.py` 抽取文本（JSON 行输出，不落盘）。
  - `false`：调用 `extract_pdfplumber.py` 抽取文本（JSON 行输出，不落盘）。
- 然后调用 `summarize_reports.py`：读取 `prompt.md` 与管道传递的抽取文本，调用 `summarizer.provider` 指定的模型配置生成 `*_研读报告.md`。

## 4) 环境检查与安全规范
- 执行前先检查 Python 是否可用（建议 3.10+）：
  - 若用户电脑未安装 Python，必须先明确提示用户安装 Python，再继续后续步骤。
- 执行前检查依赖：
  - 若缺少依赖包，agent 应在 skill 根目录按 `scripts/requirements.txt` 执行安装：
    - `pip install -r scripts/requirements.txt`
- 首次使用前必须做端点审查：
  - 只保留你信任的 provider，删除或留空不用的 `base_url`/`model`
  - 敏感文档场景优先使用自建/内网 OCR 与 LLM 端点
- 仅向用户明确确认过的 OCR/LLM 端点发请求。
- 若配置缺失（如 api_key/token/model/base_url），直接报错并提示补齐字段。
- 日志与异常必须脱敏，禁止输出原始 Authorization/API key/token 或完整远端响应体。