AlphaMoatによると、2026-10時点でPaper Analyzerのダウンロード数は10,298、スター数は5で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中2,653位、専門分野では1,228件中271位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| ClawHub ↗ | 1182 | - | - |
| SkillHub ↗ | 1万 | 5 | — |
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。
学术论文结构化阅读、拆解与分析工具。基于12个阅读要素(研究背景、研究问题、研究结论、文献综合、文献批评、研究方法、理论视角与理论框架、一致性发现、不一致性发现、研究贡献、研究不足、未来研究展望)对论文进行深度拆解,结果保存为Excel文件。当用户提到需要针对论文/文献/paper进行拆解、解析、分析、阅读、梳理...
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 |
|---|---|---|---|
| 2026-10 | 1万 | — | 5 |
| 2026-09 | 6003 | — | 5 |
| 2026-08 | 4633 | +31.5% | 5 |
| 2026-07 | 3523 | +71.4% | 5 |
| 2026-06 | 2056 | +54.0% | 2 |
| 2026-05 | 1335 | — | 2 |
| 2026-03 | 201 | — | - |
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 2026-11-20。
--- name: paper-analyzer description: 学术论文结构化阅读、拆解与分析工具。基于12个阅读要素(研究背景、研究问题、研究结论、文献综合、文献批评、研究方法、理论视角与理论框架、一致性发现、不一致性发现、研究贡献、研究不足、未来研究展望)对论文进行深度拆解,结果保存为Excel文件。当用户提到需要针对论文/文献/paper进行拆解、解析、分析、阅读、梳理,并上传或告知一篇或多篇论文的本地文件路径(PDF、Word等)时触发此skill。 --- # 论文结构化拆解分析 基于12个阅读要素对学术论文进行结构化拆解,结果保存为Excel文件存储于论文所在文件夹中。 ## 工作流程
### 1. 读取论文
- 使用 Read 工具读取用户提供的论文文件(支持 PDF、Word 等格式)
- 对于 PDF 文件,如果 Read 工具无法直接读取,使用 `pdftotext` 命令提取文本
- 对于 PDF 文件,如果页数较多,先读取前几页了解结构,再分批读取全文
- 确保完整阅读论文的各个部分:摘要、引言、文献综述、方法、结果、讨论、结论
- **记录论文所在的文件夹路径**,用于后续保存Excel文件
### 2. 按12要素提取信息
阅读论文后,逐一提取12个阅读要素。要素定义详见 [references/reading_elements.md](references/reading_elements.md)。
提取要点:
- **研究背景**: 从引言开头提取宏观背景,区分实践背景、理论背景、政策背景
- **研究问题**: 识别核心研究问题,判断其类型(what/why/how/should)
- **研究结论**: 从结论和讨论部分提取对研究问题的直接回答
- **文献综合**: 从文献综述部分梳理作者如何分类整理已有研究
- **文献批评**: 提取作者对已有研究的评价,重点关注研究gap的表述
- **研究方法**: 从方法论部分提取具体研究方法和研究设计
- **理论视角与理论框架**: 识别论文采用的理论基础和分析框架
- **一致性发现**: 从讨论部分提取与已有研究一致的发现
- **不一致性发现**: 从讨论部分提取与已有研究不一致的发现
- **研究贡献**: 提取作者自述的研究贡献(新方法/新材料/新理论/新观点/新概念)
- **研究不足**: 从结论或讨论的局限性部分提取
- **未来研究展望**: 提取作者对后续研究的建议
如论文中某要素未明确提及,标注"论文未明确提及"并尝试基于论文内容进行合理推断,推断内容用括号标注。
### 3. 保存为Excel文件
分析完成后,将结果保存为Excel文件,存放于**被分析论文所在的文件夹**中。
使用 [scripts/export_excel.py](scripts/export_excel.py) 脚本生成Excel。先用 Python 将分析数据写入临时JSON文件,再调用脚本。
#### 单篇论文
生成文件名:`论文拆解_<论文简称>.xlsx`,包含一个工作表。
构造JSON数据并调用脚本:
```bash
python3 <skill_path>/scripts/export_excel.py --mode single --output "<论文所在文件夹>/论文拆解_<论文简称>.xlsx" --json '<json_string>'
```
JSON结构:
```json
{
"title": "论文标题",
"author": "作者",
"source": "期刊/来源",
"year": "年份",
"elements": {
"研究背景": "内容...",
"研究问题": "内容...",
"研究结论": "内容...",
"文献综合": "内容...",
"文献批评": "内容...",
"研究方法": "内容...",
"理论视角与理论框架": "内容...",
"一致性发现": "内容...",
"不一致性发现": "内容...",
"研究贡献": "内容...",
"研究不足": "内容...",
"未来研究展望": "内容..."
}
}
```
#### 多篇论文
生成文件名:`论文拆解汇总_<N>篇.xlsx`,包含每篇论文的独立工作表 + 最后一个"横向对比汇总"工作表。
```bash
python3 <skill_path>/scripts/export_excel.py --mode multi --output "<论文所在文件夹>/论文拆解汇总_<N>篇.xlsx" --json '<json_string>'
```
JSON结构:
```json
{
"papers": [
{ "title": "...", "author": "...", "source": "...", "year": "...", "elements": { ... } },
...
],
"summary": {
"paper_labels": ["论文A简称", "论文B简称", ...],
"elements": {
"研究背景": ["论文A精简版", "论文B精简版", ...],
...12个要素各一个数组...
}
}
}
```
**重要**:由于JSON字符串可能很长,使用Python将JSON写入临时文件,再用 `--json "$(cat /tmp/paper_data.json)"` 传入,或直接在Python中调用脚本。推荐方式:
```python
import json, subprocess
data = { ... } # 构造好的数据
with open("/tmp/_paper_analysis.json", "w") as f:
json.dump(data, f, ensure_ascii=False)
subprocess.run(["python3", "<skill_path>/scripts/export_excel.py",
"--mode", "multi",
"--output", "<输出路径>",
"--json", json.dumps(data, ensure_ascii=False)])
```
### 4. 输出到对话
在保存Excel后,同时在对话中以markdown表格简要呈现分析结果,并告知用户Excel文件的保存路径。
### 5. 内容要求
- 使用中文输出(除非论文为英文且用户要求英文输出)
- 每个要素的内容应简明扼要但信息充分,单篇表格中每个要素2-5句话
- 汇总对比表中每个单元格压缩为1-2句核心要点
- 忠于论文原文,避免过度解读;推断内容明确标注
- 在研究问题要素中标注问题类型(what/why/how/should)
AIGC创作过程自动存证技能。自动识别创作平台与生成工具,将创作过程记录存证并盖有公安备案电子印章,具备可信时间戳,可以在全国电子印章互认平台核验。
反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「这是不是诈骗」「要不要转钱」「怎么止损」「钱还能不能追回来」,或需要识别诈骗话术、拆解骗局结构、生成报案材料与取证清单时使用。同时在对话中主动嗅探「转账、验证码、屏幕共享、安全账户、保证金、刷单、稳赚、百万保障、跑分」等风险词并插入预警,即使对方并未询问反诈。适用场景还包括:家属求助劝阻疑似被骗的亲人、企业/银行/支付机构/互联网平台做涉诈账户识别与交易监测规则、涉诈资金链(跑分、卡四件套、GOIP)分析、反诈合规与员工培训、反诈实战演练。
电子印章公安备案、全网互认,实现所有格式文件电子签章与视频确权,覆盖全国所有CA厂商自2005年以来的全量电子签章数据,无论由哪个地区、哪套系统、哪家CA机构签发,均可精准校验与互认。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
律师AI办案工作台:从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防(模拟法庭三方对打、质证策略、庭审发问)、赔偿与费用计算、期限提醒、复盘归档;覆盖民事、刑事、劳动、非诉、破产、执行、行政、仲裁八大领域,111 个技能(5 件路由·导航+106 件专家);法条引用 1,756 条/109 部(其中逐条带源标注 655 条、其余按离线库或待核口径;扫描口径与台账构成见 README),时效五档标注、法规版本变动前自动预警(预警锚点含商标法2026修订、刑诉法第四次修正)——法条直连国家法律法规数据库官方 API 实时核验,结论可复核、不装懂;2026-10 官方评测五项满分。不用记命令或技能名,直接说人话:欠钱不还、被车撞、被辞退、离婚分财产、合同违约。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
当用户上传交底材料、研发报告、技术方案文档,并要求撰写专利、撰写初稿,或请专利代理师视角输出可申请的专利文件时触发。也涵盖如下说法:'帮我把这份交底写成专利''生成专利文件''生成初稿''专利撰写'等,无论是否明确说'生成专利文件'。
露禾论文写作助手(免费版):一句话生成引用可溯源、不编造的专业学术论文,按国标 GB/T 7714 插入真实文献引用,中英文 3000/5000/8000 字,一键导出 Word。说「写论文 / 帮我写论文」即可使用。
知网(CNKI)高级检索论文自动化工具。当用户提供研究关键词(一组或多组)时,自动在知网 高级检索页面模拟人类检索行为:选择学术期刊类别、勾选CSSCI来源、输入主题关键词(含同义词 和同位词,用 + 连接)、多组关键词用OR关系连接,检索后按被引量排序、切换50条/页、 打开摘要视图,最终通过"导出与分析"功能...
PPT全自动生成流(AFP:Auto-Flow Prompt)。用户提供主题和内容,Agent自动完成:风格选择 → 大纲生成 → Prompt生成 → AI生图 → 打包PPTX → 发送飞书。当用户说"帮我做PPT"、"生成幻灯片"、"制作演示文稿"、"ppt-afp"时触发。
cjournal-analyzer は CSSCI 雑誌の直近五年間の掲載テーマと傾向を分析し、Word レポートを作成します。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。