據 AlphaMoat 統計,截至 2026-09,文獻精讀小工具 累計下載 4,696 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 2,023 位,在「知識管理」分類(442 個)中排名第 192 位。

累計安裝

657

累計下載

4696

星標

全站排名

#2,023

全站前 40% · 「知識管理」前 44%

平台	累計安裝	累計下載	星標	評論
ClawHub ↗	29	1161	-	1
SkillHub ↗	657	4696	-	—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

按抽取文字再用大模型總結的流程處理論文，文字抽取可用 OCR 或 pdfplumber。執行只讀取技能目錄下的配置與提示詞檔案並執行自帶指令碼，研究主題與方向由使用者在提示詞檔案裡設定；日誌與異常不輸出任何金鑰。設定的 OCR 或大型語言模型服務商可能收到 PDF 內容及擷取文字。處理機密檔案時，只使用使用者核准的服務端點。

資料釋出於 2026-10-27

可以用來做什麼

把一批論文 PDF 批次生成中文精讀報告。
按設定的研究方向篩選並總結文獻。

什麼時候用

文獻量大、需要統一格式的精讀筆記時。
想用固定研究主題約束總結口徑時。

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

把這幾篇論文 PDF 生成中文精讀總結。

按我的研究方向整理這批論文的核心結論。

月度資料趨勢

累計下載4696

星標-

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份	累計下載	環比	星標
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

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 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）

展開全部(共 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。