据 AlphaMoat 统计,截至 2026-09,文献精读小工具 累计下载 4,696 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 2,023 位,在「知识管理」分类(442 个)中排名第 192 位。

累计安装

657

累计下载

4,696

星标

全站排名

#2,023

全站前 40% · 「知识管理」前 44%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	29	1,161	-	1
SkillHub ↗	657	4,696	-	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

按抽取文本再用大模型总结的流程处理论文，文本抽取可用 OCR 或 pdfplumber。运行只读取技能目录下的配置与提示词文件并执行自带脚本，研究主题与方向由用户在提示词文件里设定；日志与异常不输出任何密钥。配置的 OCR 或大模型服务商可能收到 PDF 内容及抽取文本。处理保密文件时，只使用用户批准的服务端点。

资料发布于 2026-10-27

可以用来做什么

把一批论文 PDF 批量生成中文精读报告。
按设定的研究方向筛选并总结文献。

什么时候用

文献量大、需要统一格式的精读笔记时。
想用固定研究主题约束总结口径时。

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

把这几篇论文 PDF 生成中文精读总结。

按我的研究方向整理这批论文的核心结论。

月度数据趋势

累计下载4,696

星标-

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	4,696	—	-
2026-08	3,642	+33.5%	-
2026-07	2,729	+26.5%	-
2026-06	2,158	+15.5%	-
2026-05	1,868	—	-
2026-03	904	—	-

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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）

展开全部(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。