论文推荐技能

自动发现、深度阅读、生成简报 — 你的 AI 论文研究助手

一个用于 AI 研究论文发现、审阅与推荐的 Clawdbot 技能。

概览

该技能提供自动化论文获取、子代理并行审阅及推荐生成能力，覆盖从 arXiv 论文发现到详细简报生成的完整工作流。

功能

• 自动论文发现：按分类与关键词从 arXiv 获取最新论文
• 并行审阅：使用子代理同时阅读和审阅多篇论文
• 结构化输出：以统一格式生成详尽简报
• 每日自动化：支持 Cron 任务，实现每日论文调研自动化

脚本

1. fetch_papers.py

从 arXiv 获取最新论文，并可选下载 PDF 文件。

用法：

# 仅获取论文（不下载 PDF）
python3 scripts/fetch_papers.py --json

# 获取并下载 PDF
python3 scripts/fetch_papers.py --download --json

输出：

{
  "papers": [...],
  "total": 15,
  "fetched_at": "2026-01-29T17:00:00Z",
  "papers_dir": "/home/ubuntu/jarvis-research/papers",
  "pdfs_downloaded": ["/path/to/paper.pdf"]
}

2. review_papers.py

为并行论文审阅生成子代理任务。

用法：

# 使用 fetch_papers.py 的输出作为输入
python3 scripts/fetch_papers.py --json | python3 scripts/review_papers.py --json

# 或直接传入 JSON 字符串
python3 scripts/review_papers.py --papers '' --json

输出：

{
  "papers": [...],
  "subagent_tasks": [
    {
      "paper_id": "2601.19082",
      "task": "请完整阅读这篇论文并给出评分...",
      "label": "review-2601.19082"
    },
    ...
  ],
  "count": 5,
  "instructions": "使用 sessions_spawn 开子代理..."
}

3. read_pdf.py

读取 PDF 文件并提取文本供分析使用。

用法：

# 提取 PDF 全文文本
python3 scripts/read_pdf.py ~/jarvis-research/papers/2601.19082.pdf

# 提取并以 JSON 格式输出
python3 scripts/read_pdf.py ~/jarvis-research/papers/2601.19082.pdf --json

# 提取特定章节（摘要、实验等）
python3 scripts/read_pdf.py ~/jarvis-research/papers/2601.19082.pdf --sections --json

输出：

{
  "success": true,
  "pdf_path": "/home/ubuntu/jarvis-research/papers/2601.19082.pdf",
  "text_length": 15000,
  "text": "Full PDF text...",
  "sections": {
    "abstract": "Abstract text...",
    "methodology": "Methodology text...",
    "experiments": "Experiments text...",
    "results": "Results text...",
    "conclusion": "Conclusion text..."
  },
  "extracted_at": "2026-01-29T17:00:00Z"
}

注意：使用 pdftotext（Poppler）进行 PDF 文本提取。

Jarvis 的工作流（Agent 行为）

当你要求 Jarvis 执行论文调研时，Jarvis 应完成以下步骤：

步骤 1：调用 fetch_papers.py

python3 scripts/fetch_papers.py --download --json

步骤 2：审阅论文列表

检查获取到的论文列表，并决定哪些值得深入阅读。

步骤 3：生成子代理任务

python3 scripts/review_papers.py --papers '' --json

步骤 4：启动子代理执行论文审阅

为每篇论文启动一个子代理，执行阅读与审阅任务：

# 示例：为每篇论文启动一个子代理
clawdbot sessions spawn 
  --task "请完整阅读这篇论文并给出评分：..." 
  --label "review-2601.19082"

子代理任务要求：

• 通过 arXiv HTML 页面（/abs/）完整阅读论文
• 提取：机构、完整摘要、核心贡献、主要结论、实验内容
• 评分：1–5 分
• 推荐：是 / 否
• 以 JSON 格式回复

步骤 5：汇总审阅结果并决策

• 收集全部子代理返回的结果
• 分析各项评分与推荐意见
• Jarvis 做出最终判断（评分 ≥ 4 且推荐 == yes）

步骤 6：生成详细简报

严格遵循下方定义的 标准简报格式（Standard Briefing Format） 创建综合简报。

步骤 7：交付简报

通过 Telegram 或其他通道发送简报。

📋 标准简报格式（强制要求）

所有简报 必须严格遵循此格式，不得有任何例外。

必需结构

# 📚 论文简报 - TOPIC | YYYY年MM月DD日

---

## 📄 PAPER_TITLE

**标题:** Full paper title (英文原标题)  
**作者:** Author1, Author2, Author3... (所有作者，用逗号分隔)  
**机构:** Institution1; Institution2; Institution3... (真实机构名，不是作者名)  
**arXiv:** https://arxiv.org/abs/xxxx.xxxxx  
**PDF:** https://arxiv.org/pdf/xxxx.xxxxx.pdf  
**发布日期:** YYYY-MM-DD | **分类:** cs.XX (arXiv 分类)

### 摘要
Chinese translation of the abstract (full paragraph, ~200-400 characters). 必须是完整的中文翻译，不能是摘要片段。

### 核心贡献
1. Contribution 1 (一句话概括核心贡献)
2. Contribution 2
3. Contribution 3 (2-4个贡献点)

### 主要结论
1. Conclusion 1 (一句话概括主要结论)
2. Conclusion 2 (2-4个结论点)

### 实验结果
• Experiment setup 1 (实验设置)
• Experiment setup 2
• Key finding 1 (关键发现)
• Key finding 2 (3-5个要点)

### Jarvis 笔记
- **评分:** ⭐⭐⭐⭐ (X/5)
- **推荐度:** ⭐⭐⭐⭐⭐
- **适合研究方向:** Field1, Field2 (1-2个研究方向)
- **重要性:** One sentence summary (一句话说明为什么重要)

---

## 📊 统计
- 论文总数: N
- 平均评分: ⭐⭐⭐⭐ (X/5)
- 推荐指数: ⭐⭐⭐⭐⭐

---
*Generated by Jarvis | YYYY-MM-DD HH:MM | TOPIC*

⏰ 日常工作流（Cron 任务）

自动执行时间：每天上午 10:00

添加 Cron 任务（Clawdbot）

# 添加每日完整论文调研任务
clawdbot cron add 
  --name "daily-paper-research" 
  --description "每日完整论文调研：获取→阅读→简报→发送" 
  --cron "0 10 * * *" 
  --system-event "请执行完整论文调研工作流：运行 python3 /home/ubuntu/skills/jarvis-research/scripts/daily_workflow.py。这会获取具身智能论文、下载 PDF、生成简报并发送到我的 Telegram。完成后告诉我结果。" 
  --deliver 
  --channel telegram 
  --to 8077045709

查看状态

# 列出所有 cron 任务
clawdbot cron list

# 查看任务详情
clawdbot cron status

执行内容

每天上午 10:00 自动执行完整工作流：

1. 获取论文 — 从 arXiv 获取具身智能相关论文（前 6 篇）
2. 下载 PDF — 下载所有论文的 PDF 文件
3. 生成简报 — 按标准格式生成论文简报
4. 发送 Telegram — 将摘要发送至用户 Telegram

工作流脚本

# 手动执行完整工作流
python3 /home/ubuntu/skills/jarvis-research/scripts/daily_workflow.py

输出文件

• 简报: ~/jarvis-research/papers/briefing-embodied-{YYYY-MM-DD}.md
• PDF 文件: ~/jarvis-research/papers/{paper-id}.pdf
• Telegram: 摘要自动发送至用户

注意事项

• Cron 触发 Agent 执行 daily_workflow.py
• 脚本自动完成：获取 → 下载 → 生成 → 发送
• Agent 收到结果后可继续深入分析（可选）

主题

默认主题：具身智能 (Embodied Intelligence)

关键词配置位于 scripts/fetch_papers.py：

KEYWORDS = [
    'embodied', 'embodiment', 'embodied intelligence', 'embodied AI',
    'robotics', 'robot', 'manipulation', 'grasping',
    'vision-language-action', 'VLA', 'VLN',
    'reinforcement learning', 'sim2real', 'domain randomization',
    'sensorimotor', 'perception', 'motor control', 'action',
    'physical intelligence', 'embodied navigation'
]

字段定义与规则

关键规则 ⚠️

1. 机构必须为真实机构 — 须从 arXiv HTML 页面（/abs/）提取，禁止使用作者姓名
2. 摘要必须为中文 — 必须完整翻译自英文摘要原文，不可截取片段
3. 实验结果为必需项 — 必须同时包含实验设置与关键发现
4. 一篇论文对应一个章节 — 每篇论文独占一个 ## 📄 区块
5. 所有字段均为必需 — 不得遗漏任一字段
6. 禁止使用占位符 — 所有示例文字必须替换为实际内容

信息获取方式

获取作者与机构信息：

# 获取 arXiv HTML 页面（推荐）
curl https://arxiv.org/abs/

# 或使用 web_fetch 工具
web_fetch --url https://arxiv.org/abs/ --extractMode text

获取完整摘要与正文内容：

# 获取 HTML 版全文
curl https://arxiv.org/html/

获取 PDF（如可用）：

# 下载并提取文本
pdftotext .pdf -

示例 Agent 提示词

当你希望 Jarvis 执行论文调研任务时，可使用如下提示：

请执行论文调研任务：
1. 调用 fetch_papers.py 获取今天的多智能体相关论文（带 PDF 下载）
2. 查看论文列表，决定哪些值得深入阅读
3. 调用 review_papers.py 生成子代理任务
4. 使用 sessions_spawn 为每篇论文开一个子代理，要求：
   - 完整阅读论文（arXiv HTML 页面）
   - 提取机构、中文摘要、核心贡献、主要结论、实验结果
   - 给出 1-5 评分和推荐
   - 回复 JSON 格式
5. 收集所有子代理结果，分析评分，选出 3-5 篇推荐论文
6. 为每篇生成详细简报（必须包含：标题、作者、机构、中文摘要、核心贡献、主要结论、实验结果、Jarvis笔记）
7. 发送到我的 Telegram

配置

论文存储目录： ~/jarvis-research/papers/

监控的 arXiv 分类：

• cs.AI（人工智能）
• cs.LG（机器学习）
• cs.MA（多智能体系统）

关键词：
multi-agent, agent, collaboration, coordination, task planning, llm, reasoning, autonomous, swarm, collective, reinforcement, hierarchical, distributed, emergent

子代理模型：

• 默认：继承主 Agent 模型
• 可通过 agents.defaults.subagents.model 或 sessions_spawn.model 覆盖

备注

• 技能是 工具 — Jarvis 按需调用
• Jarvis 做出所有 决策（选择哪些论文审阅、哪些推荐）
• 子代理执行 并行 论文阅读（比串行更快）
• 技能输出 结构化数据 — Jarvis 解析并据此行动
• 简报是 Jarvis 的 创造性工作 — 非全自动模板填充
• 必须始终遵循标准简报格式 — 严禁任何偏差

文件结构

~/skills/paper-recommendation/
├── SKILL.md              # 本文档（完整说明）
└── scripts/
    ├── fetch_papers.py   # 论文获取 + PDF 下载
    ├── review_papers.py  # 子代理任务生成
    └── read_pdf.py       # PDF 文本提取

PDF 阅读支持：

• 使用 pdftotext（Poppler）提取文本
• 支持全文提取或指定章节提取（摘要、实验等）
• 便于子代理读取已下载的 PDF

Paper Recommendation Skill - AI Research Assistant