内容
<div align="center">
# 📚 skill-find-papers
### 让 Agent 每周替你发现好论文、学习研究偏好，并生成飞书双语精读
[](https://github.com/zifangchen/skill-find-papers)
[](https://github.com/lstudlo/ScholarMCP)
[](https://www.npmjs.com/package/@larksuite/cli)
[](https://www.python.org/)
[](LICENSE)
[](https://github.com/zifangchen/skill-find-papers/stargazers)
基于 **Scholar MCP + 飞书 CLI** 的论文发现与精读工作流。
默认每周推荐 **5 篇近期高质量论文 + 1 篇经典论文**，并持续从你的选择中学习。
[🚀 一键部署](#-小白一键部署) ·
[🧭 功能介绍](#-核心能力) ·
[📦 手动安装](#-手动安装) ·
[💬 使用方法](#-如何使用) ·
[⏰ 自动化](#-推荐配置每周自动运行)
</div>
---
## ✨ 核心能力
| 能力 | 说明 |
|---|---|
| 🔎 **高质量论文发现** | 优先检索近 3 个月论文，不足时扩展至 12 或 24 个月 |
| 🏆 **质量门槛** | 近期论文需满足 JCR Q1、中科院一区或 CCF-A 之一 |
| 🧠 **兴趣学习** | 根据 `精读`、`已读`、`不感兴趣` 等反馈持续更新方向权重 |
| 📥 **本地论文接收箱** | 支持直接发送 PDF、DOI、arXiv 或出版社链接 |
| ⭐ **特别感兴趣** | 用户主动发送的论文优先分析，并以更高权重更新兴趣方向 |
| 🧪 **深度论文分析** | 整理摘要、创新贡献、方法、实验、结论、局限和阅读重点 |
| 🖼️ **方法图解** | 许可明确时引用论文图；否则生成原创方法示意图 |
| 🔗 **链接核验** | 核验论文、项目、代码、数据集和模型权重，不冒充官方实现 |
| 📝 **飞书精读归档** | 自动创建结构化中英文精读文档，并统一存入论文文件夹 |
| ⏰ **定时运行** | 推荐配置为 Codex 自动化任务，每周定时启动 |
> [!TIP]
> 公开版本的默认兴趣为 **Transformer、LLM、Agent**。首次使用时，Skill 会提醒用户确认或重新设置初始研究方向。
---
## 🧩 工作流程
```mermaid
flowchart LR
A[研究兴趣] --> B[检查本地论文接收箱]
B --> C[检索近期高质量论文]
C --> D[推荐 5 篇近期论文]
C --> E[推荐 1 篇经典论文]
D --> F[用户反馈]
E --> F
F --> G[更新兴趣权重]
F --> H[全文深度分析]
H --> I[生成飞书双语精读]
I --> J[下周继续学习]
```
### 📊 默认推荐规则
| 项目 | 默认配置 |
|---|---|
| 近期论文 | 5 篇 |
| 经典论文 | 1 篇 |
| 首选时间范围 | 近 3 个月 |
| 扩展范围 | 12 个月，最多 24 个月 |
| 近期论文质量 | JCR Q1 / 中科院一区 / CCF-A |
| 默认时区 | `Asia/Shanghai` |
| 推荐自动化时间 | 每周五北京时间 03:00 |
---
## 🚀 小白一键部署
不熟悉 Git、Python、MCP 或飞书开放平台也没关系。把下面整段提示词发送给具有终端权限的 **Codex / Claude Code / Cursor Agent**，让 Agent 自动完成检查、安装、配置和验证。
<details>
<summary><b>📋 点击展开：复制给 Agent 的一键部署提示词</b></summary>
```text
请帮我完整部署 GitHub 仓库 https://github.com/zifangchen/skill-find-papers 中的 skill-find-papers。
要求：
1. 先检查 Git、Python 3.10+、Node.js 20+、npm 是否可用，缺失时使用当前系统合适的包管理器安装。
2. 安装 Scholar MCP 和飞书 CLI：
npm install -g scholar-mcp @larksuite/cli
3. 将仓库中的 skill-find-papers 安装为全局 Agent Skill。优先执行：
npx skills add https://github.com/zifangchen/skill-find-papers --skill skill-find-papers -g -y
如果当前 Agent 不兼容 npx skills，请将仓库内 skill-find-papers 目录安装到该 Agent 的全局 skills 目录。
4. 在 Codex 中配置 scholar_mcp，使用 stdio 模式，并设置：
SCHOLAR_MCP_TRANSPORT=stdio
SCHOLAR_REQUEST_DELAY_MS=350
RESEARCH_ALLOW_REMOTE_PDFS=true
RESEARCH_ALLOW_LOCAL_PDFS=true
5. 不要只检查版本。请建立真实 MCP 连接，确认能列出工具，并至少成功执行一次 search_literature_graph。
6. 运行 lark-cli config init 配置飞书应用，再完成用户身份授权；运行 lark-cli doctor，确认 user identity、文档和云盘操作可用。授权链接必须展示给我，由我亲自登录确认；不要索取或保存我的密码。
7. 运行 skill 自带的 paper_state.py init。首次使用时询问我初始感兴趣领域；如果我接受默认 transformer、LLM、agent，则执行 interests --confirm，否则用 interests --replace 保存我的领域。
8. 用一个公开论文做完整测试：搜索、全文获取或本地 PDF 导入、结构化分析。飞书写入测试前先征得我的确认。
9. 最后汇报安装路径、版本、MCP 实际调用结果、飞书授权状态和 Skill 校验结果。遇到错误请继续诊断，不要只给我安装说明。
```
</details>
> [!IMPORTANT]
> 飞书授权需要用户在浏览器中亲自确认，因此无法完全无人值守。Agent 可以自动完成除此之外的大部分安装和验证工作。
---
## 📦 依赖
### 必需依赖
| 依赖 | 版本/用途 | 链接 |
|---|---|---|
| Agent | Codex、Claude Code、Cursor 或其他支持 Skill/MCP 的 Agent | [Codex](https://openai.com/codex/) |
| Git | 克隆和更新 Skill | [git-scm.com](https://git-scm.com/) |
| Python | `3.10+`，保存兴趣、历史和接收箱状态 | [python.org](https://www.python.org/) |
| Node.js | `20+`，运行 Scholar MCP 和飞书 CLI | [nodejs.org](https://nodejs.org/) |
| Scholar MCP | 论文检索、全文导入与结构化提取 | [GitHub](https://github.com/lstudlo/ScholarMCP) |
| 飞书 CLI | 创建文件夹和双语精读文档 | [npm](https://www.npmjs.com/package/@larksuite/cli) |
| 飞书应用 | 提供用户身份授权与云文档权限 | [飞书开放平台](https://open.feishu.cn/) |
### 推荐依赖
- 🧾 **GROBID**：提高复杂 PDF 的章节、参考文献和结构化解析质量。
- 🖥️ **Codex Desktop**：便于配置每周自动化任务和接收本地 PDF。
---
## 🛠️ 手动安装
### 1️⃣ 安装 Scholar MCP 与飞书 CLI
```bash
npm install -g scholar-mcp @larksuite/cli
```
检查环境：
```bash
scholar-mcp --version
lark-cli --version
python --version
node --version
```
### 2️⃣ 安装 Skill
推荐使用 `npx skills`：
```bash
npx skills add https://github.com/zifangchen/skill-find-papers \
--skill skill-find-papers -g -y
```
也可以手动克隆：
```bash
git clone https://github.com/zifangchen/skill-find-papers.git
```
然后将仓库中的 `skill-find-papers` 目录复制到 Agent 的全局 Skills 目录。Codex 通常使用：
```text
~/.codex/skills/skill-find-papers
```
### 3️⃣ 配置 Scholar MCP
在 Codex 的 `~/.codex/config.toml` 中加入：
```toml
[mcp_servers.scholar_mcp]
command = "scholar-mcp"
args = ["--transport=stdio"]
startup_timeout_sec = 120
[mcp_servers.scholar_mcp.env]
SCHOLAR_MCP_TRANSPORT = "stdio"
SCHOLAR_REQUEST_DELAY_MS = "350"
RESEARCH_ALLOW_REMOTE_PDFS = "true"
RESEARCH_ALLOW_LOCAL_PDFS = "true"
```
重启 Agent 后，应能看到以下核心工具：
```text
search_literature_graph
ingest_paper_fulltext
get_ingestion_status
extract_granular_paper_details
```
> [!WARNING]
> 仅运行 `scholar-mcp --version` 不代表 MCP 已成功连接。请执行一次真实的 `search_literature_graph` 调用。
### 4️⃣ 配置飞书 CLI
```bash
lark-cli config init
lark-cli doctor
```
根据 CLI 提示配置飞书开放平台应用并完成用户授权。Skill 需要以用户身份创建自己的云文档和云盘文件夹。
> [!CAUTION]
> 不要把飞书 App Secret、访问令牌、学校账号密码、验证码或浏览器 Cookie 提交到 GitHub 或发送给 Agent。
### 5️⃣ 设置初始兴趣
首次运行：
```bash
python ~/.codex/skills/skill-find-papers/scripts/paper_state.py init
```
接受默认方向 `transformer / LLM / agent`：
```bash
python ~/.codex/skills/skill-find-papers/scripts/paper_state.py \
interests --confirm
```
替换为自己的方向：
```bash
python ~/.codex/skills/skill-find-papers/scripts/paper_state.py \
interests --replace "大模型与通信,多智能体,语义通信"
```
---
## 💬 如何使用
### 🔍 每周发现论文
对 Agent 说：
```text
使用 skill-find-papers，按我的研究兴趣推荐本周论文。
```
Skill 会先检查本地论文接收箱，再执行常规检索。首次只发送便于比较的候选列表，在用户选择前不会创建飞书文档。
### 🗳️ 反馈论文
```text
1 精读；2 已读；3 不感兴趣；4-6 跳过
```
| 回复 | 行为 |
|---|---|
| 📖 `精读` | 提高相关方向权重，并写入飞书精读文档 |
| ✅ `已读` | 认为用户感兴趣并更新偏好，但不写入文档 |
| 👎 `不感兴趣` | 降低相关方向权重 |
| ⏭️ `跳过` | 不改变偏好 |
也可以直接调整方向：
```text
增加方向：无线多智能体
减少方向：传统图像分类
替换方向：LLM for networking, agentic systems
```
### 📥 上传 PDF、DOI 或论文链接
发送文件或链接后说：
```text
把这篇论文加入本周论文接收箱并重点分析。
```
支持：
- 本地 PDF
- DOI
- arXiv 链接
- 出版社论文页
- 官方项目页
#### 是否必须显式引用 `skill-find-papers`？
| 情况 | 建议 |
|---|---|
| 已经明确说“加入论文接收箱” | 通常不需要显式引用 |
| 同时安装了多个论文/写作 Skill | 建议明确说“使用 `skill-find-papers`” |
| 只上传 PDF，没有文字说明 | 建议补充“加入接收箱并重点分析” |
| 第一次使用 | 建议显式引用，避免 Agent 路由到普通 PDF 总结 |
用户主动发送的论文会被：
1. 📁 复制到托管本地接收箱；
2. ⭐ 标记为“特别感兴趣（用户主动发送）”；
3. 🧪 自动进入下一份精读文档，无需再次选择；
4. ⬆️ 优先于普通推荐论文分析；
5. 🧠 从全文识别细分方向，并给予一次性更高兴趣权重；
6. ➕ 作为额外论文处理，不占常规 `5 + 1` 推荐名额。
接收箱和偏好状态位于：
```text
~/.codex/skill-data/skill-find-papers/
```
### 📑 精读文档包含什么？
每篇选中论文将尽量包含：
- 论文元数据与质量依据
- 完整摘要或覆盖全部信息点的详细转述
- 中英文摘要内容
- 接近原文结构的创新与贡献
- 问题定义、输入输出、架构、算法、损失和训练流程
- 数据集、基线、指标与关键实验结果
- 论文/项目/官方代码链接
- 方法图解、局限与建议阅读重点
- 与当前研究兴趣的关联
---
## 📄 全文、摘要与图片说明
> [!NOTE]
> Scholar MCP 可以获取公开 PDF，也可以分析用户合法下载并提供的本地 PDF。
- 学校或 IEEE 订阅通常不能直接交给 MCP。
- 不要向 Agent 提供学校密码、验证码或浏览器 Cookie。
- 能阅读全文不等于能公开转载。
- 许可明确时，Skill 可保留完整摘要或引用论文图片。
- 许可不明确时，Skill 会详细转述摘要并创建原创方法示意图。
- 用户提供本地 PDF 仅表示允许 Agent 分析，不自动授予公开再发布权。
---
## ⏰ 推荐配置：每周自动运行
在 Codex Desktop 中创建自动化任务，推荐提示词：
```text
每周五北京时间凌晨 3:00，运行 skill-find-papers。
先处理本地论文接收箱，再根据已保存的研究兴趣推荐 5 篇近期高质量论文和 1 篇经典论文。
只发送候选论文和简要分析，等待我选择“精读/已读/不感兴趣/跳过”后再创建飞书文档。
```
### 自动化检查清单
- [ ] Codex 能启动 Scholar MCP
- [ ] Scholar MCP 已通过真实检索测试
- [ ] 飞书用户授权仍然有效
- [ ] 网络可以访问论文元数据源
- [ ] 设备在计划时间处于可运行状态
- [ ] 时区设置为 `Asia/Shanghai`
---
## 🗂️ 项目结构
```text
skill-find-papers/
├── SKILL.md
├── agents/
│ └── openai.yaml
├── references/
│ └── output-contract.md
└── scripts/
└── paper_state.py
```
---
## 🔐 隐私与安全
- 仓库不包含用户偏好、论文历史、飞书 token、PDF 或账号凭据。
- 用户状态仅写入 `~/.codex/skill-data/skill-find-papers/`。
- 请通过学校、出版社或开放获取渠道合法取得论文。
- 论文摘要、图片和大段原文的使用须遵守相应许可。
- 不要将 `.env`、状态文件、接收箱或下载的论文提交到 GitHub。
---
## 🤝 贡献
欢迎提交 [Issue](https://github.com/zifangchen/skill-find-papers/issues) 或
[Pull Request](https://github.com/zifangchen/skill-find-papers/pulls)：
- 增加新的论文质量来源
- 改善 Scholar MCP 全文解析流程
- 优化飞书精读排版
- 增加更多 Agent 的安装示例
- 修复不同系统上的兼容性问题
---
## 📜 License
本项目采用 [MIT License](LICENSE)。
<div align="center">
**如果这个 Skill 对你有帮助，欢迎点一个 ⭐**
[⬆️ 返回顶部](#-skill-find-papers)
</div>
连接信息
猜你喜欢
暂无推荐服务器