start-my-day

Language Setting / 言語設定

このスキルは中国語と英語のレポートに対応しています。言語は設定ファイルの language フィールドで指定します。

• 中国語（デフォルト）：設定ファイルで language: "zh" を指定します
• 英語：設定ファイルで language: "en" を指定します

設定ファイルは次の場所に配置してください：$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml

言語の検出

実行開始時に設定ファイルを読み込み、言語設定を確認します。

# Resolve OBSIDIAN_VAULT_PATH if not set in the current session
# Some agent-hosted shell sessions do not source interactive shell profiles automatically
if [ -z "$OBSIDIAN_VAULT_PATH" ]; then
    [ -f "$HOME/.zshrc" ] && source "$HOME/.zshrc" 2>/dev/null || true
    [ -f "$HOME/.bash_profile" ] && source "$HOME/.bash_profile" 2>/dev/null || true
fi

# Read language from config
LANGUAGE=$(grep -E "^\s*language:" "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" | awk '{print $2}' | tr -d '"')

# Default to Chinese if not set
if [ -z "$LANGUAGE" ]; then
    LANGUAGE="zh"
fi

# Set note filename suffix based on language
if [ "$LANGUAGE" = "en" ]; then
    NOTE_SUFFIX="paper-recommendations"
else
    NOTE_SUFFIX="论文推荐"
fi

その後、ワークフロー全体でこの言語設定を使用します。

• ノートを生成するときは、スクリプトに --language $LANGUAGE を渡します
• 生成するノートでは、適切なセクション見出しを使用します

---

目標

ユーザーが研究日の始まりに、直近1か月と1年の非常に注目度が高く、人気があり、質の高い論文を検索し、おすすめノートを生成できるよう支援します。

ワークフロー

ワークフローの概要

このスキルでは、Python スクリプトから arXiv API を呼び出して論文を検索し、XML の結果を解析して、研究関心に基づいて選別・評価します。

ステップ1：コンテキストの収集（サイレント）

1. 今日の日付を取得

   • 現在の日付を特定します（YYYY-MM-DD形式）

2. 研究設定を読み込む

   • $OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml を読み込みます（ファイル名は interests であり、interest ではありません）。研究分野を取得します
   • キーワード、カテゴリ、優先度を抽出します

3. 既存のノートをスキャンしてインデックスを作成

   • 20_Research/Papers/ ディレクトリにあるすべての .md ファイルをスキャンします
   • ノートのタイトルを抽出します（ファイル名と frontmatter の title フィールドから）
   • 後で自動リンクに使用するため、キーワードとノートのパスの対応表を作成します
   • frontmatter の title フィールドを優先し、次にファイル名を使用します

ステップ2：論文を検索

2.1 検索範囲

関連するすべてのカテゴリから、最近の論文を検索します。

1. 検索範囲

   • scripts/search_arxiv.py を使用して arXiv を検索します
   • クエリ：研究に関連するすべての arXiv カテゴリ
   • 投稿日順に並べ替えます
   • 結果の上限：200件

2. 選別方法

   • 研究関心の設定ファイルに基づいて論文を選別します
   • 総合推薦スコアを算出します
   • 高スコアの論文を上位10件まで残します

2.2 検索と選別の実行

scripts/search_arxiv.py スクリプトを使用して、検索、解析、選別を行います。

# 使用 Python 脚本搜索、解析和筛选 arXiv 论文
# 首先切换到 skill 目录，然后执行脚本
cd "$SKILL_DIR"
python scripts/search_arxiv.py \
  --config "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" \
  --output arxiv_filtered.json \
  --max-results 200 \
  --top-n 10 \
  --categories "cs.AI,cs.LG,cs.CL,cs.CV,cs.MM,cs.MA,cs.RO"

スクリプトの機能：

1. arXiv の検索

   • arXiv API を呼び出し、指定したカテゴリの論文を検索します
   • 最新の論文を最大200件取得します

2. XML 結果の解析

   • API が返す XML を解析します
   • ID、タイトル、著者、概要、投稿日、カテゴリを抽出します

3. 選別とスコア付けの適用

   • 研究関心の設定ファイルに基づいて論文を選別します
   • 総合推薦スコアを算出します（関連性40％、新近性20％、人気度30％、品質10％）
   • スコア順に並べ替え、上位10件を残します

出力：

• arxiv_filtered.json - 選別後の論文リスト（JSON 形式）
• 各論文には以下が含まれます：
  • 論文 ID、タイトル、著者、概要
  • 投稿日、カテゴリ
  • 関連性スコア、新近性スコア、人気度スコア、品質スコア
  • 最終推薦スコア、一致した分野

ステップ3：選別結果の読み込み

3.1 JSON 結果の読み込み

arxiv_filtered.json から、選別とスコア付けが完了した論文リストを読み込みます。

# 读取筛选结果
cat arxiv_filtered.json

結果に含まれる項目：

• total_found：検索された論文の総数
• total_filtered：選別後の論文数
• top_papers：高スコアの上位10件の論文。各論文には以下が含まれます：
  • 論文 ID、タイトル、著者、概要
  • 投稿日、カテゴリ
  • 関連性スコア、新近性スコア、品質スコア
  • 最終推薦スコア、一致した分野、一致したキーワード

3.2 スコアの説明

複数の観点からスコアを算出します。

推荐评分 =
  相关性评分: 40%
  新近性评分: 20%
  热门度评分: 30%
  质量评分: 10%

スコアの詳細：

1. 関連性スコア（40％）

   • 研究関心との一致度
   • タイトルのキーワード一致：1件につき+0.5点
   • 概要のキーワード一致：1件につき+0.3点
   • カテゴリの一致：+1.0点
   • 最高スコア：約3.0

2. 新近性スコア（20％）

   • 直近30日以内：+3点
   • 30～90日以内：+2点
   • 90～180日以内：+1点
   • 180日超：0点

3. 人気度スコア（30％）

   • （データが利用可能な場合）引用数が100超：+3点
   • 引用数が50～100：+2点
   • 引用数が50未満：+1点
   • 引用データなし：0点
   • または、投稿日からの経過時間に基づいて推定します（直近7日以内の人気の新着論文）：+2点

4. 品質スコア（10％）

   • 概要から推定します。顕著な新規性：+3点
   • 手法が明確：+2点
   • 一般的な研究：+1点
   • または、既存ノートの品質スコアを読み込みます

最終推薦スコア = 関連性（40％） + 新近性（20％） + 人気度（30％） + 品質（10％）

ステップ4：今日のおすすめノートを生成

4.1 選別結果の読み込み

arxiv_filtered.json から、選別後の論文リストを読み込みます。

• 高スコアの上位10件を含みます
• 各論文の完全な情報（ID、タイトル、著者、概要、スコア、一致した分野）を含みます

4.2 おすすめノートファイルの作成

1. おすすめノートファイルを作成

   • ファイル名（言語設定に基づく）：
     • 中国語（language: "zh"）：10_Daily/YYYY-MM-DD论文推荐.md
     • 英語（language: "en"）：10_Daily/YYYY-MM-DD-paper-recommendations.md
   • 変数 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md を使用します（NOTE_SUFFIX は言語検出の段階で設定済みです）
   • 以下のプロパティを必ず含めます：
     • keywords：今日おすすめする論文のキーワード（カンマ区切り。論文のタイトルと概要から抽出）
     • tags：["llm-generated", "daily-paper-recommend"]

2. 論文を詳しく書く価値があるか確認

   • 特に読む価値のある論文：推薦スコア >= 7.5、または特におすすめする論文
   • 一般的なおすすめ論文：その他の論文

3. 論文の既存ノートを確認

   • 20_Research/Papers/ ディレクトリを検索します
   • その論文の詳細ノートがあるか確認します
   • 既存ノートがある場合：簡潔に記載し、既存ノートを参照します
   • ノートがない場合：
     • 特に読む価値のある論文：おすすめノートに詳しい内容を記載します
     • 一般的なおすすめ論文：基本情報のみ記載します

4.2 おすすめノートの構成

ノートファイルは次の構成にします。

---
keywords: [关键词1, 关键词2, ...]
tags: ["llm-generated", "daily-paper-recommend"]
---

[具体论文推荐列表...]

4.2.1 今日の概要（論文リストの前に配置）

論文リストの前に概要セクションを追加し、今日おすすめする論文全体の傾向をまとめます。

$LANGUAGE の設定に応じて言語を選択します。

英語（language: "en"）：

## Today's Overview

Today's {paper_count} recommended papers focus on **{direction1}**, **{direction2}**, and **{direction3}**.

- **Overall Trends**: {summary of research trends}
- **Quality Distribution**: Scores range from {min}-{max}, {quality assessment}.
- **Research Hotspots**:
  - **{hotspot1}**: {description}
  - **{hotspot2}**: {description}
  - **{hotspot3}**: {description}
- **Reading Suggestions**: {reading order recommendations}

中国語（language: "zh"）：

## 今日概览

今日推荐的{论文数量}篇论文主要聚焦于**{主要研究方向1}**、**{主要研究方向2}**和**{主要研究方向3}**等前沿方向。

- **总体趋势**：{总结今日论文的整体研究趋势}
- **质量分布**：今日推荐的论文评分在 {最低分}-{最高分} 之间，{整体质量评价}。
- **研究热点**：
  - **{热点1}**：{简要描述}
  - **{热点2}**：{简要描述}
  - **{热点3}**：{简要描述}
- **阅读建议**：{给出阅读顺序建议}

説明：

• 選別された上位10件の論文のタイトル、概要、スコアに基づいてまとめます
• 共通する研究テーマと傾向を抽出します
• 妥当な読む順番を提案します

4.2.2 全論文で統一された形式

すべての論文をスコアの高い順に並べ、統一された形式を使用します。

$LANGUAGE の設定に基づいて、ラベルの言語を選択します：

英語（language: "en"）：

### [[Note_Filename|Paper Title as Displayed]]
- **Authors**: [author list]
- **Affiliation**: [institution names, extracted from paper source or arXiv page]
- **Links**: [arXiv](url) | [PDF](url)
- **Source**: arXiv
- **Note**: [[existing_note_path|short title]] or --

**One-line Summary**: [one sentence summarizing the core contribution]

**Core Contributions**:
- [contribution 1]
- [contribution 2]
- [contribution 3]

**Key Results**: [most important results from abstract]

---

中国語（language: "zh"）：

### [[Note_Filename|论文标题显示名]]
- **作者**：[作者列表]
- **机构**：[机构名称，从论文源码或 arXiv 页面提取]
- **链接**：[arXiv](链接) | [PDF](链接)
- **来源**：[arXiv]
- **笔记**：[[已有笔记路径|简称]] 或 --

**一句话总结**：[一句话概括论文的核心贡献]

**核心贡献/观点**：
- [贡献点1]
- [贡献点2]
- [贡献点3]

**关键结果**：[从摘要中提取的最重要结果]

---

重要な書式ルール：

• Wikilink では必ず display alias を使用します：[[File_Name|Display Title]]。bare [[File_Name]] は使用しないでください（アンダースコアがそのまま表示され、読みにくくなります）
• 画像には Obsidian の wikilink 埋め込み構文を必ず使用します：![[filename.png|600]]。![alt](path%20encoded) 形式の使用は禁止です（URL エンコードは Obsidian で機能しません）
• 所属機関情報：論文の TeX ソースコードにある \author または \affiliation フィールドから抽出します。arXiv API から取得できない場合は、ダウンロードしたソースパッケージから読み取ります
• 「データなし」のプレースホルダーとして --- を使用しないでください：代わりに -- を使用します（ハイフン3つは Obsidian に区切り線として解析されます）

4.2.3 上位3本の論文に画像を挿入し、詳細分析を呼び出す

上位3本の論文（スコアが最も高い3本）について：

ステップ0：論文にノートがすでにあるか確認します

# 在 20_Research/Papers/ 目录中搜索已有笔记
# 搜索方式：
# 1. 按论文ID搜索（如 2602.23351）
# 2. 按论文标题搜索（模糊匹配）
# 3. 按论文标题关键词搜索

ステップ1：確認結果に基づいて処理方法を決定します

ノートがすでにある場合：

• 新しい詳細レポートは生成しません
• 既存ノートのパスを wikilink として使用します
• 推薦ノートの「詳細レポート」フィールドで既存ノートを参照します
• 画像を抽出する必要があるか確認します（images ディレクトリがない、または空の場合）
  • 画像が必要な場合：extract-paper-images を呼び出します
  • 画像がすでにある場合：既存の画像を使用します

ノートがない場合：

• 画像を抽出するために extract-paper-images を呼び出します
• 詳細レポートを生成するために paper-analyze を呼び出します
• 推薦ノートに画像と詳細レポートへのリンクを追加します

ステップ2：推薦ノートに画像とリンクを挿入します

ノートがすでにある場合：

### [[已有论文名称]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [PDF](链接)
- **来源**：[arXiv]
- **详细报告**：[[已有笔记路径]]
- **笔记**：已有详细分析

**一句话总结**：[一句话概括论文的核心贡献]

![[existing_image_filename.png|600]]

**核心贡献/观点**：
...

ノートがない場合：

### [[Note_Filename|Paper Title Display Name]]
- **作者**：[作者列表]
- **机构**：[机构名称]
- **链接**：[arXiv](链接) | [PDF](链接)
- **来源**：[arXiv]
- **详细报告**：[[20_Research/Papers/[domain]/[note_filename]|Short Title]] (自动生成)

**一句话总结**：[一句话概括论文的核心贡献]

![[paperID_fig1.png|600]]

**核心贡献/观点**：
...

画像形式のルール（重要！）：

• Obsidian の wikilink 埋め込み構文を必ず使用します：![[filename.png|600]]
• Markdown の画像構文は使用禁止です：![alt](path%20with%20encoding) — URL エンコード（%20、%26）は Obsidian で機能しません
• 画像ファイル名の例：2603.24124_fig1.png
• Obsidian は vault 内で一致するファイル名を自動検索するため、完全なパスを書く必要はありません

詳細レポートについて：

• レポートのパス：20_Research/Papers/[论文分类]/[note_filename].md
• 重要：JSON の note_filename フィールドを使用して wikilink を組み立てます
• display alias を必ず使用します：[[20_Research/Papers/[domain]/[note_filename]|Short Title]]
  • 正しい例：[[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting|Hypothesis-Conditioned Query Rewriting]]
  • 誤った例：[[20_Research/Papers/大模型/Hypothesis-Conditioned_Query_Rewriting_for_Decision-Useful_Retrieval]]（アンダースコアがそのまま表示され、見栄えがよくありません）
• 詳細レポートは paper-analyze によって自動生成されます

所属機関／Affiliation の抽出：

• ダウンロードした arXiv ソースパッケージ（.tar.gz）内の .tex ファイルから \author と \affiliation フィールドを抽出します
• ソースを利用できない場合は、arXiv ページの HTML から抽出します
• それでも取得できない場合は -- と記載します（ハイフン2つを使用し、Obsidian に区切り線として解析されるハイフン3つ --- は使用しないでください）

ステップ5：キーワードを自動リンクする（任意）

推薦ノートを生成した後、既存ノートへのキーワードリンクを自動で追加します：

# 步骤1：扫描现有笔记
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# 步骤2：生成推荐笔记（正常流程）
# ... 使用 search_arxiv.py 搜索论文 ...

# 步骤3：链接关键词（新增步骤）
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md" \
  --output "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}_linked.md"

注意：

• キーワードリンクスクリプトは、frontmatter、見出し行、コードブロックを自動でスキップします
• 一般的な単語（and、for、model、learning など）を除外します
• 既存の wikilink は変更せずに保持します

重要なルール

• 検索範囲を拡大：直近1か月の論文と、直近1年間の人気論文を検索します
• 総合推薦スコア：関連性、新しさ、人気度、品質の4つの観点を組み合わせます
• 日付をファイル名に含める：10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md の形式を維持します（中国語：论文推荐、英語：paper-recommendations）
• 今日の概要を追加：推薦ノートの冒頭に「## 今日の概要」セクションを追加し、今日の論文の主な研究分野、全体的な傾向、品質の分布、注目されている研究テーマ、読書の推奨事項をまとめます
• スコア順に並べる：すべての論文を推薦スコアの高い順に並べます
• 上位3本の特別な処理：
  • 論文名を wikilink 形式にします：[[论文名字]]
  • 1枚目の画像を自動で抽出して挿入します
  • paper-analyze を自動で呼び出して詳細レポートを生成します
  • 「詳細レポート」フィールドに wikilink を表示して関連付けます
• その他の論文：基本情報のみを記載し、画像は挿入しません
• すばやく確認できるようにする：ユーザーが当日の推薦内容をすばやく把握できるようにします
• 重複を避ける：すでに推薦した論文を確認します
• キーワードを自動リンク：
  • 推薦ノートの生成後、既存ノートを自動でスキャンします
  • テキスト内のキーワード（BLIP、CLIP など）を wikilink に置き換えます
  • 例：BLIP → [[BLIP]]
  • 既存の wikilink は変更せずに保持します
  • コードブロック内の内容は置き換えません
  • すでに wikilink が存在する内容は置き換えません（重複を防ぐため）

他の skills との違い

start-my-day（本スキル）

• 目的：広範囲の検索から推薦論文を選び、毎日の推薦ノートを生成します
• 検索範囲：直近1か月の論文と、直近1年間の人気または高品質の論文
• 内容：推薦リスト
  • 冒頭に「今日の概要」を含めます：主な研究分野、全体的な傾向、品質の分布、注目されている研究テーマ、読書の推奨事項をまとめます
  • すべての論文で統一された形式を使用します
  • 上位3本を特別に処理します：
    • 論文名を wikilink 形式にします：[[论文名字]]
    • 1枚目の画像を自動で抽出して挿入します
    • paper-analyze を自動で呼び出して詳細レポートを生成します
    • 「詳細レポート」フィールドに wikilink を表示して関連付けます
• 画像処理：上位3本から1枚目の画像を自動で抽出して挿入します。すべての論文の画像は含めません
• 詳細レポート：上位3本は自動生成し、その他の論文は生成しません
• 対象：ユーザーが毎日手動で実行します
• ノートの参照：論文に既存のノートがある場合は、簡潔に記載して参照します。分析で過去のノートを参照する必要がある場合も、直接参照します

paper-analyze（詳細分析skill）

• 目的：ユーザーが論文を1本指定し、詳しく調査します
• 使用場面：ユーザーが読みたい論文があり、AI が整理した推薦リストに含まれていない場合
• 内容：論文の詳細分析ノート
  • 研究課題、手法の概要、手法のアーキテクチャ、主要なイノベーション、実験結果、詳細分析、関連論文との比較など、すべての重要情報を含みます
  • 画像を豊富に活用：論文内のすべての画像（主要なアーキテクチャ図、手法の図、実験結果の図など）を使用します
• 対象：ユーザーが論文 ID またはタイトルを指定して paper-analyze を直接呼び出します（Codex では $paper-analyze、Claude Code では /paper-analyze を使用します）
• 重要な要件：start-my-day が整理した論文であっても、ユーザーが直接確認する論文であっても、画像を豊富に活用します

使用方法

ユーザーが「start my day」と入力したら、以下の手順を実行します：

日付パラメーターのサポート：

• パラメーターなし：当日の論文推薦ノートを生成します
• パラメーターあり（YYYY-MM-DD）：指定した日付の論文推薦ノートを生成します
  • 例：Codex では $start-my-day 2026-02-27、Claude Code では /start-my-day 2026-02-27 を使用します

自動実行フロー

1. 対象日付の取得

   • 引数なし：現在の日付を使用（YYYY-MM-DD形式）
   • 引数あり：指定された日付を使用

2. 既存のノートをスキャンしてインデックスを構築

   # 扫描 vault 中现有的论文笔记
   cd "$SKILL_DIR"
   python scripts/scan_existing_notes.py \
     --vault "$OBSIDIAN_VAULT_PATH" \
     --output existing_notes_index.json
   

   • 20_Research/Papers/ ディレクトリをスキャン
   • ノートのタイトルと tags を抽出
   • キーワードとノートのパスの対応表を構築

3. arXiv 論文の検索と絞り込み

   # 使用 Python 脚本搜索、解析和筛选 arXiv 论文
   # 首先切换到 skill 目录，然后执行脚本
   # 如果有目标日期参数（如 2026-02-21），传递给 --target-date
   cd "$SKILL_DIR"
   python scripts/search_arxiv.py \
     --config "$OBSIDIAN_VAULT_PATH/99_System/Config/research_interests.yaml" \
     --output arxiv_filtered.json \
     --max-results 200 \
     --top-n 10 \
     --categories "cs.AI,cs.LG,cs.CL,cs.CV,cs.MM,cs.MA,cs.RO" \
     --target-date "{目标日期}"  # 如果用户指定了日期，替换为实际日期
   

4. 絞り込み結果の読み込み

   • arxiv_filtered.json から絞り込み結果を読み込む
   • 評価スコアの高い論文を上位 10 件取得
   • 各論文には、ID、タイトル、著者、要約、スコア、該当分野が含まれます

5. キーワードリンクを含むおすすめノートの生成

   • 10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md を作成（対象日付を使用し、NOTE_SUFFIX は言語設定に従います）
   • スコア順に並べ替え：すべての論文をおすすめスコアの高い順に並べます
   • 上位 3 件の特別処理：
     • 論文名を wikilink 形式にします：[[论文名字]]
     • 「一文要約」の後に、実際に抽出した 1 枚目の画像を挿入します
     • 「詳細レポート」フィールドに wikilink のリンク先を表示します
   • その他の論文：基本情報のみを記載し、画像は挿入しません
   • キーワードの自動リンク（重要！）：
     • ノートの生成後、テキスト内のキーワードをスキャンします
     • existing_notes_index.json を使用して照合します
     • キーワードを BLIP → [[BLIP]] のように wikilink に置き換えます
     • 既存の wikilink は変更せずに保持します
     • コードブロック内の内容は置き換えません

6. 上位 3 件の論文を詳細に分析

   # 对每篇前三论文执行以下操作
   
   # 步骤1：检查论文是否已有笔记
   # 在 20_Research/Papers/ 目录中搜索
   # - 按论文ID搜索（如 2602.23351）
   # - 按论文标题搜索（模糊匹配）
   # - 按论文标题关键词搜索（如 "Pragmatics", "Reporting Bias"）
   
   # 步骤2：根据检查结果决定处理方式
   if 已有笔记:
       # 不生成新的详细报告
       # 使用已有的笔记路径
       # 只提取图片（如果没有图片的话）
   else:
       # 提取第一张图片
       调用 extract-paper-images skill，传入 [论文ID]
   
       # 生成详细分析报告
       调用 paper-analyze skill，传入 [论文ID]
   

   • ノートがすでにある場合：
     • 詳細レポートを重複して生成しません
     • 既存のノートのパスを wikilink として使用します
     • 画像を抽出する必要があるか確認します（images ディレクトリがない、または空の場合）
     • おすすめノートの「詳細レポート」フィールドから既存のノートを参照します
   • ノートがない場合：
     • 1 枚目の画像を抽出して vault に保存します
     • 詳細な論文分析レポートを生成します
     • おすすめノートに画像と詳細レポートへのリンクを追加します

一時ファイルのクリーンアップ

• 検索中に生成された一時的な XML ファイルと JSON ファイルは削除できます
• おすすめノートを vault に保存した後は、一時ファイルは不要です

依存関係

• Python 3.x（検索と絞り込みスクリプトの実行に使用）
• PyYAML（研究関心の設定ファイルの読み込みに使用）
• ネットワーク接続（arXiv API へのアクセス）
• 20_Research/Papers/ ディレクトリ（既存のノートのスキャンと詳細レポートの保存に使用）
• extract-paper-images スキル（論文の画像抽出に使用）
• paper-analyze スキル（詳細レポートの生成に使用）

スクリプトの説明

search_arxiv.py

scripts/search_arxiv.py にあり、次の機能を提供します：

1. arXiv の検索：arXiv API を呼び出して論文を取得します
2. XML の解析：論文情報（ID、タイトル、著者、要約など）を抽出します
3. 論文の絞り込み：研究関心の設定ファイルに基づいて論文を絞り込みます
4. スコアの計算：関連性、新しさ、品質などの観点を総合して評価します
5. JSON の出力：絞り込んだ結果を arxiv_filtered.json に保存します

scan_existing_notes.py

scripts/scan_existing_notes.py にあり、次の機能を提供します：

1. ノートディレクトリのスキャン：20_Research/Papers/ 以下のすべての .md ファイルをスキャンします
2. ノート情報の抽出：
   • ファイルパス
   • ファイル名
   • frontmatter の title フィールド
   • tags フィールド
3. インデックスの構築：キーワードとノートのパスの対応表を作成します
4. JSON の出力：インデックスを existing_notes_index.json に保存します

使用方法：

cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

出力形式：

{
  "notes": [
    {
      "path": "20_Research/Papers/多模态技术/BLIP_Bootstrapping-Language-Image-Pre-training.md",
      "filename": "BLIP_Bootstrapping-Language-Image-Pre-training.md",
      "title": "BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation",
      "title_keywords": ["BLIP", "Bootstrapping", "Language-Image", "Pre-training", "Unified", "Vision-Language", "Understanding", "Generation"],
      "tags": ["Vision-Language-Pre-training", "Multimodal-Encoder-Decoder", "Bootstrapping", "Image-Captioning", "Image-Text-Retrieval", "VQA"]
    }
  ],
  "keyword_to_notes": {
    "blip": ["20_Research/Papers/多模态技术/BLIP_Bootstrapping-Language-Image-Pre-training.md"],
    "bootstrapping": ["20_Research/Papers/多模态技术/BLIP_Bootstrapping-Language-Image-Pre-training.md"],
    "vision-language": ["20_Research/Papers/多模态技术/BLIP_Bootstrapping-Language-Image-Pre-training.md"]
  }
}

link_keywords.py

scripts/link_keywords.py にあり、次の機能を提供します：

1. テキストの読み込み：処理するテキストを読み込みます
2. ノートインデックスの読み込み：existing_notes_index.json からノートの対応情報を読み込みます
3. キーワードの置き換え：テキスト内のキーワードを検索し、wikilink に置き換えます
   • 既存の wikilink（例：[[BLIP]]）は置き換えません
   • コードブロック内の内容は置き換えません
   • 照合ルール：
     • タイトルのキーワード全体を優先して照合します
     • 次に tags 内のキーワードを照合します
     • 大文字と小文字を区別せずに照合します
     • 一般的な語（and、for、model、learning など）は除外します
     • frontmatter と見出し行はスキップします
4. 結果の出力：処理後のテキストを出力します

使用方法：

# 首先切换到 skill 目录，然后执行脚本
cd "$SKILL_DIR"
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "input.txt" \
  --output "output.txt"

照合例：

原始文本：
"这篇论文使用了BLIP和CLIP作为基线方法。"

处理后：
"这篇论文使用了[[BLIP]]和[[CLIP]]作为基线方法。"

使用方法：

# 步骤1：扫描现有笔记
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# 步骤2：生成推荐笔记（正常流程）
# ... 使用 search_arxiv.py 搜索论文 ...

# 步骤3：链接关键词（新增步骤）
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md" \
  --output "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}_linked.md"

主な特長：

• スマート照合：大文字と小文字を区別せずに照合し、日本語環境に対応します
• 既存リンクの保護：既存の wikilink は置き換えません
• コードの汚染を回避：コードブロックとインラインコード内の内容は置き換えません
• パスのエンコード：UTF-8 エンコードを使用し、日本語のパスを正しく扱います
• 対象外領域のスキップ：frontmatter、見出し行、コードブロックは処理しません

キーワードリンクの実装（新規！）

機能の概要： 日次おすすめノートの生成後、既存のノートを自動でスキャンし、テキスト内のキーワード（BLIP、CLIP など）を wikilink（例：[[BLIP]]）に置き換えます。

実行フロー：

1. 既存のノートをスキャン：20_Research/Papers/ ディレクトリをスキャンします

   • ノートの frontmatter（title、tags）を抽出します
   • タイトルからキーワードを抽出します（区切り文字と一般的な接辞に基づきます）
   • tags からキーワードを抽出します（ハイフンで分割します）
   • キーワードとノートのパスの対応表を構築します

2. おすすめノートの生成：通常どおり、おすすめノートの内容を生成します

3. キーワードのリンク化：生成したノートを処理します

   • テキスト内のキーワードを検索します
   • 見つかったキーワードを wikilink に置き換えます
   • 既存の wikilink は保持します
   • コードブロックとインラインコード内の内容は置き換えません

使用方法：

# 步骤1：扫描现有笔记
cd "$SKILL_DIR"
python scripts/scan_existing_notes.py \
  --vault "$OBSIDIAN_VAULT_PATH" \
  --output existing_notes_index.json

# 步骤2：生成推荐笔记（正常流程）
# ... 使用 search_arxiv.py 搜索论文 ...

# 步骤3：链接关键词（新增步骤）
python scripts/link_keywords.py \
  --index existing_notes_index.json \
  --input "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}.md" \
  --output "10_Daily/YYYY-MM-DD${NOTE_SUFFIX}_linked.md"

主な特長：

• スマート照合：大文字と小文字を区別せずに照合し、日本語環境に対応します
• 既存リンクの保護：既存の wikilink は置き換えません
• コードの汚染を回避：コードブロックとインラインコード内の内容は置き換えません
• パスのエンコード：UTF-8 エンコードを使用し、日本語のパスを正しく扱います