alphaxiv

AlphaXiv 论文查询

查询论文：$ARGUMENTS

快速阅读单篇论文，按层级回退到不同来源（概览 → 完整 Markdown → LaTeX 源码）。由 AlphaXiv 提供支持。

角色与定位

此技能是快速阅读单篇论文的工具，可返回针对大模型优化的摘要：

技能	来源	最适合
/arxiv	arXiv API	批量搜索、下载 PDF、查询元数据
/deepxiv	DeepXiv SDK	逐步阅读各章节
/semantic-scholar	S2 API	已发表论文的出版信息、引用次数
/alphaxiv	www.alphaxiv.org	即时获取一篇论文的 LLM 优化摘要，并在必要时回退到 LaTeX 源码

不要将此技能用于主题探索、广泛的文献搜索或多篇论文综述——请改用 /research-lit 或 /arxiv。

常量

• OVERVIEW_URL = https://www.alphaxiv.org/overview/{PAPER_ID}.md
• ABS_URL = https://www.alphaxiv.org/abs/{PAPER_ID}.md
• ARXIV_SRC_URL = https://arxiv.org/src/{PAPER_ID}
• ALPHAXIV_UA = Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36 — 任何现代浏览器 UA 均可；如果 AlphaXiv 再次开始拦截此值，请更新版本号

覆盖选项（追加到参数中）：

• /alphaxiv 2401.12345 — 快速概览
• /alphaxiv "https://arxiv.org/abs/2401.12345" — 自动提取 ID
• /alphaxiv 2401.12345 - depth: src — 强制检查 LaTeX 源码
• /alphaxiv 2401.12345 - depth: abs — 强制获取完整 Markdown

工作流

第 1 步：解析参数并提取论文 ID

解析 $ARGUMENTS，提取纯 arXiv 论文 ID。接受以下输入格式：

• https://arxiv.org/abs/2401.12345 或 https://arxiv.org/abs/2401.12345v2
• https://arxiv.org/pdf/2401.12345
• https://alphaxiv.org/overview/2401.12345 或 https://www.alphaxiv.org/overview/2401.12345
• https://alphaxiv.org/abs/2401.12345 或 https://www.alphaxiv.org/abs/2401.12345
• 2401.12345 或 2401.12345v2

调用 API 时，去掉版本后缀（v1、v2 等）。保存为 PAPER_ID。

解析可选指令：

• - depth: overview|abs|src：强制使用指定层级，而非逐层回退

第 2 步：获取 AlphaXiv 概览（第 1 层——最快）

使用 curl 和 {ALPHAXIV_UA} 获取 AlphaXiv 概览。AlphaXiv 可能会对非浏览器 User-Agent 返回 403；设置标准浏览器 UA 可以减少被误判为机器人的情况：

curl -sL --max-time 15 -A "{ALPHAXIV_UA}" "https://www.alphaxiv.org/overview/{PAPER_ID}.md"

这会返回一份结构化且针对大模型优化的报告，专为机器读取而设计。默认优先使用此来源。

如果概览已回答用户的问题，到此为止。不要不必要地获取更深层级的内容。

如果请求失败（HTTP 4xx——403 表示被机器人检测拦截，404 表示尚未处理）或返回内容为空，请继续执行第 3 步。

第 3 步：获取完整的 AlphaXiv Markdown（第 2 层——更多细节）

使用 curl 和 {ALPHAXIV_UA} 获取完整的论文 Markdown：

curl -sL --max-time 15 -A "{ALPHAXIV_UA}" "https://www.alphaxiv.org/abs/{PAPER_ID}.md"

这会以 Markdown 格式提供完整论文正文。适用于用户需要以下内容的情况：

• 具体的方法细节
• 详细的实验结果
• 概览中未涵盖的特定章节

如果这些内容仍无法回答问题，请继续执行第 4 步。

第 4 步：获取 arXiv LaTeX 源文件（第 3 层级——最深入）

当概览和完整 Markdown 都不足以回答问题时（例如，用户询问公式、证明、附录细节或实现细节），请从 https://arxiv.org/src/{PAPER_ID} 下载论文的 LaTeX 源文件。

源文件是 .tar.gz 归档文件。请将其下载到临时目录，解压，然后列出其中的 .tex 文件。

接着只检查回答问题所需的文件。优先查看：

1. 顶层 *.tex 文件（通常是主文档）
2. 由 \input{} 或 \include{} 引用的文件
3. 与用户问题直接相关的附录、表格或章节

默认情况下，不要读取整个源文件树。 请有选择地读取。

临时源文件存放在 /tmp 下。请勿依赖持久化。

第 5 步：呈现结果

默认回答格式

## [Paper Title]

- **arXiv**: [PAPER_ID] — https://arxiv.org/abs/[PAPER_ID]
- **Source depth**: overview | abs | src

### Summary
[2-3 sentence summary]

### Key Points
- [point 1]
- [point 2]
- [point 3]

### Answer to Your Question
[Direct answer if the user asked a specific question]

如果用户只询问一项具体细节，请直接回答——跳过完整模板。

呈现摘要后，必须先继续执行第 6 步，再结束本轮对话。

第 6 步：研究 Wiki 导入

必须始终运行下方的 bash 代码块——它会在内部检查 research-wiki/，如果不存在则静默退出。 不要根据自行检查目录的结果跳过此步骤；bash 代码块会为你处理。

仅替换 <paper_arxiv_id> 和 <thesis>；保持 ${ARIS_REPO:-...} 原样，以保留已设置的环境变量。

if [ -d research-wiki/ ]; then
  cd "$(git rev-parse --show-toplevel 2>/dev/null || pwd)" || exit 1
  ARIS_REPO="${ARIS_REPO:-$(awk -F'\t' '$1=="repo_root"{print $2; exit}' .aris/installed-skills.txt 2>/dev/null)}"
  if [ -z "${ARIS_REPO:-}" ] && [ -f "$HOME/.aris/repo" ]; then
    ARIS_REPO=$(cat "$HOME/.aris/repo" 2>/dev/null) || true
  fi
  WIKI_SCRIPT=".aris/tools/research_wiki.py"
  [ -f "$WIKI_SCRIPT" ] || WIKI_SCRIPT="tools/research_wiki.py"
  [ -f "$WIKI_SCRIPT" ] || { [ -n "${ARIS_REPO:-}" ] && WIKI_SCRIPT="$ARIS_REPO/tools/research_wiki.py"; }
  [ -f "$WIKI_SCRIPT" ] || {
    echo "WARN: research_wiki.py not found; paper summary delivered, wiki ingest skipped. Fix: bash tools/install_aris.sh or smart_update.sh (refreshes ~/.aris/repo), export ARIS_REPO, or cp <ARIS-repo>/tools/research_wiki.py tools/." >&2
    WIKI_SCRIPT=""
  }
  [ -n "$WIKI_SCRIPT" ] && python3 "$WIKI_SCRIPT" ingest_paper research-wiki/ \
      --arxiv-id "<paper_arxiv_id>" \
      [--thesis "<one-line thesis from the Tier 1 overview>"]
fi

此辅助工具负责处理元数据获取、slug、去重、页面创建、索引重建和日志追加——不要手动编写 papers/<slug>.md。请参阅 shared-references/integration-contract.md。 如果读取时 Wiki 不存在（或无法访问辅助工具），用户可在按上述方式解析 $WIKI_SCRIPT 后，通过 python3 "$WIKI_SCRIPT" sync research-wiki/ --arxiv-ids <id> 进行补录。

建议后续技能（第 6 步完成后）

/arxiv "PAPER_ID" - download          - download the PDF to local library
/deepxiv "PAPER_ID" - section: Methods  - read a specific section progressively
/research-lit "related topic"        - multi-source literature survey
/novelty-check "idea from paper"     - verify novelty against this paper's area

关键规则

• 先看概览：overview 是最快的途径，必须始终先于更深入的层级尝试。仅在有需要时才升级。
• 尽量少读：在 src 层级，只读取能够回答问题的文件。读取整个文件树会浪费令牌。
• 跨平台：下载并解压源文件归档时，优先使用跨平台方式（例如 Python 标准库），而非特定平台的命令，以确保兼容 Windows/WSL。
• 不解析 PDF：此技能读取结构化 Markdown 和 LaTeX 源文件，而非原始 PDF。若需 PDF 内容，请建议使用带下载功能的 /arxiv。
• 速率限制：下载 arXiv 源文件可能受到速率限制。如果出现 HTTP 429，请等待 5 秒后重试一次。如果仍被拦截，请报告错误并建议改用 /deepxiv。
• 互补而非竞争：此技能与 /arxiv（搜索 + 下载）和 /deepxiv（渐进式阅读）互为补充。不要重新实现它们的功能。

与其他技能的集成

作为 /research-lit 的补充信息

/research-lit 可以将此技能的第 1 层级（概览）用作搜索与深入分析之间的快速补充步骤。在第 1 步找到 arXiv 论文后，获取 AlphaXiv 概览，以便在开始阅读全文之前快速评估相关性：

Step 1: Search → list of arXiv IDs
Step 1.5: AlphaXiv overview for top 5-8 papers (this skill, Tier 1 only)
Step 2: Deep analysis only for papers that pass the relevance filter

这样可以在深入阅读前筛除相关性较低的论文，节省大量令牌。

作为其他技能的后续步骤

在 /research-lit、/novelty-check 或 /idea-discovery 找到特定论文后，用户可以调用 /alphaxiv PAPER_ID 快速深入了解，而无需重新执行完整的调研。