mcpField
P
paper-reading

paper-reading

github.com/jxtse生产力74109 次安装23 周前更新
代码仓库

关于 paper-reading

paper-reading 是帮助研究者和读者评估、理解学术论文的结构化流程,提供从快速判断到深入分析的三个阅读层级,涵盖方法与实验分析。

主要功能

  1. 01从速读到深度分析的三个层级
  2. 02按结构总结方法与结果
  3. 03按关键维度比较论文
  4. 04提供机器学习、方法和实证论文的阅读要点
  5. 05保存摘要并关联项目背景

适用场景

  1. 01快速判断 arXiv 论文是否相关
  2. 02整理详细的论文阅读摘要
  3. 03比较论文的方法、数据、指标与局限

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/jxtse/scientific-research-skills --skill paper-reading

安装后在 Claude Code 中输入/paper-reading确认已加载。

详细介绍

论文阅读

用于高效阅读学术论文的结构化工作流。

使用时机

  • 用户分享 arXiv 链接或 PDF,并要求阅读或总结
  • 用户询问某篇论文的贡献、方法或结果
  • 用户希望生成阅读摘要以供记录
  • 用户要求将某篇论文与相关工作进行比较

阅读级别

级别 1:快速浏览(2 分钟)

适用情况:用户只想了解一篇论文是否值得阅读

输出:

  • 论文标题、作者、发表场合、年份
  • 一段式摘要(研究的问题、方法和结果)
  • 用一句话概括主要贡献
  • 评估与用户工作的相关性
  • 建议:阅读 / 略过 / 仅浏览
级别 2:标准阅读(10 分钟)

适用情况:用户想了解论文的方法

输出:

  • 问题:论文试图弥补什么缺口?
  • 方法:作者如何解决问题?(包括关键技术细节)
  • 主要创新:真正的新内容是什么?哪些只是渐进式改进?
  • 结果:主要数据,以及与基线的比较
  • 局限性:论文未涉及哪些内容(无论作者是否提及)
  • 关联:这篇论文与用户正在进行的项目有什么联系?
级别 3:深入分析(30 分钟)

适用情况:用户正在认真考虑基于这篇论文开展工作

输出:

  • 包含级别 2 的全部内容,此外还包括:
  • 详细方法:逐步讲解技术流程
  • 可复现性评估:仅凭论文能否实现该方法?
  • 实验设计评析:基线是否公平?指标是否合适?
  • 隐藏假设:作者没有说明什么?
  • 扩展机会:如何改进或调整该方法?
  • 关键公式/算法:提取并解释
  • 图表分析:关键图表实际展示了什么?

工作流

步骤 1:获取论文
arXiv link → Download PDF, extract text
PDF file → Extract text directly
Paper title → Search Semantic Scholar → get arXiv link → download
Zotero item → Get from local library
步骤 2:按用户要求的级别阅读

按照上方相应级别的模板进行分析。如无法确定,先从级别 2 开始。

步骤 3:保存摘要

阅读后,保存摘要:

  1. 将结构化摘要保存到本地仪表板
  2. 经用户确认后,添加或更新 Zotero 条目并附上笔记
步骤 4:联系上下文
  • 在相关时,将论文与用户正在进行的项目关联起来
  • 推荐后续论文(从参考文献或“引用了此文”中查找)
  • 说明这篇论文支持还是反驳了此前阅读的论文

阅读启发式

对于 ML/AI 论文:

  • 先跳到表 1(主要结果)——如果数据不够亮眼,应调整预期
  • 查看消融研究——它能揭示方法中哪些部分真正重要
  • 阅读局限性/未来工作部分——这部分通常比引言更坦诚
  • 查看附录——重要细节常常藏在那里

对于方法类论文:

  • 重点阅读图 1(方法概览)、第 3 节(方法)和表 1(结果)
  • 首轮阅读时跳过相关工作;只有需要了解研究定位时再回头阅读

对于实证类论文:

  • 重点关注实验设置、指标和统计显著性
  • 检查基线的实现是否公平(超参数搜索预算是否相同?)
  • 留意定性分析中是否存在挑选有利示例的情况

论文比较模式

用户要求比较两篇论文时:

| Aspect       | Paper A          | Paper B          |
|--------------|------------------|------------------|
| Problem      |                  |                  |
| Method       |                  |                  |
| Data         |                  |                  |
| Key metric   |                  |                  |
| Advantage    |                  |                  |
| Limitation   |                  |                  |

评论

支持 Markdown