论文阅读助手 -> Paper Reading Assistant

readpaper - 论文阅读报告生成器（v7.7 简化版） 简介 readpaper 是一个智能论文分析工具，能够从 PDF 文件中提取结构化内容，供 AI 直接生成全中文阅读报告。

方案B工作流程 用户运行 /readpaper → Python 提取 PDF 内容 → 保存为结构化文件 → AI 读取文件 → AI 直接生成中文报告

功能特点 智能 PDF 提取：支持多种 PDF 解析库（PyMuPDF、pypdf、pdfplumber），根据文件大小自动选择最优方案 自动库安装：自动检测并安装缺失的 PDF 处理库，无需手动配置环境 结构化输出：将论文内容整理成标准格式，便于 AI 理解和总结 元数据识别：自动提取论文标题、作者、期刊、发表时间、DOI 等 结果缓存：相同文件重复分析时毫秒级响应

使用方法 方式：使用 WorkBuddy 自动调用（推荐） /readpaper "PDF 文件路径" WorkBuddy 会自动： 提取 PDF 内容并保存为结构化文件 {文件名}_提取内容.txt AI 读取提取的内容文件 AI 直接生成完整的中文阅读报告

报告结构 生成的中文报告包含以下十个部分： 一、论文基本信息 论文标题（中英文对照） 期刊/会议 作者 作者单位 发表时间 DOI 二、摘要总结 中文摘要总结（400-600字） 涵盖研究背景、目的、方法、主要发现和意义 三、研究背景 研究问题的科学背景和重要性 该领域已有的研究进展 本研究要解决的具体科学问题 四、研究方法 数据来源和范围 研究方法和模型 关键分析步骤 便于复现实验的技术细节 五、图表分析 对每个主要图表的中文解读 图表展示的核心内容 关键发现和规律 与研究问题的关联 六、主要发现 核心科学发现的详细阐述 关键实验结果和数据分析 与预期结果的对比 七、核心贡献 学术贡献和创新点 对领域的推动作用 实际应用价值 八、批判性思考 8.1 研究优势：优势、亮点和创新之处 8.2 研究局限：局限性或不足之处 8.3 改进建议：具体的改进建议 8.4 未来研究方向：未来深入研究的方向 九、论文总结 综合概括论文的研究目标、方法、主要发现和贡献，突出论文的核心价值。 十、方法复现 10.1 数据获取：公开数据集名称/来源、API 接口、下载方式；无法公开的数据如何获取或替代 10.2 代码实现要点：核心算法伪代码或流程图、关键超参数设置、数据预处理步骤 10.3 复现步骤：按时间顺序的实验步骤、可选的简化复现路径 10.4 潜在问题与解决方案：常见复现失败原因及对应解决方法

技术实现 文件结构 readpaper/ ├── SKILL.md # 技能说明文档 ├── scripts/ │ ├── read_paper_main.py # 主执行脚本 │ └── report_generator.py # 内容提取器 工作流程 PDF 提取：根据文件大小选择最优提取方法 内容解析：提取元数据、摘要、背景、方法、图表、结论 结构化保存：将提取的内容保存为文本文件 AI 生成报告：AI 读取内容文件，直接生成中文报告 PDF 提取策略 文件大小 优先方法 备选方法 最后备选 < 10 MB PyMuPDF pdfplumber pypdf ≥ 10 MB pdfplumber PyMuPDF pypdf 策略说明： PyMuPDF：提取效果最佳，是 10MB 以下文件的首选 pdfplumber：内存效率高，适合大文件，也是 10MB 以下文件的备选 pypdf：轻量级纯 Python 库，作为最后的备选方案

缓存机制 分析缓存：~/.workbuddy/cache/readpaper/cache_index.json 缓存有效期：30 天 相同文件再次分析时直接返回缓存结果

输出文件 运行后会生成以下文件： 提取内容文件：{PDF 文件名}_提取内容.txt 包含论文的结构化提取内容 供 AI 读取并生成中文报告 阅读报告文件：报告-{论文标题}.md 生成的完整中文阅读报告 使用论文标题作为文件名的一部分 示例：报告-Separating Daily 1 km PM2.5 Inorganic Chemical Composition in China since 2000 via Deep Learning Integrating Ground, Satellite, and Model Data.md

版本历史 v7.7 - 新增第十章"方法复现"：包含数据获取、代码实现要点、复现步骤、潜在问题与解决方案，方便读者复现论文实验 v7.6 - 增加自动库安装功能：自动检查并安装 PyMuPDF、pdfplumber、pypdf 等依赖库，无需手动配置环境 v7.5 - 优化 PDF 提取策略：10MB 以下文件优先使用 PyMuPDF，pdfplumber 作为备选，pypdf 作为最后备选 v7.4 - 简化报告模板：移除"报告元信息"表格，使报告更加简洁 v7.3 - 重构报告结构：1) 将原"六、论文总结"拆分为"六、主要发现"和"七、核心贡献"；2) 新增"九、论文总结"作为综合概括；3) 报告元信息移至末尾，使用表格和分隔符 v7.2 - 优化报告模板：1) 文件名格式改为报告-{论文标题}.md；2) 将报告元信息改为第九部分，使用 --- 分隔符 v7.1 - 添加报告元信息（生成时间、生成时长、skill 版本）到报告模板 v7.0 - 方案 B 优化：简化流程，AI 直接读取 PDF 内容生成报告 v6.0 - 改为 LLM 驱动，由大语言模型生成中文报告 v5.0 - 添加自动翻译功能 v4.0 - 精简代码，移除冗余脚本 v3.0 - 添加缓存系统

注意事项 确保 PDF 文件可正常读取 部分 PDF 可能存在文字提取困难，影响报告质量 AI 生成的内容需要人工审核和补充 建议在报告生成后根据实际内容进行调整