面向跨学科科研人员的来源可追溯论文深读 Agent Skill。它从 PDF、URL、DOI、预印本 ID、标题或全文出发，自动适配论文领域、读者背景、研究目标与模型视觉能力，生成逐图表、可复核、可审查的 Markdown 报告。
它不是摘要扩写器。目标是让读者在最短时间内回答：
- 论文真正解决了什么问题？
- 新方法、理论或研究设计具体改变了什么？
- 关键公式、定义或论证如何对应研究过程？
- 每张核心图表到底证明了什么？
- 实验、证明、观测或材料是否足以支撑作者主张？
- 哪些结论值得相信、复现、引用或继续研究？
- 三遍阅读法：全局地图 → 机制重构 → 证据审查。
- 视觉能力双路由：视觉模型直接核查图片；无视觉模型使用标题、正文引用、结构化来源、PDF 文字层或 OCR，并强制披露限制。
- 结构化读者画像：
domain × audience × goal × depth × language独立配置。 - 宽默认、按需专门化：默认面向有科研训练的通用研究者；支持领域专家、跨学科读者和学生。
- 多目标路由：理解、审稿、复现、教学和跨领域迁移采用不同解读重点。
- 固定六部分报告：兼顾快速理解与研究级技术深度。
- 全量视觉账本：记录 Figure、Table、Algorithm、Scheme、Plate、Box 等编号对象；按视觉能力生成核查裁图或文本证据卡。
- 形式化零跳步：解释公式、定义、定理、统计量或分析框架的组成、作用、研究位置和边界。
- 主张—证据映射：区分作者主张、论文直接证据、报告推断和外部背景。
- 逐证据单元审查：覆盖实验、证明、观测、案例、定性材料与综合分析。
- 论文类型路由：方法、理论、实证/观察、数据集/基准、系统、综述采用不同审查标准。
- 跨学科 Lens：计算机/AI、生物医学、物理/数学、化学/材料、工程、社会科学、地球环境与人文定性研究。
- CV 深度支持：保留 backbone、预训练、生成指标、视觉挑样、VLM judge bias、3D/视频等专项检查，但不再作为默认读者假设。
- 可发布 Markdown：报告、图片资产和机器可读 source map 一起输出。
- 确定性校验：脚本检查报告结构、占位符、图片路径、图表覆盖和证据映射。
git clone https://github.com/Linwei-Chen/paper-deep-reader-skill.git \
~/.cursor/skills/paper-deep-reader新开一个 Cursor 对话后即可使用。更新：
git -C ~/.cursor/skills/paper-deep-reader pull该仓库采用通用 SKILL.md 结构。可复制到对应工具的个人 Skills 目录，例如：
# Claude Code
git clone https://github.com/Linwei-Chen/paper-deep-reader-skill.git \
~/.claude/skills/paper-deep-reader
# Codex
git clone https://github.com/Linwei-Chen/paper-deep-reader-skill.git \
~/.codex/skills/paper-deep-reader当前主要在 Cursor 中验证；其他工具需要能够读取 SKILL.md、执行 Python 脚本并访问本地论文文件。
精读 @paper.pdf，面向跨学科科研人员，逐图表解释。
快速看懂 2401.12345，告诉我值不值得复现。
读者是做机器学习的博士，但不了解蛋白质组学。
请解释这篇生物医学论文，并判断能否迁移到表征学习。
像审稿人一样严格分析这篇材料学论文。
当前模型没有视觉能力，请使用 text-only 模式精读，并明确哪些图表内容无法核验。
如果当前 DeepSeek V4 接入仅提供文本能力，自动使用 text-only 流程，不要假装看过图片。
只解释式(7)如何对应图3中的步骤。
默认跟随用户语言，无语言信号时输出简体中文 Markdown。用户明确要求快读、其他语言、仅回答局部问题或指定输出位置时，会相应调整。
默认画像：
domain: auto
audience: research-generalist
goal: understand
depth: deep
language: auto
visual_mode: auto五个维度独立解析：
domain：论文所属学科证据规范；audience：research-generalist、domain-researcher、cross-disciplinary或student；goal：understand、review、reproduce、teach或transfer；depth：quick、deep或targeted；language：跟随用户或明确指定。
visual_mode 是独立的执行能力设置：
auto：根据当前环境真实能力选择；visual：模型能直接读取并检查图片；text-only：模型只能使用文字或工具返回的文本。
不要仅凭模型名称判断能力。若某个 DeepSeek V4 接入没有图像输入或图片读取工具，应使用 text-only；其他接入若确实具备视觉能力，则按实际能力处理。
用户可以直接用自然语言描述，不必编写 YAML。若希望在一个项目中长期保存偏好：
cp .paper-reader.example.yaml /path/to/project/.paper-reader.yaml解析优先级为：
本次用户要求 → 项目 .paper-reader.yaml → 对话偏好 → 自动识别 → 默认画像
配置只改变解释方式和重点，不改变论文事实、证据等级或缺失信息。
<paper-slug>-deep-read/
├── report.md
├── assets/
│ ├── pages/
│ ├── crops/
│ ├── text/
│ ├── visual_ledger.md
│ ├── visual_text_ledger.md
│ └── visual_manifest.json
└── source_map.json
这是两种模式的并集：visual 生成页面与裁图，text-only 重点生成 assets/text/，不会生成 PNG。
report.md：六部分完整解读。assets/pages/：PDF 页面预览。assets/crops/：经人工核查的关键视觉证据。assets/text/：按页和按视觉对象生成的 PDF 文字层、标题及正文引用。visual_manifest.json：所有编号视觉对象、视觉/文本核验状态和关联主张。source_map.json：论文版本、来源、读者画像、视觉能力模式和主张—证据映射。
报告校验器只使用 Python 标准库。PDF 图表提取器额外需要 PyMuPDF。
推荐使用隔离环境：
uv run --isolated --with pymupdf \
python scripts/extract_pdf_assets.py inventory paper.pdf output/assets --dpi 180也可安装依赖：
python3 -m pip install -r requirements.txt生成 Figure、Table、Algorithm、Scheme、Plate、Box 等候选视觉对象：
python3 scripts/extract_pdf_assets.py inventory \
paper.pdf output/assets --dpi 180无视觉模型使用：
python3 scripts/extract_pdf_assets.py inventory \
paper.pdf output/assets --text-only该模式不生成页面或裁图 PNG，而是生成逐页文本、逐视觉对象文本卡和正文引用。它能够恢复标题、部分表格文字和作者对图表的描述，但不能验证坐标轴、颜色、曲线、面板、布局、挑样或裁图完整性。
候选裁图必须人工打开核查。若坐标轴、图例、标题、脚注或面板不完整，可按页面预览的像素坐标重新裁剪：
python3 scripts/extract_pdf_assets.py crop \
paper.pdf output/assets/crops/figure-3.png \
--page 7 --bbox 120,180,1120,1030 --dpi 180python3 scripts/validate_report.py output/report.md \
--manifest output/assets/visual_manifest.json \
--strict无视觉模式增加：
python3 scripts/validate_report.py output/report.md \
--manifest output/assets/visual_manifest.json \
--text-only --strict严格模式会检查：
- 六个顶层部分是否完整且顺序正确；
- 一句话总结是否过长（中文 50 字，非中文 30 词）；
- 是否残留
TODO或模板占位符； - 本地图片或文本证据卡是否存在；
- 所有编号视觉对象是否进入覆盖清单；
- visual 模式是否完成图片核查；text-only 模式是否完成文本证据审查并声明限制；
source_map.json是否包含有效主张和证据。
.
├── .paper-reader.example.yaml
├── SKILL.md
├── README.md
├── DESIGN_NOTES.md
├── CHANGELOG.md
├── LICENSE
├── requirements.txt
├── references/
│ ├── audience-profiles.md
│ ├── domain-lenses.md
│ ├── visual-capability.md
│ ├── reading-protocol.md
│ ├── report-template.md
│ ├── paper-type-lenses.md
│ ├── quality-checklist.md
│ └── source-map-template.json
└── scripts/
├── extract_pdf_assets.py
└── validate_report.py
设计吸收了 Agent Skills 官方渐进加载原则，以及多个公开论文阅读 Skill 中的优秀模式，包括：
- 先概览、后深读；
- 原始图表优先；
- 形式化内容零跳步；
- 逐证据单元而非只报主结果；
- 主张—证据可追溯；
- 论文类型、学科 Lens、读者背景和研究目标相互独立；
- 没有视觉能力时显式降级，而不是模拟视觉观察；
- 输出必须支持“复现、引用、借鉴或跳过”的研究决策。
完整调研来源和取舍见 DESIGN_NOTES.md。
- 自动裁图是候选结果，不能替代人工视觉核查。
- text-only 模式能恢复文字证据，但不能独立完成像素级图表审查；核心视觉结论可能需要视觉模型或人工交接。
- 扫描 PDF 可能需要外部 OCR；本仓库不上传论文到第三方服务。
- 本 Skill 默认不运行论文代码、开展实验或声称完成实际复现。
- “新颖性”和“SOTA”必须通过额外文献检索才能独立验证，不能只依据论文自述。
- 领域 Lens 是审查清单，不替代具备资质的临床、法律、安全或伦理判断。
欢迎提交 Issue 或 Pull Request，尤其是：
- 新版式或跨页表格的提取改进；
- 新学科与子领域审查 Lens；
- 更完善的读者画像和目标预设；
- text-only 表格恢复、OCR 和无障碍描述改进；
- 真实论文上的失败案例；
- 报告校验规则与跨平台兼容性改进。
English summary: A source-grounded Agent Skill for deep reading individual academic papers across disciplines. It supports both vision-capable and text-only models: vision models verify image assets directly, while no-vision models use structured sources, captions, PDF text, body references, and explicit uncertainty boundaries. It also adapts to reader expertise and goals, audits claim-to-evidence links, and produces publication-ready Markdown. The skill is primarily tested in Cursor.