目标

将机器人/具身智能论文转成适合公众号发布的技术推文，并把配图流程做成默认可复现能力。

核心要求：

• 多源检索：整合论文、代码、项目主页、演示视频
• 核心拆解：提取问题定义、方法设计、实验数字、局限性
• 技术溯源：梳理研究团队与相关工作的脉络
• 深度撰写：生成结构化、硬核、可读的推文
• 插图落地：把合适图片放到对应段落，不把“待插图占位符”留给用户手动收尾

何时使用

在以下场景触发：

• 用户给出机器人/具身智能论文标题、arXiv ID、项目主页或论文链接，并要求写推文、技术解读、公众号文章
• 用户希望补配图、补资源导航、补技术脉络
• 用户希望把这套流程沉淀成稳定可复用的写作工作流

默认工作流

步骤 1：收集核心资源

执行以下动作：

• 搜索并确认论文摘要页、HTML 正文页、PDF、代码仓库、项目主页、公开视频
• 记录作者、机构、论文标题、任务场景、方法缩写、核心实验基准
• 优先读取以下资源：

输出：完整资源清单 + 论文核心信息摘要

步骤 2：执行零额外安装的插图流程

遵循以下原则：

• 默认不要依赖 Node.js、Playwright、Chromium 之类需要额外安装的环境
• 不要假设 skill 安装阶段会自动执行 npm install；安装 skill 时通常只会安装文件本身
• 对于 arXiv 论文，优先使用 HTML 页面里的官方 figure 图片 URL 或下载这些官方图片
• 只有在“必须截整页截图 / GIF / canvas 内容”时，才把浏览器自动化当作可选增强方案，而不是硬依赖

2.1 首选路径：直接提取 arXiv figure

优先采用以下方法之一：

• 使用 scripts/extract_arxiv_figures.ps1 提取 figure 的编号、图注、原图 URL，并按需下载到本地
• 或使用内置网页抓取能力，直接从 arXiv HTML 中提取 figure 的图片链接与图注

Windows 下的推荐命令：

powershell -ExecutionPolicy Bypass -File scripts/extract_arxiv_figures.ps1 -ArxivId 2603.16666 -OutputDir .\paper_imgs -Download

脚本会输出：

• paper_imgs/figures.json：结构化 figure 清单
• paper_imgs/arxiv_fig_.png：下载到本地的论文图片（若启用 -Download）

2.2 首选插图策略

按以下优先级选图：

• 问题设定 / 范式对比图
• 模型总体架构图
• 主结果图或关键结果表
• 真实世界实验图或项目页演示图
• 延迟、消融、效率图（仅在文章确实讨论这部分时插入）

默认只插 3 到 5 张图，避免图多压过正文。

2.3 插图放置规则

将图片插到最匹配的段落：

• “为什么之前方法不行”后：放范式对比图
• “模型怎么设计”后：放架构图
• “实验结果”段内：放主结果图或表
• “真实机器人/视频演示”段内：放真实世界图
• “工程价值/速度/消融”段内：放延迟图或消融图

插图格式：

!Figure 1：简短图名
图 1：用 1 到 2 句话解释这张图为什么值得看，以及它对应正文哪一段。*

2.4 远程图与本地图的选择规则

按以下规则决定：

• 若用户只要求文章可直接预览：优先使用 arXiv 官方远程图片 URL，最快、最稳定、最接近可复现
• 若用户要求离线交付、打包素材、发公众号后台：下载到文章目录并改为相对路径引用
• 若项目主页没有独立原图链接，只能整页截图：把浏览器截图视为可选增强，不阻塞文章交付

步骤 3：提炼论文信息

执行以下分析：

• 提炼研究问题、方法动机、核心创新点
• 提取关键数字：成功率、推理延迟、泛化表现、硬件配置
• 区分“作者主张”和“可以被证据支撑的事实”
• 记录局限性与适用边界
• 标注最值得进正文的 3 到 5 个 figure

必要时读取：

• references/paper-structure.md
• references/tech-terms-glossary.md
• references/research-teams.md
• references/classic-papers.md
• references/image-insertion-workflow.md

步骤 4：撰写公众号推文

按照以下结构输出：

• 生成 3 个可选标题
• 写导语：先讲问题冲突，再讲为什么这篇工作值得看
• 写术语科普：只解释文章真正用到的术语，不堆术语表
• 写核心突破：按“痛点 → 方案 → 效果”展开
• 写实验表现：分仿真、基准、真实世界、速度/消融几个层次
• 写技术溯源：交代该工作回应了什么前作或代表性范式
• 写资源直达：论文、项目页、代码、视频

如需快速起稿，读取 assets/post-template.md。

步骤 5：把图片真正插入文章

执行以下动作：

• 清点正文中的插图占位符或适合插图的小节
• 为每一张图补齐简短标题与解释性图注
• 若已经有本地图片，使用相对路径引用
• 若只有官方远程图片，直接使用官方 URL
• 将原来的“建议插图”或“占位说明”改写成真实插图，避免留下待办痕迹

步骤 6：最终校验

检查以下事项：

• 所有实验数字与原文一致
• 图与文一一对应，没有错位
• 图注不是复读 caption，而是解释“为什么这张图重要”
• 文章节奏自然，不像研究笔记堆砌
• 资源链接完整有效
• 若代码未公开，明确写出 Code Coming Soon

关键经验

默认采用“零额外安装插图路径”。

原因：

• skill 安装通常不会自动跑 npm install
• Node.js + Playwright + Chromium 的环境容易导致安装阶段不可复现
• 对于绝大多数 arXiv 论文，直接提取官方 figure URL 已经足够复现高质量图文文章
• 浏览器截图只适合做增强，不适合做默认硬依赖

资源索引

• 推文结构模板：references/paper-structure.md
• 技术术语库：references/tech-terms-glossary.md
• 研究团队索引：references/research-teams.md
• 经典论文索引：references/classic-papers.md
• 配图工作流说明：references/image-insertion-workflow.md
• 推文模板：assets/post-template.md
• arXiv figure 提取脚本：scripts/extract_arxiv_figures.ps1

注意事项

• 只在需要时读取参考文件，避免把大段无关内容塞进上下文
• 默认以“完成可发布的图文稿”为目标，而不是只给半成品提纲
• 如已有浏览器自动化能力，可用来补整页截图；如没有，不要因此卡住交付