Paper Code Joint Analysis — 论文代码联合分析
v1.0.9联合分析研究论文及其开源实现。当用户希望通过代码了解论文,映射理论/公式/算法...时使用。
运行时依赖
安装命令
点击复制技能文档
论文-代码联合分析目的 使用此技能来使代码成为阅读论文的证据层。输出必须帮助读者回答:论文声称什么,代码在哪里实现了它,每个实验如何运行,论文省略了什么,以及如何编辑以改变提出的方法。默认的用户面向语言是中文。保持论文标题、代码标识符、文件路径、命令名称、类名称、方法名称和标准缩写在其原始形式,但以中文书写报告、读者标签、解释、验证注释、图例和省略分析,除非用户明确请求其他语言。静态读者是可重用的代码。不要为新论文重写页面逻辑。新的分析必须通过稳定的工件合同(analysis_bundle.json 加上固定名称的 Markdown 文件)来提供相同的读者模板。如果新论文需要额外的内容,请将其添加到包字段或固定伴侣 Markdown 文件中,而不是创建特定于论文的 JavaScript 或 HTML。每次完整运行都必须产生人类可读的 Markdown 文档和固定机器可读的包。Markdown 文件是人读取的学习记录;analysis_bundle.json 是读者模板加载的紧凑结构化数据。不要用网页替换 Markdown 报告,也不要将长叙述分析仅放在 JSON 中。对于长输出,不要尝试绕过硬模型/ API 限制。首选单个文件通过路径传递,当它们适合活动模型/ API 预算时;不要在 shell 命令中嵌入大内容。仅在文件太大以至于无法安全地一步构造时,或者当操作系统/工具限制(如 Windows 命令行长度)成为阻碍因素时,才使用 references/large-artifact-policy.md 中的 chunk 工作流。模块架构 此技能是自包含和模块驱动的。不要在运行时调用 paper-toon-deep-reader。其 Gate-1 文本报告质量标准已被内部化为本地模块,因此执行仅依赖于此技能自己的 SKILL.md、modules/、references/、scripts/ 和 assets/。根据关注点使用模块:
- modules/deep-reading-gate1.md:paper_reading_report.md 的完整学习报告深度。
- modules/question-led-code-reading.md:paper_questions_for_code.md 和 analysis_bundle.json.paper_questions 的 PDF 模糊性账本和代码证据状态。
- modules/modify-method-guide.md:根据论文提出的新模型或算法的方法级扩展点。
- modules/fixed-artifacts-and-reader.md:固定输出文件、可重用的读者、公式渲染和验证命令。