paper-reading — 论文阅读

论文阅读 阅读一篇论文，并按照标准模板生成结构化笔记。 用户输入要求 开始前，用户必须提供： 论文信息：本地 PDF 路径、arXiv URL 或论文标题（三选一） PDF 存储路径：下载/保存 PDF 的绝对路径（如 /tmp/paper.pdf） 笔记输出路径：最终生成的笔记文件的绝对路径（如 /Users/xxx/notes/Paper Title.md） 工作流程

• 获取 PDF

给定用户提供的本地路径、arXiv URL 或论文标题： python scripts/fetch_pdf.py -o 本地路径：验证存在，返回绝对路径 arXiv URL：下载 PDF（支持 /abs/ 和 /pdf/ URL 格式） 论文标题：通过 arXiv API 搜索标题，下载最相关的结果 -o 参数指定 PDF 存储的绝对路径（由用户提供） 打印获取的 PDF 路径到 stdout

• 提取 PDF 内容

pip install pdfplumber # 如果尚未安装 python scripts/read_pdf.py [-p ] [-o ] 提取 PDF 的文本和表格 可选指定页码范围（例如 -p 1-10 或 -p 3） -o 可选，指定提取文本的输出路径；不指定则输出到 stdout 输出 markdown 格式的文本

• 阅读和分析

阅读提取的文本。对于布局复杂的论文（多列、图表、方程），使用 pdf 工具直接阅读 PDF 以补充提取，或者要求用户澄清特定部分。

• 生成笔记

按照标准模板生成笔记。 笔记结构（摘要） # 一、基本信息

• paper：《标题》
• github：链接或未知
• 会议：会议名或未知

# 二、文章理解

1. 研究背景与动机 (Motivation)

2. 核心问题 (Problem Statement)

3. 解决方法 (Methodology)

4. 实验结果 (Experiments)

关键要求 语言：中文，保留英文技术术语 公式：LaTeX 格式（$...$ 内联，$$...$$ 块） 图像：保留原始图像 URL，以  格式 关键概念：使用 ... 加粗 深入分析/证明/面试级知识：使用 :::info 块 PyTorch 代码：使用 python 代码块 严格的 4 级标题层次：# → ## → ### → #### 数值结果：使用具体数字显示改进

• 保存笔记

将生成的笔记保存到用户指定的路径（例如 /Users/xxx/notes/Paper Title.md）。