📦 Paper Summary Scripteddownload — 论文摘要脚本化下载

# 带脚本的论文摘要生成 ## 概述 当 arXiv 论文 URL 或本地文件需确定性预处理后再跑四阶段摘要流程时调用。脚本先下载 arXiv PDF 到本地，再完成提取与清洗；不解析网页 HTML。随后用同一份清洗文本并行生成三份独立内容，最后第四阶段校验一致性。 ## 标准输入 归一化为： - language - paperurls（arXiv 输入） - paperfiles 空串、[]、null、None、缺失字段或空列表均视为空。 ## 工作流 1. 若 paperurls 与 paperfiles 皆空，立即报错。 2. 执行预处理脚本： python scripts/process_papers.py --language "" --paperurls '' --paperfiles '' --output-dir ./runs/paper-summary 3. 读取输出目录下 manifest.json。 4. 对每项成功记录，读取 extracted_text_path 内容作为 cleaned_text。 5. 用同一份 cleaned_text 分别生成： - 摘要版 - 详细版 - 贡献提取 6. 三阶段完成后，用以下四项跑质量评估： - 原始清洗文本 - 摘要版 - 详细版 - 贡献提取 7. 用 references/output-template.md 合并输出。 ## 预处理规则 脚本只做确定性预处理。URL 视为 arXiv 标识符、摘要页或 PDF 直链，必须能下载到 PDF。不解析网页、不爬 HTML。不以脚本预览替代完整提取文本。manifest 报错、部分提取或格式不支持视为源文件可能不完整。 ## 生成阶段规则 详见 references/prompts.md 中的 Dify 式提示与变量映射。 ### 摘要版 用目标语言生成，必须包含（如有）： - 原题 - 研究背景/痛点 - 核心方法名 - 至少一项关键实验数据 若无实验结果，写“原文未提供具体实验数据”或对应语言版本。不添加评价或空话。 ### 详细版 用目标语言，严格按以下结构： - ### 1. 背景与动机 - ### 2. 核心方法 - ### 3. 实验设置 - ### 4. 主要结果与消融实验 - ### 5. 局限性（若有） 仅写入提取文本支持的内容。 ### 贡献提取 用目标语言列出。每条贡献须为独立创新点，非实验现象；须给出文本依据，不编造引用或页码。 ### 质量评估 仅在三阶段生成后执行。分别将摘要、详细、贡献与原始清洗文本比对，每项给 1-5 分并列出具体错误。 ## 置信度规则 当 manifest 出现以下情况时降低置信或提示提取风险： - 下载失败 - arXiv 源归一化失败 - 部分解析 - 回退解码 - 缺失量化证据 - PDF/Word 解析异常 ## 硬性约束 - 绝不编造提取文本中不存在的内容。 - 三阶段生成在质量评估前保持独立。 - 保持用户指定语言。 - 不主动合并多篇论文，除非用户明确要求对比。 ## 资源 - scripts/process_papers.py：归一化 arXiv 输入、下载或读本地文件、提取清洗并输出 manifest.json - references/prompts.md：Dify 式提示逻辑与变量映射 - references/output-template.md：最终响应模板 - references/script-usage.md：脚本 I/O 与 manifest 字段说明