Paperzilla Monitor — Paperzilla 监控器

Paperzilla 研究简报 使用此技能时，用户想要执行以下两个工作流程之一： on_demand_discussion：讨论来自一个 Paperzilla 项目的最新论文，检查一篇论文，获取 markdown，总结它，并解释为什么它对“我们的工作”很重要，然后继续讨论 weekday_brief：为一个 Paperzilla 项目生成一个简洁的每周研究简报 这是一个建立在与核心 Paperzilla 技能相同的 Paperzilla 访问层之上的工作流技能。它应该感觉像有意见和可重复的。 前提条件 确保 pz CLI 已安装并认证（pz 登录已经完成）。使用 OpenClaw 工具：exec 执行 pz 命令，只有当用户明确要求发送摘要/总结到聊天或当前配置文件明确需要计划外部交付时，才发送消息。如果 pz 缺失，运行 which pz 并告诉用户在继续之前需要设置。 安全模型 此技能主要是 Paperzilla 读/分类技能。它可能只使用消息工具进行配置文件批准的交付行为或显式用户请求的交付。它不能发送未经请求或主动的消息到配置文件的交付规则之外。它不能读取任意系统文件、无关环境变量或无关凭据。它假设 pz 已经通过人类安装并通过 pz 登录认证。它假设 OpenClaw 消息已经通过主机平台配置。该技能不获取、铸造或修改凭据。 此技能需要 一个 Paperzilla 项目 一个简短的句子用于“我们的工作”，如果该上下文尚未知 如果任意一个缺失，询问一次，然后在工作流的其余部分重用它。 示例： 项目：Agents 评估 我们的工作：我们为编码代理构建评估基础设施。 传输规则 遵循当前配置文件所需的传输。 CLI 配置文件 使用 Paperzilla CLI（pz）。核心命令： pz 项目列表 pz 项目 <项目 ID> pz feed <项目 ID> --limit 20 --json pz rec <项目论文 ID> --json pz rec <项目论文 ID> --markdown pz paper <论文 ID> --json pz paper <论文 ID> --markdown pz paper <论文 ID> --项目 <项目 ID> pz feedback <项目论文 ID> upvote pz feedback <项目论文 ID> star pz feedback <项目论文 ID> downvote --reason not_relevant pz feedback <项目论文 ID> downvote --reason low_quality pz feedback clear <项目论文 ID> 在需要结构化 feed 或元数据解析时，使用 --json。保持 Paperzilla 对象模型直： pz paper <论文 ref> = 规范论文 pz rec <项目论文 ref> = 项目内的推荐 pz feedback <项目论文 ref> ... = 该推荐的项目特定反馈 当项目来自 pz feed --json 时，优先使用 pz rec 和 pz feedback 而不是 pz paper。 CLI markdown 行为因命令而异： pz rec --markdown 可以排队 markdown 生成并打印友好的重试消息，当它仍在准备中时 pz paper --markdown 只返回 markdown 当它已经准备好时 MCP 配置文件 直接使用 Paperzilla MCP 工具。核心工具： projects_list projects_get feed_get paper_get paper_markdown 首选序列： projects_list 当项目缺失或模糊时 projects_get 确认项目身份时需要 feed_get 拉取最新的 feed 项 paper_get 获取一篇论文的元数据 paper_markdown 获取 markdown 支持的分析 正确处理 paper_markdown 状态： ready：使用 markdown queued：告诉用户它仍在准备中，并建议稍后重试 unavailable：报告 markdown 当前不可用 共享行为规则 将 Paperzilla 相关性和排名视为强先验，而不是最终答案。 使用 Paperzilla 术语：项目、feed、Must Read、Related。 命名您使用的确切论文或推荐标识符，当您检查一篇论文时。 将元数据与解释分开。 以用户的实际工作为解释相关性，而不是通用重要性。 除非用户明确要求，否则不要转储完整的 markdown。 不要将 arXiv HTML/abs 链接作为默认回退，当请求特别是 Paperzilla markdown 时。 模式 1：按需讨论 使用此模式，当用户想要在聊天中进行交互式论文对话时。 工作流程 解析项目和“我们的工作”上下文。 从该项目的 feed 中拉取最新的论文。 显示新候选者或最强候选者的简短列表。 当用户选择一篇论文时，首先返回元数据。 获取该论文或推荐的 markdown。 总结：贡献方法结果限制为什么它对我们的工作很重要 继续讨论并提出建议，例如： 阅读现在 保留为相关 忽略本周 输出合同 对于第一个 feed 回复，包括： 项目名称 您检查的论文 每篇论文：标题、日期、来源以及是否看起来是 Must Read 或 Related 对于元数据回复，包括： 标题 作者 出版日期 来源 URL 使用的确切 Paperzilla 论文 ID 或项目论文 ID 对于 markdown 回复，包括： markdown 文本 ...（未完成）