深读一篇论文，沉淀一页学术 Wiki。
**你是否经常遇到这种情况：准备精读一篇重要论文时，最累的往往不是“看”，而是把已经理解的内容整理成以后还能真正使用的笔记？** 时间通常消耗在这些环节： - 在 PDF、Zotero、网页和笔记软件之间来回切换 - 手动整理元数据、摘要、图表和方法主线 - 明明已经读懂了一部分，却还要花很长时间把理解写成结构化笔记 - 最后留下的仍然只是一篇“看起来完整，但以后未必还想回看”的笔记 DeepPaperNote 想解决的，就是这一层重复、机械、但又非常耗时的工作。它会接管材料收集、结构整理、图表定位和笔记成形这些环节，让你把精力留给论文真正值得思考的部分。 换句话说，你可以把 DeepPaperNote 看作 **LLM 学术 Wiki 的单篇论文入口**：它每次把一篇论文读深，将研究问题、方法、证据、结果和图表沉淀为一页可供人阅读、也可被 Agent 继续使用的学术知识页面。Obsidian 负责承载、链接和长期积累这些页面，DeepPaperNote 则负责把论文可靠地送进去。 DeepPaperNote 是一个专注于**一次精读一篇论文**的 Agent Skill。同一套核心 skill 可以运行在 Claude Code 和 Codex 上，它更关心那些真正区分“深度笔记”和“摘要改写”的问题： - 论文到底在解决什么问题？ - 方法、系统或分析机制究竟是怎样工作的？ - 关键公式、实验结论和图表语境是否被保留下来？ - 最终结果能否沉淀成一篇适合长期积累的 Obsidian 笔记，而不是一次性摘要？ > [!tip] > 如果你已经有自己的 Obsidian 或 Zotero 工作流，DeepPaperNote 会把最耗时、也最容易出错的取证、整理和成稿环节自动化。 ## 📰 最新动态 - **[2026-07-16]** 🧩 新增可选 companion skill [`paper-glossary`](./skills/paper-glossary/README.md)，用于构建可复用的 Obsidian 术语笔记。 - **[2026-07-16]** 🔌 DeepPaperNote 现在以支持多个 Agent 的插件形式分发，并支持从仓库中选择多个 skill。[PR #12](https://github.com/917Dhj/DeepPaperNote/pull/12) - **[v2.0.0]** 🚀 发布更深入的证据优先论文精读流程，并加强笔记规划与图表处理。[版本说明](https://github.com/917Dhj/DeepPaperNote/releases/tag/v2.0.0) 这里只保留最近三条用户可感知的重要动态。完整历史请查看 [CHANGELOG](./CHANGELOG.md) 与 [GitHub Releases](https://github.com/917Dhj/DeepPaperNote/releases)。 ## 🚀 快速开始 ### 1. 安装插件 ```bash npx skills add 917Dhj/DeepPaperNote ``` 安装程序会让你选择需要安装的 skill，以及要安装到哪些 Agent。大多数用户可以先选择 `deeppapernote`；只有需要可复用术语笔记时，再选择 `paper-glossary`。 ### 2. 安装核心 PDF 依赖 ```bash python3 -m pip install PyMuPDF ``` DeepPaperNote 需要 Python 3.10 或更高版本。核心 PDF 抽取路径依赖 `PyMuPDF`。 ### 3. 把论文交给 Agent 论文标题、DOI、URL、本地 PDF 都可以直接作为输入；也支持 arXiv ID，在具备兼容集成时还支持 Zotero 条目。 ```text 给这篇论文生成深度笔记：<论文标题、DOI、URL、arXiv ID 或本地 PDF> 把这篇论文整理成 Obsidian 笔记：<论文> ``` DeepPaperNote 默认生成中文笔记，当前写作与校验规则也主要针对中文输出优化。 ## 🎯 为什么选择 DeepPaperNote？  | 你可能正遇到…… | DeepPaperNote 会帮你…… | | --- | --- | | 📄 **论文读完了，但笔记还是一堆散乱片段** | 把研究问题、方法链路、核心实验和局限重新组织成一篇真正能够再次读懂的笔记 | | 🧠 **不想再收藏一篇“看起来很完整”的 AI 摘要** | 保留真正重要的公式、数字、图表语境和证据边界，让笔记承载真实理解 | | 🗂️ **论文越读越多，却始终没有形成自己的学术 Wiki** | 把每篇论文沉淀为可搜索、可链接、可长期复用的 Obsidian 知识页面，让你的学术 Wiki 逐篇生长 | | 📚 **Zotero 里已经有论文，不想重新下载和匹配** | 在可用时优先复用本地条目和附件，减少重复工作与论文错配 | ## 🧩 Skills DeepPaperNote 仍然是唯一主产品。仓库同时提供一个可选 companion skill；它只使用 DeepPaperNote 已保存的论文材料，不会接管或重新运行论文精读流程。 | Skill | 定位 | 什么时候使用 | | --- | --- | --- | | [`deeppapernote`](./skills/deeppapernote/SKILL.md) | **核心产品 · 推荐安装** | 精读单篇论文，生成包含图表、关键结果与局限的结构化、证据充分的 Obsidian 笔记 | | [`paper-glossary`](./skills/paper-glossary/SKILL.md) | 可选 companion | 从已有论文材料中筛选术语，创建可复用的 Obsidian 术语笔记，并按需链接回论文笔记 | 你不需要一次安装所有 skill。安装时选择适合自己工作流的部分即可。 ## ✅ 质量承诺 - 最终结果应该是一篇单篇论文深度笔记，而不是摘要改写。 - 重要的方法、实验结果、图表和局限应该得到解释，而不只是被罗列出来。 - 如果现有来源不足以支撑真正的深度精读，流程应该停止并要求更好的材料，而不是假装笔记已经完成。 规范执行契约以 [`skills/deeppapernote/SKILL.md`](./skills/deeppapernote/SKILL.md) 为准。 ## 🗂️ Obsidian 配置 如果希望默认保存到 Obsidian 库，请设置： ```bash export DEEPPAPERNOTE_OBSIDIAN_VAULT="/你的/Obsidian/库/绝对路径" ``` - 配置或提供了可用的 Vault 时，DeepPaperNote 会把校验完成的笔记及其论文专属 `images/` 目录保存到该 Vault。 - 没有配置 Vault 时，DeepPaperNote 会先询问；只有你明确选择不使用 Vault 后，才会写入当前 workspace。 - 如果已配置的 Vault 保存失败，DeepPaperNote 会报告保存受阻，而不会静默切换到其他目标。 ## 🔧 可选增强 处理普通数字版 PDF 时，下面这些能力都不是必需项。 | 可选增强 | 能解决什么问题 | | --- | --- | | Zotero 集成 | 联网搜索前优先复用本地论文条目与 PDF 附件 | | Semantic Scholar API | 改善部分难以识别论文的元数据获取 | | OCR 工具 | 从扫描版或文本质量较差的 PDF 中恢复页面文字 | ### Zotero Local API 内置的只读 Zotero Local API 集成提供三种解析模式： - `auto`（默认）：优先使用唯一的本地条目，同时保留联网回退 - `off`：跳过 Zotero 查询 - `required`：只有 Zotero 唯一解析出目标论文时才继续 本地匹配存在歧义时，流程会明确失败，而不是任意选择条目。Agent runtime 或 MCP 提供的兼容集成仍可作为可选替代路线。 实际需要其中某项能力时，可以让 Agent 检查当前环境，并针对这台机器引导配置。 ## 🧭 致谢与灵感 DeepPaperNote 在工作流设计上受到了一些认真对待论文阅读、证据提取与笔记生成的项目启发，尤其是： - [heleninsights-dot/phd-deepread-workflow](https://github.com/heleninsights-dot/phd-deepread-workflow) - [juliye2025/evil-read-arxiv](https://github.com/juliye2025/evil-read-arxiv) ## 🤝 贡献说明 请将 Pull Request 提交到 `develop`，而不是 `main`。可能影响最终笔记质量的改动，应使用 [`evals/regression-workflow-zh.md`](./evals/regression-workflow-zh.md) 与 [`evals/note-quality-rubric.md`](./evals/note-quality-rubric.md) 进行评估。 ## Star History [](https://www.star-history.com/?repos=917Dhj%2FDeepPaperNote&type=date&legend=top-left)感谢你阅读、使用和支持 DeepPaperNote。愿你的每一次论文精读，都更清晰、更从容，也更有收获。