Paper Reader

智能学术论文分析工具，支持 Claude Code 等 AI 编程 Agent

Search · Fetch · Analyze · Learn

---

简体中文 · English

---

概述

Paper Reader 是一款面向 AI 编程 Agent 的智能学术论文分析工具。它提供从论文检索到深度分析的完整工作流，支持多个学术数据库并输出结构化的 Markdown 内容。

适用场景：

• 科研文献调研与综述
• 快速筛选相关论文
• 深入分析研究方法和结论
• 跟踪研究趋势与空白
• 学术写作准备

---

主要功能

功能	描述
多源搜索	同时在 arXiv、PubMed、Semantic Scholar、CrossRef 搜索论文
自动下载	多源自动切换下载论文 PDF
MinerU 集成	PDF 转 Markdown，保留排版、图表和表格
v2.0 决策驱动分析	L1-L4 四级粒度输出：概念/关系/本体/证据图谱
三层质量验证	L1 格式校验 / L2 内容校验 / L3 一致性校验
图像智能嵌入	Base64 内联 / 外部文件 / Obsidian wikilink 三种策略
E2E 管道	PDF → VLM → 分析 → 验证 → 嵌入，一键自动化
Subagent 并行管理	单 agent / Map-Reduce / Pipeline / ToT / Hierarchical 五种模式
跨平台	支持 Windows、macOS、Linux

---

安装

推荐：直接告诉你的 AI Agent

请按照这个仓库的说明安装 paper-reader skill：https://github.com/nowa277/paper-reader

手动安装

# 克隆并本地安装
git clone https://github.com/nowa277/paper-reader.git
cd paper-reader
pip install -e .

# PyPI 安装（即将支持）
# pip install paper-reader

Docker 安装（推荐用于服务器/云端）

# 克隆项目
git clone https://github.com/nowa277/paper-reader.git
cd paper-reader

# 构建镜像
docker build -t paper-reader .

# 运行
docker run -it --rm -v ~/papers:/app/papers paper-reader python main_skill.py --help

# 或使用 docker-compose
docker-compose up --build

Docker + MinerU（PDF 转换功能）

# 使用 docker-compose 自动启动完整环境
docker-compose up paper-reader-mineru

依赖

• Python 3.10+
• requests 和 psutil（自动安装）

可选：如需 PDF 转 Markdown 功能，请自行安装 MinerU。

---

快速开始

搜索论文

/paper-reader fetch "machine learning optimization"

Agent 会在多个学术数据库搜索，返回相关论文列表及元数据（标题、作者、年份、摘要、来源）。

分析论文 (v2.0 决策驱动)

/paper-reader analyze <paper-id>

v2.0 工作流：

1. 读 METHODOLOGY.md — 决策框架宪法
2. 答 4 问 — 文档类型 / 规模结构 / 用户意图 / 输出位置
3. 跑决策 prompt — LLM 自动选择粒度、切分、图谱、输出策略
4. 调 API — analyze_with_decision() 生成文件脚手架
5. LLM 填内容 — Agent 完善分析结果

提示时选择分析级别（L1-L4）或使用 v1.0 兼容的 A/B/C 级

配置命令

/paper-reader setup mineru      # 检查 MinerU 状态
/paper-reader setup mineru install  # 安装 MinerU
/paper-reader setup config show  # 查看配置

---

分析级别 (v2.0)

级别	适用场景	输出内容	Token 预算
L1	快速浏览、概念速查	概念字典	< 1k
L2	深入阅读、用户指南	概念 + 关系图	~2-5k
L3	知识库建设、教材	完整本体 (概念+关系+层级)	~10-50k
L4	科研准备、论文分析	完整图谱 (含证据引用)	~50-200k

v1.0 兼容：A/B/C 级仍可用，分析器会自动向后兼容

---

多源搜索

来源	擅长领域
arXiv	计算机科学、物理、数学、金融工程
PubMed	生物医学、生命科学、医学
Semantic Scholar	广泛覆盖、引用图谱、AI 推荐
CrossRef	DOI 查询、出版商元数据

---

支持的平台

平台	状态
Linux	支持
macOS	支持
Windows	支持

---

支持的 Agent

Agent	状态
Claude Code	支持
Cursor	支持
Codex CLI	支持
opencode	支持
Hermes Agent	支持
Gemini CLI	支持
Copilot	支持
Windsurf	支持
Zed	支持

---

架构

paper-reader/
├── skills/
│   ├── analyze/           # 论文分析 (v2.0 决策驱动)
│   │   ├── analyzer.py           # 核心 API (Decision, analyze_with_decision)
│   │   ├── METHODOLOGY.md        # v2.0 决策框架宪法
│   │   ├── decision_prompts/     # 4 个 LLM 决策 prompt
│   │   ├── granularity/          # L1-L4 档位定义
│   │   ├── subagent_policy.py    # Subagent 并行策略
│   │   ├── verification/         # L1/L2/L3 质量验证
│   │   ├── image_embedder.py    # 图像智能嵌入
│   │   └── e2e_integration.py   # 端到端管道
│   ├── config/            # 配置管理
│   ├── fetch/             # 论文检索与搜索
│   │   └── sources/      # arXiv、PubMed、Semantic Scholar、CrossRef
│   └── mineru/            # PDF 转 Markdown
├── agent_adapters/         # Agent 适配器实现
└── tests/                 # 测试套件

---

配置

配置文件：~/.paper-reader/config.json

{
  "version": "2.0",
  "mineru": {
    "installed": false,
    "path": null
  },
  "fetch": {
    "default_mode": "jina"
  },
  "analyze": {
    "default_level": "L2",
    "enable_verification": true,
    "enable_image_embedding": false
  },
  "subagent": {
    "default_pattern": "SINGLE",
    "token_threshold_map_reduce": 50000,
    "token_threshold_hierarchical": 200000
  }
}

---

License

MIT License