支持批量下载 arXiv 论文源码/PDF，由模型人工阅读并撰写结构化中文/英文摘要，禁止脚本自动生成，确保学术内容深度理解。
说明：
## 核心用法
ArXiv Paper Processor 是一套面向学术研究场景的人工驱动论文处理工具，定位于模型深度理解而非脚本自动化。其核心工作流分为三步：首先通过 Python 脚本下载论文源码（LaTeX）或 PDF 作为阅读素材，随后由模型人工通读全文内容，最后按固定格式撰写 `summary.md` 摘要文档。
该工具提供单篇与批量两种模式。批量模式支持并发下载（`–max-workers`）、速率限制（`–min-interval-sec`）和断点续传（本地状态文件 `.runtime/arxiv_download_state.json`），可安全处理数十至上百篇论文的素材获取。语言参数（`–language`）贯穿始终，最终摘要需严格以指定语言输出。
### 显著优点
– **人工深度理解优先**：明确禁止脚本片段提取、正则收割或模板自动填充，强制要求模型逐字阅读后综合撰写，避免学术内容的形式化空泛
– **双轨素材获取**：优先获取 LaTeX 源码以获得完整结构信息，源码不可得时回退至 PDF，兼顾完整性与兼容性
– **工程化批量能力**：内置 429 防护、幂等下载（跳过已存在文件）、可恢复进度，适合大规模文献调研场景
– **结构化输出规范**：`summary.md` 采用固定 10 节格式，关键字段（如 `ArXiv ID`、`Reading basis`）严格限定键名，便于下游自动化处理
– **质量门控设计**：提供中英文示例文档作为 detail-level benchmark，要求章节 4/5/10 必须包含方法细节与实验设定，模糊处需显式标注不确定性
### 潜在缺点与局限性
– **人工处理瓶颈**：模型阅读与撰写速度远低于脚本自动化，单篇耗时显著，不适合毫秒级响应场景
– **依赖外部稳定性**：arXiv 源站速率限制、LaTeX 编译复杂度、PDF 解析质量均可能影响素材可用性
– **无实时检索能力**：需前置 `arxiv-search-collector` 提供论文目录与元数据，本 skill 不直接对接 arXiv API 进行主题检索
– **输出一致性风险**：不同模型或同一模型多次运行对同一论文的摘要可能存在表述差异，需人工审核关键结论
### 适合人群
– 需要撰写系统性文献综述（literature review）的科研人员与研究生
– 构建领域知识库、需结构化摘要支持下游 NLP 任务（如语义检索、知识图谱构建）的技术团队
– 对学术内容准确性要求高、愿以时间成本换取理解深度的研究助理与智库分析师
### 常规风险
– **版权合规**：arXiv 预印本虽开放获取，但批量下载需遵守其 robots.txt 与速率政策，商业用途需关注各论文的授权条款
– **模型幻觉**：尽管要求人工阅读，长文本摘要仍可能出现事实扭曲或引用错误，建议关键结论与原文片段交叉核验
– **存储与隐私**：批量下载产生大量本地文件（源码、PDF、日志），敏感研究领域需注意本地数据隔离与访问控制
– **供应链风险**：依赖 Python 3 与特定脚本，环境版本漂移或依赖库漏洞可能中断处理流程
会员专属
