Paper Summarize
by Leeszzz
Use when needing to batch process academic papers (PDF/Markdown) and generate structured summaries in table format (brief mode) or detailed analysis reports (detailed mode) with progress tracking.
Skill Details
Repository Files
1 file in this skill directory
name: paper-summarize description: Use when needing to batch process academic papers (PDF/Markdown) and generate structured summaries in table format (brief mode) or detailed analysis reports (detailed mode) with progress tracking.
学术文献批量总结
概述
批量处理学术文献(PDF、Markdown、文本),生成结构化总结。核心原则：使用 paper-reader Agent 隔离上下文、串行稳定处理、批量完成后统一展示。
适用场景
- 用户需要快速浏览多篇论文(表格汇总模式)
- 用户需要深入分析每篇论文(每篇独立报告模式)
- 用户提供了文献目录或多个文件
不适用于：
- 单篇论文的实时交互式分析(直接调用 paper-reader Agent)
- 用户明确要求逐篇查看分析结果
核心模式
两种处理模式
表格汇总模式 (Brief):
场景: 用户说"帮我快速浏览这些论文"
处理: 批量阅读 → 暂存在内存
输出: 单个表格文件 (paper-summary.md)
展示: 全部处理完后一次性展示完整表格
详细分析模式 (Detailed):
场景: 用户说"帮我详细分析每篇论文"
处理: 逐篇阅读 → 逐篇生成文件
输出: 每篇独立的 Markdown 文件 ({原文件名}-summary.md)
展示: 全部处理完后汇总展示文件列表和统计
快速参考
工具组合
| 工具 | 用途 | 时机 |
|---|---|---|
| Glob | 扫描文件 | 用户提供目录或通配符时 |
| TodoWrite | 进度跟踪 | 处理开始时创建,每篇更新状态 |
| Task (paper-reader) | 阅读单篇文献 | 每篇文献独立调用 |
| Write | 保存结果 | 全部处理完成后 |
支持的输入
- 单个文件:
./paper.pdf - 多个文件:
./paper1.pdf ./paper2.pdf - Glob 模式:
./papers/*.pdf - 目录:
./papers/(自动扫描 .pdf、.md、.txt)
Semantic Scholar 补充(可选)
如果用户要求补充在线信息:
mcp__semanticscholar__search-paper-title: 按标题搜索mcp__semanticscholar__get-paper-abstract: 获取引用数、DOI、期刊
执行流程
1. 识别模式与文件
从用户请求中提取:
- 处理模式: 表格汇总 or 详细分析
- 文件列表: 使用 Glob 扫描
- 输出位置: 默认文献所在目录
- 是否补充在线信息
2. 创建进度跟踪
使用 TodoWrite 为每篇文献创建任务,让用户清楚看到进度。
3. 串行处理文献
关键原则: 一篇一篇处理,不并行
对每篇文献:
- 标记任务为
in_progress - 调用 Task 工具,启动 paper-reader Agent:
subagent_type: paper:paper-reader prompt: "处理文献 {file_path}" - 暂存结果(不立即展示):
- 表格模式: 暂存 JSON 结果在内存
- 详细模式: 保存为独立文件,记录文件路径
- 标记任务为
completed
重要: 不要在对话中逐篇展示分析内容,避免对话混乱。
4. 批量展示结果
表格汇总模式:
- 从暂存的 JSON 结果生成完整表格
- 在对话中向用户展示该表格
- 将表格写入 Markdown 文件
详细分析模式:
- 在对话中汇总展示:
- 处理的文献总数
- 每篇文献标题及总结文件路径
- 成功/失败统计
- 所有输出文件位置
5. 可选: 补充在线信息
如果用户要求补充 Semantic Scholar 信息:
- 对每篇论文按标题搜索
- 补充引用数、DOI、期刊/会议、开放获取链接
- 更新输出文档
6. 完成报告
输出统计:
- 总文献数
- 成功/失败数及失败原因
- 输出文件位置
使用场景示例
场景 1: 快速浏览
用户: "帮我快速浏览 papers/ 目录下的所有 PDF"
Claude:
1. 使用 Glob 扫描 papers/*.pdf
2. 创建进度任务列表
3. 逐篇调用 paper-reader Agent
4. 暂存结果在内存
5. 全部完成后生成表格并展示
6. 保存为 paper-summary.md
场景 2: 详细分析
用户: "帮我详细分析这几篇论文,每篇都要单独的总结"
Claude:
1. 解析文件列表
2. 创建进度任务列表
3. 逐篇调用 paper-reader Agent
4. 每篇生成独立的 {filename}-summary.md
5. 全部完成后汇总展示文件列表
场景 3: 补充在线信息
用户: "总结这些论文,并查询它们的引用数"
Claude:
1. 按表格模式处理论文
2. 对每篇论文:
- 调用 search-paper-title 查询
- 补充引用数、DOI、期刊
3. 更新表格
4. 展示并保存
常见错误
上下文溢出
问题: 一次性处理大量文献导致上下文溢出
解决:
- 每篇文献通过独立的 paper-reader Agent 处理
- 处理完成后只保留结果,丢弃 Agent 的中间上下文
逐篇展示导致对话混乱
问题: 详细模式下,对话中充斥着每篇论文的完整分析
解决:
- 逐篇生成文件,但不在对话中展示每篇内容
- 全部完成后统一汇总展示文件列表
格式不一致
问题: 不同文献的总结格式不一致
解决:
- 所有文献都通过同一个 paper-reader Agent 处理
- Agent 内部有统一的输出模板
- 验证每篇输出是否符合模板要求
最佳实践
- 上下文隔离: 每篇文献独立 Agent,避免上下文污染
- 串行稳定: 一篇一篇处理,不并行,确保每篇都能充分分析
- 批量展示: 全部处理完后一次性展示,不逐篇展示
- 进度可见: 使用 TodoWrite 让用户清楚看到处理进度
- 格式一致: 所有输出严格遵循模板格式
- 错误容忍: 单篇失败不中断,记录错误继续处理其他文献
Related Skills
Attack Tree Construction
Build comprehensive attack trees to visualize threat paths. Use when mapping attack scenarios, identifying defense gaps, or communicating security risks to stakeholders.
Grafana Dashboards
Create and manage production Grafana dashboards for real-time visualization of system and application metrics. Use when building monitoring dashboards, visualizing metrics, or creating operational observability interfaces.
Matplotlib
Foundational plotting library. Create line plots, scatter, bar, histograms, heatmaps, 3D, subplots, export PNG/PDF/SVG, for scientific visualization and publication figures.
Scientific Visualization
Create publication figures with matplotlib/seaborn/plotly. Multi-panel layouts, error bars, significance markers, colorblind-safe, export PDF/EPS/TIFF, for journal-ready scientific plots.
Seaborn
Statistical visualization. Scatter, box, violin, heatmaps, pair plots, regression, correlation matrices, KDE, faceted plots, for exploratory analysis and publication figures.
Shap
Model interpretability and explainability using SHAP (SHapley Additive exPlanations). Use this skill when explaining machine learning model predictions, computing feature importance, generating SHAP plots (waterfall, beeswarm, bar, scatter, force, heatmap), debugging models, analyzing model bias or fairness, comparing models, or implementing explainable AI. Works with tree-based models (XGBoost, LightGBM, Random Forest), deep learning (TensorFlow, PyTorch), linear models, and any black-box model
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Query Writing
For writing and executing SQL queries - from simple single-table queries to complex multi-table JOINs and aggregations
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Scientific Visualization
Meta-skill for publication-ready figures. Use when creating journal submission figures requiring multi-panel layouts, significance annotations, error bars, colorblind-safe palettes, and specific journal formatting (Nature, Science, Cell). Orchestrates matplotlib/seaborn/plotly with publication styles. For quick exploration use seaborn or plotly directly.