liqing-ustc/mindflow/daily-papers

Purpose

自动发现与研究方向相关的最新论文，生成候选列表。分三步：

1. Python 脚本抓取 + 打分（零 token）
2. 快速分流 → 确定必读论文
3. 每篇必读论文：独立 subagent 生成笔记 + 基于笔记写单篇点评 → 主 agent 汇总锐评和分流表，保存文件

关键设计：单篇点评由生成笔记的 subagent 在同一会话内完成——它此时刚读完论文、有完整上下文；让主 agent 读回笔记重写点评是对 context 的浪费，且摘要驱动的重写容易丢失笔记里的 ablation / caveat 细节。

Steps

Step 0：解析时间范围

从用户输入中解析天数：

• "今日论文总结"、"今日论文"、"每日总结" → 当天（--days 1）
• "过去3天"、"最近三天" → --days 3
• "过去一周"、"最近7天" → --days 7
• "过去两周" → --days 14
• 无特殊指定 → 默认当天

将解析出的天数存为 DAYS 变量。

Step 1：抓取 + 打分（Python 脚本，零 token）

运行 fetch_and_score.py，输出到 Workbench/daily/.candidates.json：

python3 skills/1-literature/daily-papers/fetch_and_score.py \
  --days {DAYS} \
  --output Workbench/daily/.candidates.json

检查输出：确认文件存在且包含有效 JSON 数组。如果为空数组，检查 stderr 诊断问题（可能是周末 arXiv 无更新、网络问题等），告知用户原因后停止。

历史去重：脚本在 output 同目录维护 .history.json，单天模式自动过滤已总结过的论文（30 天窗口），多天模式跳过去重。每次运行后自动更新历史。

Step 2：快速分流

读取 Workbench/daily/.candidates.json，做轻量级分类，不写详细点评。

2a：兜底过滤

参照研究兴趣判断论文相关性，如果发现某篇论文与所有研究兴趣均无关，而且 score 不高，直接跳过。

2b：分流

基于摘要和 score，将论文分流为：

• 要精读：强相关 + 方法有新意或结果显著
• 可跳过：其他论文（弱相关，limited novelty，marginal improvement 等）

每篇论文只需一句话分流理由，不写详细点评。

Step 3：每篇要精读论文 → 笔记 + 单篇点评

每篇要精读论文派发一个 subagent，指示它：

1. 调用 paper-digest skill 生成笔记；若笔记已存在，则直接读取已有笔记
2. 基于笔记正文（而非摘要），依照点评原则生成点评，并按点评模版返回点评

范围控制：仅对"要精读" 论文执行，"可跳过"不派发 subagent。

并行执行：要精读论文全部并行派发（background agents）。等待所有返回后再进入下一步。

点评模板

### {短标题}
-**Title**: {完整标题}
-**Institutes**: {institutes}
-**Source**: [link]({url})  {来源徽章：📰 HF Daily ⬆️ N / 🔥 HF Trending ⬆️ N / 📄 arXiv}   **📒 论文笔记**: [[{笔记文件名}]]
-**核心**: 3-5 句，核心 idea + 主要结果，避免黑话
-**锐评**: 方法有没有硬伤？claim 和证据匹配吗？跟已有工作本质区别在哪？哪些数字亮眼、哪些
  暴露问题？
-**Rating**: `3` 🔥 / `2` 👀 / `1` 💤 ，{一句话理由}

点评原则

• 点评人设: 毒舌但眼光极准的 AI 论文审稿人，见多识广、对灌水零容忍的 senior researcher。
• 语气要求：毒舌、尖锐、精炼、有态度。不和稀泥，不说"总体还行"。明确判断好/坏。
• 内容具体： 夸要具体（哪个数字、哪个设计），骂要更具体（哪个假设不成立、哪个实验缺了、哪个 claim 站不住脚）
• 来源格式：
• hf-daily → 📰 HF Daily ⬆️ {hf_upvotes}
• hf-trending → 🔥 HF Trending ⬆️ {hf_upvotes}
• arxiv → 📄 arXiv

重要‼️：Subagent prompt 必须包含以上完整的点评模板 和 点评原则，不要省略

Step 4：汇总点评 + 生成总结文件

汇总论文点评，生成总结文件，保存到 Workbench/daily/YYYY-MM-DD.md（日期为目标日期）。若文件已存在，覆盖写入。

总结文件模版：

---
date: YYYY-MM-DD
tags: [daily-papers, tag1, tag2, ...]
---
# 🔪 今日总结
 
{2-3句总结}
 
## 评分表
 
| Rating | 论文 |
|--------|------|
| 🔥 `3 - Foundation` | [[#{短标题}]]（理由）· [[#{短标题}]]（理由） |
| 👀 `2 - Frontier` | [[#{短标题}]]（理由）· ... |
| 💤 `1 - Archived` | [[#{短标题}]]（理由） |
 
## 论文点评
 
{按评分表顺序，原样拼接 Step 3 返回的各单篇点评块}
 
## 已跳过论文
 
| 论文 | 跳过原因 |
|------|----------|
| ... | ... |

Tag 选择：阅读 vault 目录下的 {vault_root}/references/tags.md，按照规范选择 tag。

Step 5：追加工作日志

将以下格式的 log entry 追加到 Workbench/logs/YYYY-MM-DD.md（日期为今天）：

### [HH:MM] daily-papers
-**input**: {DAYS} 天
-**output**: [[Workbench/daily/YYYY-MM-DD]]
-**observation**: 抓取 K 篇，精读 N 篇（rating 3: X / 2: Y / 1: Z），跳过 M 篇

若日志文件不存在，先创建文件（包含一级标题 # YYYY-MM-DD），再追加 entry。

告知用户：抓取 K 篇，精读 N 篇（rating 3: X / 2: Y / 1: Z），跳过 M 篇

Verify

• [ ] Workbench/daily/.candidates.json 存在且非空
• [ ] Workbench/daily/YYYY-MM-DD.md 已创建
• [ ] 评分表中的 [[#{短标题}]] 链接与论文点评的 ### {短标题} 完全匹配
• [ ] 要精读论文笔记已生成，论文点评基于笔记内容
• [ ] 日志已追加到 Workbench/logs/YYYY-MM-DD.md