Daily Papers

每日论文推荐

这是面向用户的一句话入口。

识别用户意图

1. 识别时间范围：

• 今日论文推荐、每日推荐、今日论文 -> 当天
• 过去3天论文推荐、最近3天论文 -> 3 天
• 过去一周论文推荐、看看这周有啥论文 -> 7 天
• 过去两个月 -> 60 天
• 其他 N 天 -> 用户指定的 N

1. 识别关键词：

• 如果用户指定了关键词（如"大模型评测"、"扩散模型"），使用用户提供的
• 如果用户没有指定，从 daily.keywords 配置获取默认关键词；旧配置 daily_paper_keywords 仍兼容

执行流程

路径契约（必须）

每日论文只能写入一个日期目录：

{DAILY_PAPERS_PATH}/{YYYY-MM-DD}/

例如 Dailypaper/2026-05-20/。禁止创建或写入任何月份/日期混合目录，包括：

• Dailypaper/5月/0520/
• Dailypaper/5月/520/
• Dailypaper/{月份}/{DD}/
• Dailypaper/{月份}/{MMDD}/

执行前必须显式设置并复用：

DATE_DIR="$(date +%F)"
DAILY_RUN_DIR="{DAILY_PAPERS_PATH}/$DATE_DIR"
META_DIR="$DAILY_RUN_DIR/_meta"
RECOMMENDATION_FILE="$DAILY_RUN_DIR/$DATE_DIR-论文推荐.md"

后续抓取、点评、笔记、图片、_meta 都只能使用这些变量。不要手写 5月、0520、520 这种路径。

如果发现同一天的旧式目录已经存在，先停止写入并迁移到 Dailypaper/{YYYY-MM-DD}/；如果目标目录已有内容，保留目标目录，不要把新内容写回旧式目录。

Step 1: 关键词丰富化

对每个原始关键词进行丰富化（英文 + 中文变体）：

| 原始关键词 | 丰富化关键词 | |-----------|-------------| | 大模型评测 | LLM evaluation, large language model benchmark, foundation model evaluation, 模型评测, 大模型评估 | | 扩散模型 | diffusion model, score-based model, diffusion generative model, 扩散生成模型 |

丰富化逻辑：

• 每个关键词展开为 4-6 个相关关键词（中英文混合）
• 英文为主（覆盖 arXiv 检索），保留中文（覆盖中文论文）

Step 2: 多源检索（multisourcefetch.py）

调用 multi_source_fetch.py，传入丰富化后的关键词。输出保存在当天日期目录的 _meta/ 下，便于复盘：

python3 ~/.claude/skills/daily-papers/multi_source_fetch.py \
  --topic "每日论文" \
  --queries-json '["{丰富化关键词1}", "{丰富化关键词2}"]' \
  --since-year {年份下限} \
  --max-results 100 \
  --sources auto \
  --output "$META_DIR/candidates.json"

输出：

• _meta/candidates.json：规范化、去重、排序后的候选论文
• _meta/source_diagnostics.json：各来源请求状态
• _meta/dedup_stats.json：去重统计
• _meta/plan.json：本次 topic / queries / source 配置

Step 3: Claude 判断相关性（daily-papers-review）

读取 _meta/candidates.json，Claude 逐一判断每篇论文是否与关键词相关，输出 core / adjacent / exclude 筛选理由并生成推荐点评。

Step 4: 生成笔记（daily-papers-notes）

对推荐中标记为"🔥 必读"的论文，逐篇生成中英双语笔记。

重要约束

• 不要先要求用户手动跑 跑一下论文抓取 / 点评 / 笔记
• 这 3 句是内部流水线和调试入口，不是首页主交互
• 如果用户明确只想跑其中一步，再交给对应 skill

自动化

• 本 skill 本身是"一步跑完整流水线"的入口
• 如果用户想做本地定时任务，默认也应该触发这一句

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: CHB-learner
• Source: CHB-learner/scholarflow-claude-skills
• License: MIT

Install and usage instructions live in the source repository linked above.