Paper Explainer

科研论文解读（论文 → 视频 / 图文）

> 把一篇论文讲成普通人/同行都爱看的视频号视频或图文。核心中间产物是一份 > 结构化 asset library（一次解析+提炼，视频与图文两条产线共用，不重复调 LLM）。 > 确定性 IO（拉论文/解析 PDF/骨架）走 scripts/paper_ingest.py；提炼与分镜脚本由你 LLM 完成——这是本 SKILL 的核心价值。

> 视频转图文（反向）见 video-to-article；纯格式转换见 doc-convert； > 只做图表见 chart-visualization / infographic；发视频号见 skill-channels-upload。

输入

| 字段 | 必填 | 说明 | |------|------|------| | 论文 | 是 | arxiv id（2401.12345）/ arxiv 链接 / 本地 PDF 路径（没给就问） | | 目标形态 | 否 | 视频（默认，视频号/B站）/ 图文（知乎/公众号）/ 两者都要 | | 视频画幅 | 视频时必填 | 用户或上游任务未明确横版/竖版（或 16:9/9:16/具体分辨率）时，进入视频制作前必须追问并等确认；不得按平台、Profile 或默认值静默推断，已明确则不重复问 | | 受众深度 | 否 | 大众科普（默认）/ 同行向（更专业） | | 时长 | 否 | 视频默认 2–4 分钟（视频号中视频） |

产物结构（outputs/论文简称/）

article.md               图文版（知乎/公众号）
final.mp4                成片
assets/                  paper.pdf / parsed/ / asset-library.json / script.md
  slide-plan.json        结构化分页（页面唯一输入，口播与屏幕文字分离）
  slides/                稳定渲染的逐页 PNG + HTML + audit report
  slides-contact-sheet.jpg  整套视觉复核图

脚本（相对项目根）：paper_ingest.py（解析）+ render_slides.py（分页校验/渲染/审计）。

执行步骤

1. 取原文 + 解析

1. 环境自检：python skills/openclaw/paper-explainer/scripts/paper_ingest.py check

（看 pdfplumber / MinerU token / 代理；缺 pdfplumber 则 pip install pdfplumber）。

1. 拉论文：paper_ingest.py fetch --paper -o outputs/论文简称/assets/paper.pdf。
2. 解析：paper_ingest.py parse -i outputs/论文简称/assets/paper.pdf -o outputs/论文简称/assets/parsed/

（有 MINERU_API_TOKEN 走 MinerU 含公式/图表结构化，否则 pdfplumber 纯文本 + 尽力抽图）。

2. 结构化提炼（你来做，核心）

1. 生成骨架：paper_ingest.py skeleton -o outputs/论文简称/assets/asset-library.json。
2. 读 assets/parsed/content.*，按 references/paper-distill-schema.md 填满 assets/asset-library.json：

one_liner（一句话讲清干了啥）、problem/prior_gap、contributions（≤3 条）、 method（含通俗类比 analogy）、key_figures（挑 2–4 张关键图，每张写 plain 大白话解释）、 results（含关键数字）、limitations、takeaway、terms（术语通俗表）。 通俗化方法见 references/explain-methodology.md（公式/图表→大白话、类比法、避免堆术语）。

1. 忠于原文：不夸大、不编造结论；拿不准的地方标注，别臆测（学术内容错了会被同行抓）。

3A. 视频产线（视频号/B站）

1. 分镜脚本：按 references/video-storyboard.md 结构（钩子→问题→已有不足→贡献→方法一图讲清→结果→意义）把 asset-library 写成 assets/script.md。

分镜/留存/口播节奏复用 video-script 的方法（喂论文语境）。可选双人问答口播（主持人提问+讲解者回答）比单人旁白更抓耳——用双人时把口播写成逐行 lines.json（{speaker,text,emotion}，speaker=主讲/提问）。

1. 视觉素材盘点 + 配图：先列出每页的视觉角色（证据图/重绘图/概念线稿/字体图形/motif），再写 slide-plan。论文原图从 assets/parsed/figures/ 选用；复杂原图先裁关键区域，方法流程/结果图用 infographic / chart-visualization 重绘。封面/概念页缺图时，主动找或制作与主题直接相关的线稿、局部图或符号素材，不用随机机器人/blob 填空。图中文字在目标分辨率不可读就不得直接使用。
2. 稳定 slide 产线（强制，不得在 outputs 临时写 make_slides 脚本）：先读 [card-design](../card-design/SKILL.md) 的设计原则和 references/slide-design.md，把 script 写成 assets/slide-plan.json。把用户/Profile/参考图的原始风格意图原样写入 style，再分别选 base_style、treatment、theme、motif 和视觉素材来实现；不得把用户风格强行归为某个预设，也不得因没有同名预设而拒绝。迁移的是可观察特征（氛围、配色、线条、纹理、构图、角色/物件素材），不是穷举风格名。未指定风格时用 editorial，但默认也必须有明确的编辑网格、纸张层次、章节锚点和图片框法，不得交付“素底 + 字”。整套锁定一个设计立场，页面骨架与审计门保持稳定。运行：

``bash python skills/openclaw/paper-explainer/scripts/render_slides.py validate --plan outputs//assets/slide-plan.json python skills/openclaw/paper-explainer/scripts/render_slides.py render --plan outputs//assets/slide-plan.json --out-dir outputs//assets/slides python skills/openclaw/paper-explainer/scripts/render_slides.py audit --plan outputs//assets/slide-plan.json --slides-dir outputs//assets/slides --contact-sheet outputs//assets/slides-contact-sheet.jpg ` 任一非 0 退出必须改 plan 后重渲；validate 会按页面职能拦截“只有口号、缺少解释”的低信息页，并检查合并主题后所有正文色在实际背景上的对比度；明亮 accent 可继续用于装饰，文字会使用可读的语义前景色。render 会硬拦文字/元素越界、重叠、组内不对齐、卡内文字左边漂移与结构页过度空洞。脚本全过后当前 Agent **必须肉眼查看 contact sheet 和至少 3 张原尺寸 slide**，检查暂停/静音时页面能否独立读懂、论文图可读、文字是否和所属元素对齐、留白是否有叙事作用、视觉素材是否相关、节奏是否重复；只过脚本不等于合格。不要把 narration 整段搬上屏。只有论文图本身承载主要信息时才可在该页设 density: visual`，不得把它当作跳过内容提炼的开关。

1. 成片（配音+字幕+合成，缺一不可）：从 slide-plan 的 narration 生成口播——单人用 tts-voiceover，双人用 multi-voice-dubbing；同步 SRT，缺则跑 auto-subtitle。把 assets/slides/slide_*.png、配音和字幕写入 auto-short-video storyboard 后合成，必须设顶层 "image_motion": "static"；slide/图表禁用 Ken Burns，不得缩放、平移或裁掉边缘。页面停留时长按对应 narration 音频/字幕分段，不均分整轨。不能只交静态图或无声视频。
2. 用 manifest.py meta 登记 final.mp4 或 article.md 为 deliverable；中间解析、slide 和音频只放 assets/。
3. 发布：交 skill-channels-upload（视频号）/ B站 biliup。

3B. 图文产线（知乎/公众号）

1. 用同一份 asset-library 写 article.md：标题（钩子）+ 用大白话讲清 problem→method→results→takeaway，配 assets/ 的图。

平台适配见 references/platform-adapt.md（知乎逻辑链、公众号成文起承转合）。排版/长图交 doc-convert；发布交 skill-zhihu-publisher / skill-wechat-publisher。

Profile 感知

• 有 Profile：platforms.md 定主平台并给出形态/画幅/时长建议，但视频画幅仍须用户确认；audience.md 定受众深度（大众 vs 同行）；style.md 定讲解调性；identity.md 定领域垂类（AI/生物/材料…影响类比取材）。
• 无 Profile：默认视频号 2–4 分钟中视频、大众科普深度，先问领域与受众。

规则

1. 忠于原文：不夸大贡献、不编造数字/结论；术语拿不准先查原文，别臆测。
2. 一次提炼、两处复用：asset-library.json 是唯一真相源，视频与图文都从它出，避免重复提炼与口径不一。
3. 通俗但不失真：用类比降低门槛，但类比不能扭曲原意；关键术语给一句通俗解释而非回避。
4. 图优先：论文靠图讲方法/结果，视频/图文尽量用图（原图或重绘信息图）承载信息。
5. 刻意不做：数字人讲座（太重）、依赖 LaTeX 源（从 PDF 入覆盖更广）。
6. 页面不是口播稿，也不是口号板：一页一个中心结论，但必须用解释、证据或数字口径让页面在暂停/静音时也能独立读懂；细节留给 narration，不得靠缩小字号容纳过量文字。

参考来源

见 EASEL-META.md。流程沉淀自 QuZhan51496/paper2anything（本身即 Claude Skills：parsepdf/MinerU + 提炼方法论外置 references + 多形态扇出）、 showlab/Paper2Video（按内容块切段、字幕先行）、Paper2Poster（结构化 asset library 中间产物）、 Azzedde/paperto_podcast（双人问答口播）、OpenDCAI/Paper2Any（一次解析扇出多形态）。

Source & license

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

• Author: ZJU-REAL
• Source: ZJU-REAL/Easel
• License: Apache-2.0
• Homepage: https://zju-real.github.io/Easel/

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