mirror of
https://github.com/lllin000/PaperForge.git
synced 2026-07-22 17:00:23 +00:00
51d35d6999
- command/lp-*.md: replace python <system_dir>/... with paperforge status|selection-sync|index-refresh|ocr run; add fallback legacy command section - command/ld-deep.md: update queue preflight to 'paperforge deep-reading'; add paperforge paths --json for variable resolution - README.md: update core commands section to show paperforge first, legacy as fallback - docs/INSTALLATION.md: add paperforge paths/status as primary verification - docs/setup-guide.md: replace python pipeline/worker/... with paperforge selection-sync/index-refresh - setup_wizard.py DoneStep: add pip install -e . and paperforge commands as primary next steps All 15 tests in tests/test_command_docs.py pass.
228 lines
8 KiB
Markdown
228 lines
8 KiB
Markdown
# /LD-deep
|
||
|
||
基于单篇论文的组会式精读入口。
|
||
|
||
## 功能
|
||
|
||
1. 解析 `/LD-deep <query>` 中的查询词
|
||
2. 支持 Zotero key、标题片段、DOI、PMID、关键词
|
||
3. 优先搜索本地 Zotero 并锁定单篇论文
|
||
4. 绑定该论文对应的：
|
||
- `<system_dir>/PaperForge/ocr/<KEY>/fulltext.md`
|
||
- `<system_dir>/PaperForge/ocr/<KEY>/meta.json`
|
||
- `<resources_dir>/<literature_dir>/.../KEY - Title.md`
|
||
5. 在正式文献卡片中检查或创建 `## 🔍 精读`
|
||
6. 以“研究思路 + figure-by-figure”方式一次性完成精读写回
|
||
|
||
## 执行原则
|
||
|
||
- `/LD-deep` 对用户来说是一次触发直接完成。
|
||
- 内部逻辑分两步：
|
||
1. 先生成 `## 🔍 精读` 骨架和 figure 标题位
|
||
2. 再补全所有空段
|
||
- **覆盖确认（强制）**：
|
||
在启动精读前，主 agent **必须**读取 `{{FORMAL_NOTE}}`，检查是否已存在 `## 🔍 精读` 区域且包含非占位符的实质内容（如已填写的分析段落、非"（待补充）"的文本）。
|
||
- 若检测到已有实质内容 → **必须**使用 Question tool 询问用户：
|
||
- "追加"（保留现有内容，仅补充新增/空缺部分）
|
||
- "覆盖"（删除现有精读，重新生成）
|
||
- "跳过"（取消本次操作）
|
||
- 用户选择"追加"时，subagent 应保留已有内容，仅填充空缺或补充新 section。
|
||
- 用户选择"覆盖"时，subagent 应**先删除现有 `## 🔍 精读` 区域**（从 `## 🔍 精读` 到下一个同级或更高级 heading），再重新生成骨架并填写。
|
||
- 用户选择"跳过"时，直接终止流程。
|
||
- 后续再次运行时（未询问用户或用户选择追加）：
|
||
- 只补空段
|
||
- 不覆盖已有内容
|
||
- 不覆盖用户手改内容
|
||
|
||
## 精读定位
|
||
|
||
这不是综述提取，也不是信息摘录。
|
||
目标是模拟高水平博士/博士后组会讲解单篇论文的学习型精读。
|
||
|
||
主线必须是：
|
||
|
||
1. 文章整体研究思路
|
||
2. 主文 figure 逐张解析
|
||
3. 关键方法补课
|
||
4. 主要发现、新意、疑点与启发
|
||
|
||
## Supplementary 规则
|
||
|
||
- 默认不逐张展开 supplementary figure/table。
|
||
- 仅在以下情况下纳入：
|
||
- 对主结论形成关键支撑
|
||
- 补足方法可信度
|
||
- 限制主文结论的解释范围
|
||
- 作者在正文中明显依赖该补充材料
|
||
|
||
## 精读结构
|
||
|
||
骨架为纯文本 + 粗体标题，不使用 Obsidian callout 格式。采用 Keshav 三阶段阅读法组织：
|
||
|
||
```md
|
||
## 🔍 精读
|
||
|
||
**证据边界**：区分三层信息：`论文结果`、`作者解释`、`我的理解/推断`。不要把样本内观察直接写成普遍规律，不要把相关性写成因果，不要把未进入最终模型的指标写成已被稳定验证的联合诊断结论。
|
||
|
||
### Pass 1: 概览
|
||
|
||
**一句话总览**
|
||
（待补充）
|
||
|
||
**5 Cs 快速评估**
|
||
- **Category**（类型）：
|
||
- **Context**（上下文）：
|
||
- **Correctness**（合理性初判）：
|
||
- **Contributions**（贡献）：
|
||
- **Clarity**（清晰度）：
|
||
|
||
**Figure 导读**
|
||
- 关键主图：
|
||
- 证据转折点：
|
||
- 需要重点展开的 supplementary：
|
||
- 关键表格：
|
||
|
||
### Pass 2: 精读还原
|
||
|
||
#### Figure-by-Figure 解析
|
||
（每张 figure 下方按以下顺序填写）
|
||
- **图像定位与核心问题**：页码 + 要回答什么问题
|
||
- **方法与结果**：方法 + 结果
|
||
- **作者解释**：作者对该图的解读
|
||
- **我的理解**：自己的理解（区分于作者解释）
|
||
- **在全文中的作用**：该图在整体故事线中的位置
|
||
- **疑点 / 局限**：读图时发现的疑问（可酌情用 `> [!warning]` 突出）
|
||
|
||
#### Table-by-Table 解析
|
||
（如有重要表格，按同样结构展开）
|
||
|
||
#### 关键方法补课
|
||
- 方法 1：
|
||
- 方法 2：
|
||
|
||
#### 主要发现与新意
|
||
**主要发现**
|
||
- 发现 1：
|
||
- 发现 2：
|
||
|
||
### Pass 3: 深度理解
|
||
|
||
#### 假设挑战与隐藏缺陷
|
||
- 隐含假设：
|
||
- 如果放宽某个假设，结论还成立吗？
|
||
- 缺少哪些关键引用？
|
||
- 实验/分析技术的潜在问题：
|
||
|
||
#### 哪些结论扎实，哪些仍存疑
|
||
**较扎实**
|
||
-
|
||
|
||
**仍存疑**
|
||
-
|
||
|
||
#### Discussion 与 Conclusion 怎么读
|
||
- 作者真正完成了什么：
|
||
- 哪些地方有拔高：
|
||
- 哪些地方是推测：
|
||
|
||
#### 对我的启发
|
||
- 研究设计上：
|
||
- figure 组织上：
|
||
- 方法组合上：
|
||
- 未来工作想法：
|
||
|
||
#### 遗留问题
|
||
**遗留问题**
|
||
-
|
||
```
|
||
|
||
## Figure 节要求
|
||
|
||
每个 figure 小节按以下顺序填写：
|
||
|
||
- **图像定位与核心问题**：页码 + 要回答什么问题
|
||
- **方法与结果**：方法 + 结果
|
||
- **作者解释**：作者对该图的解读
|
||
- **我的理解**：自己的理解（区分于作者解释）
|
||
- **在全文中的作用**：该图在整体故事线中的位置
|
||
- **疑点 / 局限**：读图时发现的疑问（可酌情用 `> [!warning]` 突出）
|
||
|
||
图像优先直接引用 `fulltext.md` 里已有的 OCR 图像链接。
|
||
|
||
## 使用示例
|
||
|
||
### 单篇精读（已知 key）
|
||
|
||
```bash
|
||
/LD-deep XGT9Z257
|
||
/LD-deep Predictive findings on magnetic resonance imaging
|
||
/LD-deep 10.1016/j.jse.2018.01.001
|
||
```
|
||
|
||
### 批量从待精读队列启动（/LD-deep queue）
|
||
|
||
```
|
||
/LD-deep queue
|
||
```
|
||
|
||
当不提供具体 key/标题时，agent 自动执行以下流程：
|
||
|
||
1. 运行 `paperforge deep-reading` 查看精读队列（或 `python $(paperforge paths --json | python -c "import json,sys; print(json.load(sys.stdin)['literature_script'])") queue --vault {{VAULT}}` 获取 JSON 格式队列）
|
||
2. 解析输出的队列状态（`analyze=true` + `deep_reading_status != done` + `ocr_status`）
|
||
3. 按 OCR 状态分组展示：
|
||
- **就绪**：OCR 已完成，可直接精读
|
||
- **阻塞**：OCR 未完成，需先跑 `paperforge ocr run`
|
||
4. 由用户选择篇目：
|
||
- 若只有 1 篇就绪 -> 直接执行单篇精读（等同于 `/LD-deep <key>`）
|
||
- 若多篇 -> 展示清单，用户选择后批量 spawn subagent 并行处理
|
||
|
||
**注意**：`queue` 模式只扫描 `library-records`（Base 控制记录），不扫描正式卡片。只有在 Base 里勾选 `analyze=true` 的论文才会进入队列。
|
||
|
||
## Subagent Spawn 指南（多篇并行时使用）
|
||
|
||
当需要并行处理多篇论文时，使用 Task tool 启动 subagent，每个 subagent 独立处理一篇。
|
||
|
||
### 变量替换
|
||
|
||
对每篇论文，替换以下四个变量：
|
||
|
||
| 变量 | 示例值 | 获取方式 |
|
||
| ----------------- | ----------------------------------------------------------------- | -------- |
|
||
| `{{ZOTERO_KEY}}` | `Y5KQ4JQ7` | 从 library-record 或 JSON 导出中获取 |
|
||
| `{{FORMAL_NOTE}}` | `<Vault>/<resources_dir>/<literature_dir>/骨科/Y5KQ4JQ7 - title.md` | 从 `paperforge paths --json` 或 library-record 中获取 |
|
||
| `{{FULLTEXT_MD}}` | `<Vault>/<system_dir>/PaperForge/ocr/Y5KQ4JQ7/fulltext.md` | 由 OCR worker 生成在 ocr 目录下 |
|
||
| `{{SCRIPT}}` | `<Vault>/<skill_dir>/literature-qa/scripts/ld_deep.py` | 从 `paperforge paths --json` 获取 `literature_script` 字段 |
|
||
|
||
### Spawn 命令格式
|
||
|
||
获取路径信息：
|
||
```bash
|
||
paperforge paths --json
|
||
# 返回 JSON，包含 worker_script, literature_script, skill_dir 等字段
|
||
```
|
||
|
||
然后使用以下格式启动 subagent：
|
||
```
|
||
Task(
|
||
description="LD-deep {{ZOTERO_KEY}}",
|
||
prompt="加载 subagent prompt: <Vault>/<skill_dir>/literature-qa/prompt_deep_subagent.md\n\n填入以下变量：\n- ZOTERO_KEY: {{ZOTERO_KEY}}\n- FORMAL_NOTE: {{FORMAL_NOTE}}\n- FULLTEXT_MD: {{FULLTEXT_MD}}\n- SCRIPT: {{SCRIPT}}",
|
||
subagent_type="general"
|
||
)
|
||
```
|
||
|
||
### 多篇并行示例
|
||
|
||
假设要对 LMD5YVLP、NDPUMMCI、Y5KQ4JQ7、UBM39DTB 四篇并行精读：
|
||
|
||
1. 先行查询 formal-library.json 或检查文件系统，确认每篇的 FORMAL_NOTE 路径
|
||
2. 用 Bash tool 预跑 `python {{SCRIPT}} figure-index {{FULLTEXT_MD}}` 确认 OCR 存在
|
||
3. 四个 Task 并行启动，每篇独立
|
||
4. 等待所有 Task 完成，收集各篇的写入行数和验证结果
|
||
|
||
### 预检（必须）
|
||
|
||
在 spawn 之前，确认：
|
||
- `{{FULLTEXT_MD}}` 存在且非空（OCR 已完成）
|
||
- `{{FORMAL_NOTE}}` 所在目录存在（note 已被 selection-sync 创建）
|
||
|
||
如有任何一项不满足，subagent 应报错退出，不静默失败。
|