obsidian-plugin/lllin000_PaperForge
1
0
Fork 0
mirror of https://github.com/lllin000/PaperForge.git synced 2026-07-22 17:00:23 +00:00
Code Issues Projects Releases Packages Wiki Activity Actions
lllin000_PaperForge/docs/user-manual.md

18 KiB
Raw Blame History

PaperForge 使用手册

版本：1.5.15+

一、PaperForge 是什么

PaperForge 是一个 Obsidian 插件，把你 Vault 变成文献研究中心。它可以：

  1. 从 Zotero 自动同步文献目录，为每篇论文生成规范的 Obsidian 笔记
  2. 把 PDF 上传到 PaddleOCR，提取全文 Markdown 和图片
  3. 在 Dashboard 中查看全文、跟踪论文处理状态、重做 OCR
  4. 与 AI Agent（OpenCode / Claude Code / Cursor 等）协作，进行深度阅读、文献搜索、方法论提取
  5. 基于全文建立记忆层（FTS 全文搜索 + 向量语义搜索 + 结构化索引）

二、安装与初始化

2.1 前置条件

你需要先确保系统中有以下工具：

  • Zotero 7（文献管理软件）
  • Better BibTeX 插件（Zotero 的导出插件）
  • Python 3.10+
  • PaddleOCR API Token（百度飞桨 OCR 服务）

2.2 安装 Guide

  1. 下载 PaperForge 插件，将 main.js、manifest.json、styles.css 放入 Vault 的 .obsidian/plugins/paperforge/ 目录
  2. 在 Obsidian 的 Community Plugins 中搜索并启用 PaperForge
  3. 打开 PaperForge 设置：

在 Obsidian 左侧 Ribbon 点击 PaperForge 图标，或使用命令面板搜索 PaperForge: Dashboard。

步骤 1：安装标签页中配置

打开设置后默认在「安装」标签页。你会看到：

  • Runtime 状态：显示插件版本和 Python 包的版本是否匹配
  • Python 解释器：系统会自动检测。你也可以手动指定路径（如 C:\Python310\python.exe）
  • PaddleOCR API Key：填写你从百度飞桨申请的 API Token
  • 安装向导：首次安装点击 开始安装，会自动检测环境并引导你完成配置

安装向导会自动帮你：

  • 在 Vault 中创建 PaperForge 目录结构（System/PaperForge/、Resources/Literature/、Bases/ 等）
  • 检测 Python 环境
  • 检测 Zotero 和 Better BibTeX
  • 配置 Zotero 数据目录
  • 选择你的 AI Agent 平台（OpenCode / Claude Code / Cursor 等）
  • 部署 Agent Skill 文件：向导会根据你选择的平台，自动将 PaperForge Skill 部署到对应的 Vault 目录

步骤 2：Skills 查看

在「功能」标签页的 Skills 区域，你可以看到哪些 Skill 已经部署到你的 Vault 中。每个 Skill 对应一个 SKILL.md 文件。你可以在这里关闭你不希望 Agent 使用的 Skill。这一页只是查看和管理，实际部署是在安装向导中完成的。

2.3 配置 Better BibTeX 自动导出

在 Zotero 中安装 Better BibTeX 后，你需要为每个领域配置一个自动导出。

核心概念：一个 Zotero Collection（子分类文件夹）对应一个 Base 视图文件。比如你在 Zotero 中有一个名为"骨科"的子分类文件夹，导出这个 Collection 后，Obsidian 中会自动生成 骨科.base。这个 Base 文件包含的就是该 Collection 下所有子文件夹里的论文，并且会随 Zotero 的修改实时同步。

具体操作：

  1. 在 Zotero 左侧面板，右键点击你想导出的 Collection（如"骨科"）
  2. 选择 导出 Collection...（Export Collection...）
  3. 格式选择：Better BibTeX JSON（这是唯一支持的格式）
  4. 勾选 保持自动更新（Keep updated）
  5. 导出路径：选择 Vault 中的 System/PaperForge/exports/

实际效果：

  • 导出的 JSON 文件名自动使用 Collection 名称
  • Obsidian 的 Bases/ 目录下会自动生成同名的 .base 文件
  • Base 文件中的论文列表是该 Collection 下所有子文件夹中的文献
  • 一次配置，永久自动同步：每次 Zotero 中新增/删除/修改文献，JSON 和 Base 都会刷新

不需要每加一篇论文就导一次：自动导出会持续保持同步。

2.4 第一次 Sync

打开 Dashboard，点击左侧的 Sync Library 按钮。

Sync 做了什么：

  1. 读取 System/PaperForge/exports/ 下的 JSON 导出文件
  2. 为每篇论文生成 Obsidian 笔记（Resources/Literature/<domain>/<key> - Title/<key>.md）
  3. 建立文献索引（System/PaperForge/indexes/formal-library.json）
  4. 重建 FTS 记忆数据库

三、Dashboard 完全指南

Dashboard 是 PaperForge 的核心界面。它有 三种模式，根据你当前在 Obsidian 中打开的文件自动切换。

3.1 全局模式（Global Mode）

当你没有打开任何特定论文时，Dashboard 显示全局面板。

Library Snapshot：显示你的文献库总览

  • papers：总论文数
  • PDFs ready：有 PDF 的论文数
  • OCR done：已完成 OCR 的论文数
  • deep-read done：已完成深度阅读的论文数

System Status：系统健康状态指示灯

组件 含义
Runtime 插件版本和 Python CLI 版本是否匹配
Index 文献索引是否存在且有效
Zotero Export 是否有 Zotero 导出文件
OCR Token PaddleOCR API Key 是否已配置
Memory Layer 记忆层（FTS + 索引）是否健康

需要处理：如果有任何状态异常，Dashboard 会列出问题并提供 Run Doctor 和 Repair Issues 按钮。

Start Working：提供快捷操作按钮

  • Sync Library：同步 Zotero → PaperForge
  • Run OCR：开始 OCR 队列处理
  • Redo OCR：执行一次重做 OCR
  • Run Doctor：运行诊断
  • Repair Issues：修复状态不一致

3.2 论文模式（Paper Mode）

当你打开一篇论文的工作区笔记（<key>.md）或 PDF 时，Dashboard 自动切换到此模式。

论文元数据：标题、作者、年份

状态条：三个圆形指示器

指示器 含义 状态
PDF 论文是否有 PDF ✓（有） / ○（无）
OCR OCR 处理状态 ✓ done / ○ pending / ✗ failed
精读 深度阅读是否完成 ✓ done / ○ pending

快捷按钮

按钮 功能
打开 PDF 在 Obsidian 中打开 PDF
打开全文 打开 OCR 提取的全文 Markdown

文章概览（Paper Overview）：从笔记的 ## 精读 区域中自动提取摘要。如果还没有精读，显示提示信息。

下一步推荐（Next Step）：根据当前论文的处理状态，智能推荐下一步操作：

  • Sync Needed：论文尚未同步 → 点击 Sync
  • OCR Needed：PDF 已就绪，全文未提取 → 点击 OCR
  • Ready for Deep Reading：全文就绪 → 复制 /pf-deep <key> 命令到 Agent
  • All Set：所有流程完成

最近讨论：显示 ai/discussion.md 中最新的问答记录。

技术详情（折叠区）：显示更多内部状态和两个重要的勾选框：

  • do_ocr：将此论文加入 OCR 队列
  • analyze：标记此论文需要深度阅读
  • Fulltext Path：OCR 全文本的完整 Vault 路径

3.3 领域模式（Collection Mode）

当你打开某个领域的 .base 文件时，Dashboard 切换到此模式。

Workflow Overview：该领域的漏斗图，显示 Total → PDF Ready → OCR Done → Deep Read 的数量。

OCR Pipeline：彩色进度条，一眼看清该领域 OCR 的 Pending / Processing / Done / Attention 分布。

快捷操作：Run OCR、Sync Library、Redo OCR（仅影响该领域的论文）。

四、Base 视图完全指南

每个领域都有对应的 Base 文件（Bases/<domain>.base）。Base 是 Obsidian 的数据库视图，可以像表格一样浏览、排序、筛选文献。

4.1 四个标准面板

面板 筛选条件 用途
控制面板 无筛选 显示该领域全部论文的完整信息。包括 has_pdf、do_ocr、analyze、ocr_status、deep_reading_status 等所有 workflow 列
待 OCR do_ocr == true && ocr_status == "pending" 列出需要 OCR 处理的论文。勾选这里的 do_ocr，下次 Run OCR 就会处理
待深度阅读 analyze == true && ocr_status == "done" && deep_reading_status == "pending" 列出 OCR 已完成但未精读的论文
Redo OCR ocr_status == "done" 列出所有 OCR 已完成的论文。勾选 ocr_redo，点 Redo 按钮即可重新提取全文

4.2 各列的含义

列名 含义 谁控制
title 论文标题 Zotero 自动
year 发表年份 Zotero 自动
first_author 第一作者 Zotero 自动
journal 期刊名 Zotero 自动
impact_factor 影响因子 自动推算
has_pdf 是否有 PDF 自动检测 Zotero 附件
do_ocr 是否提交 OCR 用户可修改（勾选 = 下次 Run OCR 时会处理这篇）
analyze 是否标记精读 用户可修改（勾选 = 准备好让 Agent 精读这篇）
ocr_status OCR 处理状态 系统自动：pending → processing → done / failed
deep_reading_status 深度阅读状态 系统自动：pending → done
ocr_redo 是否标记重做 用户可修改（勾选 = 下次 Redo OCR 时处理这篇）
ocr_time OCR 完成时间 系统自动
pdf_path PDF 链接 系统自动
fulltext_md_path 全文路径 系统自动
collection_path Zotero 中的 Collection 路径 Zotero 自动
collection_tags Collection 标签 Zotero 自动

4.3 用户可手动修改的字段

在整个 frontmatter 中，以下字段是用户可以手动修改的，其余全部由系统自动维护：

  • do_ocr：勾选后，论文进入 OCR 队列
  • analyze：勾选后，论文标记为"待深度阅读"
  • ocr_redo：勾选后，论文标记为"需要重做 OCR"
  • tags：标签列表，系统默认写入 文献阅读 和领域名，你可以随意增删，系统不会覆盖你的修改

警告：不要手动改 ocr_status、deep_reading_status、fulltext_md_path、pdf_path 等系统字段。这些会被 sync 覆盖。

4.4 tags 和 collection_path 的来源

  • tags：从 Zotero 的标签同步，同时系统默认写入 文献阅读 和领域名。你可以在 Obsidian 中增删 tags，系统不会覆盖你加的 tag
  • collection_path：来自 Zotero 的 Collection 层级。例如 Zotero 中 骨科 → 软骨修复 → 生物反应器 的文章，其 collection_path 就是 骨科|软骨修复|生物反应器
  • collection_tags：Collection 路径中每一级作为标签存入

五、完整工作流

5.1 新增论文的标准流程

Zotero 添加文献 → 自动导出 JSON → Sync → 勾选 do_ocr → Run OCR → 打开全文 → Agent 精读
  1. 在 Zotero 中添加文献：通过 DOI、PMID 或网页抓取
  2. Better BibTeX 自动导出：JSON 文件自动更新（因为你已经配置了自动导出）
  3. Dashboard → Sync：读取最新的 JSON 导出，生成/更新 Obsidian 笔记
  4. 勾选 do_ocr：在 Base 的「待 OCR」面板中勾选 do_ocr，或者直接在论文笔记的 frontmatter 中手动设为 true
  5. Dashboard → Run OCR：提交 OCR 任务，等待完成
  6. 打开全文：OCR 完成后，Dashboard 显示 打开全文 按钮
  7. Agent 精读：在 Agent 中调用 PaperForge Skill，让 Agent 读取全文

5.2 重建全文（Redo OCR）的标准流程

当你需要重新提取某篇论文的全文时：

  1. 在 Base 的「Redo OCR」面板中找到目标论文
  2. 勾选 ocr_redo
  3. 在 Dashboard 或 Ribbon 点击 Redo OCR
  4. 系统自动：
    • 删除旧的 OCR 产物
    • 删除工作区旧 fulltext.md
    • 强制 do_ocr: true
    • 立即重跑 OCR
    • 成功后写回 ocr_redo: false

注意：如果 OCR 失败，ocr_redo 会保持 true，方便你再次尝试。

5.3 搜索与查找论文

有三种搜索方式，覆盖面不同：

方式 搜索范围 在哪里用
Base 面板的搜索框 标题、作者 Obsidian 中直接搜
调用 PaperForge Skill 标题、摘要、作者、全文 Agent 中调用
paperforge search CLI 标题、摘要、作者、期刊 命令行

六、记忆层（Memory Layer）

记忆层是 PaperForge 的"大脑"，由两部分组成：

6.1 结构化记忆（Memory DB）

  • 基于 SQLite + FTS5（全文搜索引擎）
  • 存储每篇论文的元数据（标题、作者、摘要、期刊、领域、Collection 等）
  • 支持精确的字段查询（按作者、年份、领域、OCR 状态等）
  • 每次 Sync 后自动重建

6.2 向量语义搜索（Vector DB）【可选功能】

向量数据库是可选择性开启的。即使没有开启，Agent 仍然可以使用 FTS 元数据搜索来查找论文。

  • 基于 ChromaDB（向量数据库）
  • 将所有已完成 OCR 的论文全文切分成段落，生成向量
  • 支持语义搜索：即使用自然语言描述一个概念（如 "75 Hz 电刺激对软骨细胞的分化影<E58C96>"），ChromaDB 也能在正文中找到匹配的段落
  • 这是检索论文最强大的方式——它搜索的不只是标题和摘要，而是正文的所有内容

开启方式：

  1. 在插件设置页的「功能」标签页中，找到"向量数据库"区域
  2. 勾选开启，可选配置 embedding 模型（如 OpenAI embedding API、本地 sentence-transformers 等）
  3. 点击"构建向量数据库"
  4. 构建完成后，Agent 就可以使用语义搜索在正文 Methods/Results 中匹配概念

七、与 Agent 协作

7.1 PaperForge Skill 是什么

PaperForge Skill 是部署到 Vault 中的 Agent 技能文件（SKILL.md）。它做的事情是：

  1. 让 Agent 知道你的文献库存在：Agent 会通过 bootstrap 脚本获取 Vault 路径、Python 位置、文献目录
  2. 给 Agent 提供搜索工具：Agent 会使用 paperforge search（元数据搜索）和 paperforge retrieve（语义搜索）来查找论文
  3. 规范 Agent 的文献操作行为：Agent 不会用 grep 乱搜文件、不会自己拼路径、不会只看摘要就回答事实性问题
  4. 定义 Agent 的研究工作流：精读论文、搜索文献、文献问答、记录问答、提取方法论等

7.2 Agent 读了这个 Skill 会做什么

当 Agent 加载 PaperForge Skill 后，它会：

  1. 执行 pf_bootstrap.py 获取路径和配置
  2. 执行 agent-context 获取文献库概览
  3. 检查 runtime-health 确认系统健康
  4. 根据你的输入判断意图（搜文献、读论文、找证据、保存笔记、提取方法论）
  5. 路由到对应的 workflow 执行

7.3 所有 Agent 能力详解

当你安装了 PaperForge Skill 后，Agent 可以直接响应如下自然语言意图：

你说什么 Agent 会做什么
"找文献"、"搜文献"、"找一下"、"搜一下" 搜索论文目录，返回候选列表
"库里有什么"、"collection 里" 列举领域/Collection 中的论文
"读一下这篇"、"看看这篇"、"这篇论文" 打开指定论文进行阅读
"找证据"、"找支持"、"找依据"、"找参数" 检索全文中的具体证据和方法
"精读"、"/pf-deep" 三阶段深度阅读
"记一下"、"保存这次"、"记录一下" 保存当前会话的阅读笔记
"提取方法论" 从论文中提取可复用的研究方法卡片
"/pf-paper <key/DOI>" 快速定位并阅读已知论文

7.4 如果 Agent 没有自动读取 Skill 怎么办

  • 通用方法：在对话中直接写 调用 paperforge skill，或告诉 Agent "读取 vault 中 .opencode/skills/paperforge/SKILL.md"（路径根据你的平台调整）
  • 如果 Agent 仍然无法加载，检查 Vault 的对应 skills 文件夹（如 .opencode/skills/）下是否存在 paperforge/ 目录
  • 如果不存在，在插件设置页重新运行一次安装向导，或者手动将 Skill 文件复制进去
  • 重启你的 CLI / Agent 客户端后重试

确认 Agent 已加载 Skill 的标志：Agent 会先运行 pf_bootstrap.py 并输出路径变量，而不是直接用 grep 搜文件。

7.5 Agent 使用的搜索工具

Agent 有三种搜索武器，不会只用一种：

工具 命令 搜索范围
元数据搜索 paperforge search "query" 标题、摘要、作者、期刊、领域、Collection 路径
语义全文搜索 paperforge retrieve "query" OCR 正文全部内容（需开启向量 DB）
Collection/领域列举 paperforge context --collection/--domain 指定 Collection 下的完整论文列表

Agent 禁止手动 grep / rg / glob 搜文件。这是 Skill 的硬性规则。如果 Agent 试图这样做，说明它没有正确加载 Skill，你需要提醒它。

7.6 Agent 的意图路由顺序

Agent 按以下优先级判断你要做什么：

  1. 机械命令（/pf-sync、/pf-ocr、/pf-status） → 直接执行
  2. 命令别名（/pf-deep → 深度分析，/pf-paper → 快速阅读）
  3. 你要保存/归档 → 执行 capture
  4. 你给定了明确论文 → 执行阅读
  5. 你要找论文列表 → 执行检索
  6. 你要找具体证据 → 执行证据查找
  7. 意图不清 → Agent 会问你两个问题澄清

八、目录结构参考

Vault/
├── System/
│   └── PaperForge/
│       ├── ocr/<ZoteroKey>/        ← OCR 产物
│       │   ├── fulltext.md         ← 唯一的正文真相源
│       │   ├── json/result.json    ← OCR 原始结果
│       │   ├── images/             ← 提取的图片
│       │   ├── pages/              ← 页缓存
│       │   └── meta.json           ← OCR 进度
│       ├── exports/                ← Better BibTeX JSON 导出文件
│       └── indexes/                ← 文献索引
│           └── formal-library.json
├── Resources/
│   └── Literature/                 ← 论文工作区
│       └── <domain>/<ZoteroKey> - <Title>/
│           ├── <ZoteroKey>.md      ← 主笔记（frontmatter + 精读内容）
│           └── ai/                 ← AI 产物
│               └── discussion.md   ← Agent 对话记录
├── Bases/                          ← Obsidian Base 视图
│   └── <domain>.base
├── <平台相关>skills/paperforge/    ← Agent Skill 文件
│   └── SKILL.md
└── .obsidian/plugins/paperforge/   ← 插件本体