lllin000_PaperForge/command/ld-deep.md

/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：
   • 99_System/PaperForge/ocr/<KEY>/fulltext.md
   • 99_System/PaperForge/ocr/<KEY>/meta.json
   • 03_Resources/Literature/.../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：

## 🔍 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）

/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 python {{SCRIPT}} queue --vault {{VAULT}}
2. 解析输出的 JSON 队列（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 ocr worker
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
{{ZOTERO_KEY}}	Y5KQ4JQ7
{{FORMAL_NOTE}}	D:\L\Med\Research\03_Resources\Literature\骨科\Y5KQ4JQ7 - 3D printed hydrogel for articular cartilage regeneration.md
{{FULLTEXT_MD}}	D:\L\Med\Research\99_System\LiteraturePipeline\ocr\Y5KQ4JQ7\fulltext.md
{{SCRIPT}}	D:\L\Med\Research\.opencode\skills\literature-qa\scripts\ld_deep.py

Spawn 命令格式

Task(
  description="LD-deep {{ZOTERO_KEY}}",
  prompt="加载 subagent prompt: D:\L\Med\Research\.opencode\skills\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。