HuggingFace 论文下载

要解决什么问题

做文献调研时，论文链接往往来自 HuggingFace Papers 或 ArXiv，但浏览器另存为的文件名通常是 2501.12599.pdf 这类 ID，本地检索和引用都不直观。手动查标题再改名既慢又容易出错。

技能如何工作

本技能面向 HuggingFace / ArXiv 链接或 ArXiv ID，用标准库脚本 scripts/download_hf_paper.py 完成下载与命名，无需额外第三方依赖。

支持的输入形式包括：

• HuggingFace 论文 URL（如 https://huggingface.co/papers/2501.12599）
• ArXiv 摘要页 URL（如 https://arxiv.org/abs/2501.12599）
• 纯 ArXiv ID（如 2501.12599）

典型流程是：从用户消息里 解析 URL 或 ID；若只给了论文名称则先尝试检索 ArXiv ID 并 确认；确定保存目录（未指定则用当前工作目录）；用 python3 调用脚本；下载完成后 回报完整保存路径。

脚本会通过 ArXiv API 拉取元数据得到正式标题，下载 PDF 并以标题作为文件名（例如 Kimi k1.5 Scaling Reinforcement Learning with LLMs.pdf）。需要与 ID 对齐时，可使用 --prefix-id，文件名形如 2501.12599 - Kimi k1.5....pdf。

适用边界与注意点

• ArXiv 公开 PDF 的下载在合规前提下进行；元数据请求超时 15 秒，PDF 下载 60 秒。
• 文件名中的 <>:"/\|?* 等非法字符会被剔除；标题超过 180 字符 会在单词边界截断。
• 网络异常时应检查连接后重试；仅提论文名而无 ID/URL 时，依赖检索与确认，不能假设一定命中唯一篇目。