本地论文分析

解决什么问题

传统文献分析流程常依赖云端服务与API凭证，例如 ima-paper-analysis 需调用 IMA API 拉取文献、通过 COS 上传总结结果。这种架构在离线环境、隐私敏感场景或需要完全可控的本地工作流中会变得脆弱——用户必须配置 client_id 与 api_key，总结文件的存储位置受云端策略限制，且实验复现依赖外部服务稳定性。local-paper-analysis 剥离了所有云端依赖，将分析流程锁定在本地文件系统，解决三个核心痛点：无需API凭证、无网络请求、数据完全本地留存。

如何工作

核心能力

技能围绕「本地优先」设计，核心能力包括：

• PDF有效性校验：下载后通过 %PDF- magic bytes 验证文件真实性，拒绝非PDF文件
• 文本与表格提取：使用 Hermes venv 中的 pdfplumber（v0.11.9）提取全文文本和表格
• 12要素结构化分析：按研究背景、研究问题、研究方法、理论框架等12个要素逐项拆解，覆盖引言到结论的全链路
• 模板化输出：基于 ~/.local/share/ima-kb-backup/paper-summaries/TEMPLATE.md 生成结构化总结，保持与旧版一致的格式
• 本地存储：总结文件保存至 paper-summaries/ 目录，原始PDF可归档至 raw-pdfs/，形成可追溯的文献库

关键步骤

1. 环境检查：确认Python环境、pdfplumber和目录结构可用
2. PDF获取：仅接受用户提供的本地路径，或批量扫描 raw-pdfs/ 目录
3. 文本提取：解析PDF并处理空文本场景（标注 [OCR识别]）
4. 结构化分析：LLM按12要素提取信息，事实性陈述需标注页码，推断内容标记 [推断]
5. 总结生成：填充模板并保存至本地文件系统
6. 质量检查：验证要素完整性、引用准确性和格式一致性

适用边界与注意点

适用场景

• 已有本地PDF文件，希望快速生成结构化总结的研究者
• 需要批量处理本地文献库，且不依赖云端服务的工程师
• 对数据隐私和工作流可控性有强需求的学术场景

不适用场景

• 必须自动拉取IMA知识库文献的用户（需手动导出后分析）
• 需要云端协作或实时同步总结结果的团队
• 依赖IMA API特定功能的进阶工作流

注意点

• 模板依赖：若 TEMPLATE.md 缺失，技能会自动创建默认模板，但建议提前确认格式是否符合需求
• OCR风险：扫描版PDF可能因文本提取为空触发 [OCR识别] 标注，需人工对照原文核对
• 批量处理限制：批量扫描 raw-pdfs/ 时仅处理未生成总结的PDF，无法并行处理或设置优先级