大模型论文调研助手

要解决什么问题

大模型方向论文和开源项目更新很快：AlphaXiv 热榜、GitHub Weekly Trending 里混着 arXiv 预印本和仓库链接，人工逐篇打开 PDF、对照 README 再整理成可检索的笔记，成本高且容易漏掉重复条目（同一篇 paper 在不同站点出现多次）。

技能如何工作

执行前会先确认环境：Python 是否可用、MINERU_API_KEY 是否已配置（用于运行 scripts/pdf_to_md.py 把论文 PDF 转成 Markdown），并询问每个数据源拉取条数、PDF 提取范围（--range introduction 仅一级 # Introduction，或 all 全文），以及最终报告语言。

发现与去重（Phase 1）：默认只从 alphaxiv（热榜与 GitHub 来源两个列表页）和 GitHub Trending（weekly） 抓取；论文优先提取 arXiv ID，仓库记录标题与 URL；按 arXiv ID / 仓库 URL 去重，未指定数量时每个源最多 10 条，组成任务队列。

逐条执行（Phase 2）：不启动子代理，单条失败不影响后续。论文任务：用 https://arxiv.org/pdf/{id}.pdf 调用转换脚本，读 tmp_llm_research/{id}.md，结合 references/categories.md 顶层分类写清问题、方法、贡献、场景与局限。GitHub 任务：优先用浏览器读首页与 README，不足再爬取或 r.jina.ai 兜底，信息极少时允许基于可见描述的简要分析并标明推断边界。

抓列表时工具顺序为：浏览器 → 网页抓取 → https://r.jina.ai/...；全部完成后写出 YYYYMMDDHHmm.md，含 Report Summary（总数、成功、失败、重试成功）、按分类的 Details（标题、链接、来源、作者、分析）和 Trending 归纳；报告写成功后再删除 tmp_llm_research。

适用边界与注意点

• 不得自行增加数据源 URL，仅使用 SKILL 列出的默认页面。
• 无法可靠获得 arXiv ID 时不得编造 ID，也不得用网页摘要顶替 PDF 转换结果，应标记失败并说明原因。
• 网络或页面动态渲染导致内容不全时，应在报告中如实说明，而非假装完整深度解读。