[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-75019":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":22,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":26,"readmeContent":27,"aiSummary":28,"trendingCount":16,"starSnapshotCount":16,"syncStatus":29,"lastSyncTime":30,"discoverSource":31},75019,"evil-read-arxiv","juliye2025\u002Fevil-read-arxiv","juliye2025","Claude Code+Obsidian，邪修读论文就是快","",null,"TypeScript",1361,144,4,11,0,24,63,224,72,101.48,false,"main",true,[],"2026-06-12 04:01:16","# evil-read-arxiv\n\n> 邪修的论文阅读工作流 - 自动化论文搜索、推荐、分析和整理\n\n## 语言 \u002F Language\n\n- [中文版](README.md)\n- [English Version](README_en.md)\n\n## 简介\n\n这是一套 Claude Code 技能（Skills）集合，用于自动化研究论文的搜索、推荐、分析和整理工作流。通过调用 arXiv 和 Semantic Scholar API，每天为你推荐高质量论文，并自动生成详细笔记和关系图谱。\n\n## 更新日志\n\n| 日期 | 版本 | 更新内容 |\n|------|------|----------|\n| 2026-04-24 | v2.0 | 新增 Web 应用：基于 Next.js 16 的论文推荐网页端，支持 AI 智能摘要、深度分析、论文图片提取、反馈偏好学习、收藏夹管理、中英双语切换、桌面\u002F移动端多端适配 |\n| 2026-03-13 | v1.1 | 新增 `conf-papers` 技能：支持搜索 CVPR\u002FICCV\u002FECCV\u002FICLR\u002FAAAI\u002FNeurIPS\u002FICML 等顶级会议论文，基于 DBLP + Semantic Scholar 双数据源，独立配置文件，三维评分推荐 |\n| 2026-03-01 | v1.0 | 初始版本：start-my-day 每日推荐、paper-analyze 论文分析、extract-paper-images 图片提取、paper-search 论文搜索 |\n\n## 功能特点\n\n### 1. start-my-day - 每日论文推荐\n- 从 arXiv 搜索最近一个月的论文\n- 从 Semantic Scholar 搜索过去一年的高热度论文\n- 基于相关性、新近性、热门度、质量四个维度综合评分\n- 自动生成今日概览和推荐列表\n- 前三篇论文自动生成详细分析和提取图片\n- 自动链接关键词到已有笔记\n\n### 2. paper-analyze - 论文深度分析\n- 深度分析单篇论文\n- 生成结构化笔记，包含：\n  - 摘要翻译和要点提炼\n  - 研究背景与动机\n  - 方法概述和架构\n  - 实验结果分析\n  - 研究价值评估\n  - 优势和局限性分析\n  - 与相关论文对比\n- 自动提取论文图片并插入笔记\n- 更新知识图谱\n\n### 3. extract-paper-images - 论文图片提取\n- 优先从 arXiv 源码包提取高质量图片\n- 支持从 PDF 提取图片作为备选\n- 自动生成图片索引\n- 保存到笔记目录的 images 子目录\n\n### 4. paper-search - 论文笔记搜索\n- 在已有笔记中搜索论文\n- 支持按标题、作者、关键词、领域搜索\n- 相关性评分排序\n\n### 5. conf-papers - 顶会论文搜索推荐\n- 搜索 CVPR\u002FICCV\u002FECCV\u002FICLR\u002FAAAI\u002FNeurIPS\u002FICML 等顶级会议论文\n- 基于 DBLP API 获取论文列表 + Semantic Scholar 补充引用和摘要\n- 独立配置文件 `conf-papers.yaml`（关键词、排除词、默认年份\u002F会议）\n- 两阶段过滤：标题关键词轻量筛选 → S2 补充 → 三维评分（相关性 40% + 热门度 40% + 质量 20%）\n- 前三篇论文自动生成详细分析（需有 arXiv ID）\n\n### 6. Web 应用 - 论文推荐网页端\n基于 Next.js 16 的独立 Web 应用，提供可视化论文浏览体验。详见 [web\u002FREADME.zh.md](web\u002FREADME.zh.md)。\n- **AI 智能摘要** — 搜索论文时自动调用 Claude 批量生成摘要（主要内容 + 创新点）\n- **深入了解** — 按需生成四维深度分析（核心贡献、创新点、方法概要、关键结果），并提取论文插图\n- **兴趣方向搜索** — 支持两种模式：AI 语义筛选已有结果 \u002F 重新搜索 arXiv\n- **反馈与偏好学习** — 喜欢\u002F一般\u002F不感兴趣评价，10 条反馈后 AI 自动分析偏好并调整推荐权重\n- **收藏夹** — 文件夹管理收藏论文，支持拖拽分类\n- **中英双语** — UI 界面和 AI 提示词均支持中英文切换\n- **多端适配** — 桌面双栏布局 + 移动端滑动卡片，支持手势导航\n- **技术栈**：Next.js 16 + React 19 + TypeScript + TailwindCSS 4 + Anthropic Claude SDK\n\n## 安装\n\n### 前置要求\n\n1. **Claude Code CLI** - 需要安装并配置 Claude Code（CLI 技能所需）\n2. **Python 3.8+** - 用于运行搜索和分析脚本\n3. **Node.js 20+** - Web 应用所需\n4. **Anthropic API Key** - Web 应用的 AI 功能所需（Claude）\n5. **Python 依赖**：\n   ```bash\n   pip install -r requirements.txt\n   ```\n\n### 安装步骤\n\n#### 方式一：CLI 技能安装\n\n将技能复制到 Claude Code skills 目录：\n\n```bash\n# Windows PowerShell\nCopy-Item -Recurse evil-read-arxiv\\start-my-day $env:USERPROFILE\\.claude\\skills\\\nCopy-Item -Recurse evil-read-arxiv\\paper-analyze $env:USERPROFILE\\.claude\\skills\\\nCopy-Item -Recurse evil-read-arxiv\\extract-paper-images $env:USERPROFILE\\.claude\\skills\\\nCopy-Item -Recurse evil-read-arxiv\\paper-search $env:USERPROFILE\\.claude\\skills\\\n\n# macOS\u002FLinux\ncp -r evil-read-arxiv\u002Fstart-my-day ~\u002F.claude\u002Fskills\u002F\ncp -r evil-read-arxiv\u002Fpaper-analyze ~\u002F.claude\u002Fskills\u002F\ncp -r evil-read-arxiv\u002Fextract-paper-images ~\u002F.claude\u002Fskills\u002F\ncp -r evil-read-arxiv\u002Fpaper-search ~\u002F.claude\u002Fskills\u002F\n```\n\n配置环境变量和路径（见下文\"配置\"部分），然后重启 Claude Code CLI。\n\n#### 方式二：Web 应用安装\n\n```bash\n# 1. 安装 Python 依赖（项目根目录）\npip install -r requirements.txt\n\n# 2. 安装 Node 依赖\ncd web\nnpm install\n\n# 3. 配置研究兴趣（项目根目录）\ncd ..\ncp config.example.yaml config.yaml\n# 编辑 config.yaml，填入你的研究领域和关键词\n\n# 4. 配置 API Key（三选一，按优先级排序）\n```\n\n**API Key 配置方式：**\n\n**方式 A：`data\u002Fapi_settings.json`（推荐）**\n\n在项目根目录创建 `data\u002Fapi_settings.json`：\n\n```json\n{\n  \"model\": \"claude-sonnet-4-6\",\n  \"api_key\": \"sk-ant-your-key\",\n  \"base_url\": \"https:\u002F\u002Fapi.anthropic.com\"\n}\n```\n\n也可以启动应用后在设置页面（`\u002Fsettings`）中直接配置。\n\n**方式 B：环境变量**\n\n创建 `web\u002F.env.local`：\n\n```bash\nANTHROPIC_API_KEY=sk-ant-your-key\n# 可选：自定义 API 地址（如代理）\nANTHROPIC_BASE_URL=https:\u002F\u002Fapi.anthropic.com\n```\n\n**方式 C：直接修改源码**（不推荐在公开仓库使用）\n\n修改 `web\u002Fsrc\u002Flib\u002Fanthropic.ts` 中的 `DEFAULT_API_KEY` 和 `DEFAULT_BASE_URL` 常量。\n\n> 优先级：`data\u002Fapi_settings.json` > 环境变量 > 代码默认值\n\n```bash\n# 5. 启动 Web 应用\ncd web\n\n# 开发模式（热更新）\nnpm run dev\n\n# 或 生产模式\nnpm run build && npm start\n```\n\n打开 http:\u002F\u002Flocalhost:3000 ，自动跳转到论文页面。\n\n## CLI 技能配置\n\n> 以下配置仅针对 CLI 技能（start-my-day、paper-analyze 等）。Web 应用的配置已在上文\"Web 应用安装\"中说明。\n>\n> **强烈建议**：先阅读 [QUICKSTART.md](QUICKSTART.md) 快速完成设置。\n\n### 步骤1：设置环境变量（推荐）\n\n所有脚本统一通过 `OBSIDIAN_VAULT_PATH` 环境变量读取 Obsidian Vault 路径，这是最简单的配置方式：\n\n```bash\n# Windows PowerShell（临时生效）\n$env:OBSIDIAN_VAULT_PATH = \"C:\u002FUsers\u002FYourName\u002FDocuments\u002FObsidian Vault\"\n\n# Windows PowerShell（永久生效）\n[System.Environment]::SetEnvironmentVariable(\"OBSIDIAN_VAULT_PATH\", \"C:\u002FUsers\u002FYourName\u002FDocuments\u002FObsidian Vault\", \"User\")\n\n# macOS\u002FLinux（添加到 ~\u002F.bashrc 或 ~\u002F.zshrc）\nexport OBSIDIAN_VAULT_PATH=\"\u002FUsers\u002Fyourname\u002FDocuments\u002FObsidian Vault\"\n```\n\n设置环境变量后，**无需修改任何脚本中的路径**。\n\n### 步骤2：创建配置文件\n\n复制 `config.example.yaml` 并修改：\n\n```bash\ncp config.example.yaml config.yaml\n```\n\n编辑 `config.yaml`，根据你的研究兴趣修改关键词：\n\n```yaml\nvault_path: \"\u002Fpath\u002Fto\u002Fyour\u002Fobsidian\u002Fvault\"\n\nresearch_domains:\n  \"你的研究领域1\":\n    keywords:\n      - \"keyword1\"\n      - \"keyword2\"\n    arxiv_categories:\n      - \"cs.AI\"\n      - \"cs.LG\"\n```\n\n然后将修改后的 `config.yaml` 复制到 Vault 中：\n```bash\ncp config.yaml \"$OBSIDIAN_VAULT_PATH\u002F99_System\u002FConfig\u002Fresearch_interests.yaml\"\n```\n\n### 步骤3（可选）：通过 CLI 参数覆盖路径\n\n如果不想设置环境变量，也可以在每次调用脚本时通过参数指定路径：\n\n```bash\npython scripts\u002Fsearch_arxiv.py --config \"\u002Fyour\u002Fpath\u002Fresearch_interests.yaml\"\npython scripts\u002Fscan_existing_notes.py --vault \"\u002Fyour\u002Fobsidian\u002Fvault\"\npython scripts\u002Fgenerate_note.py --vault \"\u002Fyour\u002Fobsidian\u002Fvault\" --paper-id \"2402.12345\" --title \"Paper Title\" --authors \"Author\" --domain \"大模型\"\npython scripts\u002Fupdate_graph.py --vault \"\u002Fyour\u002Fobsidian\u002Fvault\" --paper-id \"2402.12345\" --title \"Paper Title\" --domain \"大模型\"\n```\n\n### 路径格式说明\n\n- **Windows**：可以使用正斜杠 `\u002F` 或双反斜杠 `\\\\`\n  - 正确：`C:\u002FUsers\u002FName\u002FDocuments\u002FVault`\n  - 正确：`C:\\\\Users\\\\Name\\\\Documents\\\\Vault`\n  - 错误：`C:\\Users\\Name\\Documents\\Vault`（单反斜杠在 Python 字符串中需要转义）\n\n- **macOS\u002FLinux**：使用正斜杠 `\u002F`\n  - 正确：`\u002FUsers\u002Fname\u002FDocuments\u002FVault`\n\n### Obsidian 目录结构要求\n\n你的 Obsidian Vault 需要包含以下目录结构：\n\n```\n你的Vault\u002F\n├── 10_Daily\u002F                    # 每日推荐笔记（自动创建）\n│   └── YYYY-MM-DD论文推荐.md\n├── 20_Research\u002F\n│   └── Papers\u002F                  # 论文详细笔记目录\n│       ├── 大模型\u002F\n│       │   └── 论文标题.md\n│       │       └── images\u002F      # 论文图片\n│       ├── 多模态技术\u002F\n│       └── 智能体\u002F\n└── 99_System\u002F\n    └── Config\u002F\n        └── research_interests.yaml  # 研究兴趣配置（复制 config.yaml 到这里）\n```\n\n## 使用方法\n\n### 开始每天的论文推荐\n\n在你的 Obsidian Vault 目录下打开终端，输入：\n\n```bash\nstart my day\n```\n\n这会：\n1. 搜索最近一个月和过去一年的高质量论文\n2. 根据你的研究兴趣筛选和评分\n3. 生成今日推荐笔记（保存到 `10_Daily\u002F` 目录）\n4. 对前三篇论文自动生成详细分析\n5. 提取论文图片并插入笔记\n6. 自动链接关键词到已有笔记\n\n### 分析单篇论文\n\n如果你想深入阅读某篇论文：\n\n```bash\npaper-analyze 2602.12345\n# 或使用论文标题\npaper-analyze \"论文标题\"\n```\n\n这会：\n1. 下载论文 PDF\n2. 提取图片\n3. 生成详细的分析笔记\n4. 更新知识图谱\n\n### 提取论文图片\n\n```bash\nextract-paper-images 2602.12345\n```\n\n### 搜索已有论文\n\n```bash\npaper-search \"关键词\"\n```\n\n## 目录结构\n\n```\nevil-read-arxiv\u002F\n├── README.md                 # 本文件\n├── QUICKSTART.md             # 快速开始指南\n├── config.example.yaml       # 配置模板（需要复制并修改）\n├── requirements.txt          # Python 依赖\n├── start-my-day\u002F             # 每日推荐技能\n│   ├── SKILL.md              # 技能定义文件\n│   └── scripts\u002F\n│       ├── search_arxiv.py   # arXiv\u002FSemantic Scholar 搜索脚本\n│       ├── scan_existing_notes.py  # 扫描现有笔记\n│       └── link_keywords.py  # 关键词自动链接脚本\n├── paper-analyze\u002F            # 论文分析技能\n│   ├── SKILL.md\n│   └── scripts\u002F\n│       ├── generate_note.py  # 生成笔记模板\n│       └── update_graph.py   # 更新知识图谱\n├── extract-paper-images\u002F     # 图片提取技能\n│   ├── SKILL.md\n│   └── scripts\u002F\n│       └── extract_images.py # 图片提取脚本\n├── paper-search\u002F             # 论文搜索技能\n│   └── SKILL.md\n├── conf-papers\u002F              # 顶会论文搜索推荐技能\n│   ├── SKILL.md              # 技能定义文件\n│   ├── conf-papers.yaml      # 独立配置（关键词、会议、年份）\n│   └── scripts\u002F\n│       └── search_conf_papers.py  # DBLP搜索 + S2补充 + 评分\n└── web\u002F                      # Web 应用（Next.js 16）\n    ├── README.md             # Web 英文文档\n    ├── README.zh.md          # Web 中文文档\n    ├── src\u002F                  # 源码目录\n    │   ├── app\u002F              # Next.js App Router 页面和 API\n    │   ├── components\u002F       # React 组件\n    │   └── lib\u002F              # 工具库和 API 客户端\n    ├── package.json\n    └── next.config.ts\n```\n\n## 评分机制\n\n论文推荐评分基于四个维度：\n\n| 维度 | 权重 | 说明 |\n|------|--------|------|\n| 相关性 | 40% | 与研究兴趣的匹配程度 |\n| 新近性 | 20% | 论文发布时间 |\n| 热门度 | 30% | 引用数\u002F影响力 |\n| 质量 | 10% | 从摘要推断的方法质量 |\n\n**评分细则**：\n- **相关性**：标题关键词匹配（+0.5\u002F个）、摘要关键词匹配（+0.3\u002F个）、类别匹配（+1.0）\n- **新近性**：30天内（+3）、30-90天（+2）、90-180天（+1）、180天以上（0）\n- **热门度**：高影响力引用 > 100（+3）、50-100（+2）、\u003C 50（+1）\n- **质量**：多维度指标（强创新词 > 弱创新词 > 方法指标 > 量化结果 > 实验指标）\n\n## 常用 arXiv 分类\n\n| 分类代码 | 名称 | 说明 |\n|----------|------|------|\n| cs.AI | Artificial Intelligence | 人工智能 |\n| cs.LG | Learning | 机器学习 |\n| cs.CL | Computation and Language | 计算语言学\u002FNLP |\n| cs.CV | Computer Vision | 计算机视觉 |\n| cs.MM | Multimedia | 多媒体 |\n| cs.MA | Multiagent Systems | 多智能体系统 |\n| cs.RO | Robotics | 机器人学 |\n\n## 常见问题\n\n### Q: 搜索没有结果？\nA: 检查以下几点：\n1. 确认网络连接正常\n2. 检查配置文件中的关键词是否正确\n3. 尝试扩大搜索的 arXiv 分类范围\n\n### Q: 图片提取失败？\nA:\n1. 确保安装了 PyMuPDF：`pip install PyMuPDF`\n2. 检查 arXiv ID 格式是否正确（如 2602.12345）\n\n### Q: 关键词自动链接不准确？\nA: 可以在 `start-my-day\u002Fscripts\u002Flink_keywords.py` 中修改 `COMMON_WORDS` 集合，添加你不需要自动链接的词\n\n### Q: \"Papers directory not found\" 错误？\nA:\n1. 检查 `OBSIDIAN_VAULT_PATH` 环境变量是否正确设置\n2. 确认 Obsidian Vault 中的目录结构是否正确创建（20_Research\u002FPapers\u002F）\n\n### Q: \"未指定 vault 路径\" 错误？\nA: 设置 `OBSIDIAN_VAULT_PATH` 环境变量，或在调用脚本时通过 `--vault` \u002F `--config` 参数指定路径。\n\n## 高级配置\n\n### 修改搜索的 arXiv 分类\n\n在调用 `search_arxiv.py` 时通过 `--categories` 参数指定：\n\n```bash\npython scripts\u002Fsearch_arxiv.py --categories \"cs.AI,cs.LG,cs.CL,cs.CV\"\n```\n\n### 修改每天推荐的论文数量\n\n在调用 `search_arxiv.py` 时通过 `--top-n` 参数指定：\n\n```bash\npython scripts\u002Fsearch_arxiv.py --top-n 15\n```\n\n### 修改评分权重\n\n在 `start-my-day\u002Fscripts\u002Fsearch_arxiv.py` 的 `calculate_recommendation_score` 函数中调整权重。\n\n## 工作原理\n\n```\n用户输入 \"start my day\"\n         ↓\n    1. 加载研究配置\n    2. 扫描现有笔记构建索引\n         ↓\n    3. 搜索 arXiv（最近30天）\n    4. 搜索 Semantic Scholar（过去一年高热度）\n         ↓\n    5. 合并结果并去重\n    6. 综合评分并排序\n    7. 取前 N 篇\n         ↓\n    8. 生成今日推荐笔记\n    9. 前三篇生成详细分析\n    10. 自动链接关键词\n```\n\n## 贡献\n\n欢迎提交 Issue 和 Pull Request！\n\n如果你觉得这个项目对你有帮助，请给个 Star ⭐️ 支持一下！\n\n## 许可证\n\nMIT License\n\n## 致谢\n\n- [arXiv](https:\u002F\u002Farxiv.org\u002F) - 开放获取的学术论文预印本平台\n- [Semantic Scholar](https:\u002F\u002Fwww.semanticscholar.org\u002F) - AI 驱动的学术研究平台\n- [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) - AI 辅助的代码和写作工具\n- [Obsidian](https:\u002F\u002Fobsidian.md\u002F) - 强大的知识管理工具\n","evil-read-arxiv 是一个基于 Claude Code 和 Obsidian 的自动化论文阅读工作流工具，旨在帮助研究人员高效地搜索、推荐、分析和整理学术论文。项目的核心功能包括每日论文推荐、深度论文分析、论文图片提取、论文笔记搜索以及顶会论文搜索推荐。通过调用 arXiv 和 Semantic Scholar API，系统能够综合相关性、新近性、热门度和质量四个维度对论文进行评分，并自动生成详细笔记和关系图谱。此外，项目还提供了一个基于 Next.js 16 的 Web 应用，支持 AI 智能摘要、深度分析、兴趣方向搜索、反馈偏好学习等功能，适用于需要频繁查阅和管理大量学术文献的研究人员和学生。",2,"2026-06-11 03:51:59","high_star"]