前言¶
把论文丢给大模型做解读，常见的结果有两种：一种是线性翻译，从摘要抄到结论，读完不知道论文的创新点在哪；另一种是通篇要点罗列，研究设计、数据、论证逻辑全被压缩成一句话，研究者没法拿它做参考。两种产出都只能算”读了一遍”，不是”研读”。
Paper Parse 是 ClawHub 上的一个 Skill，坐标 @clawhub_sterlingfrank1/paper-parse，发布者 sterlingfrank1，版本 1.0.0，来源 clawhub，分类 knowledge-management，License 为 MIT-0，不需要 API Key。它针对的痛点正是上面两个：对用户提供的任何学术论文（PDF 附件或 URL）做双模式深度研读，一次性在同一个交付文件里生成两份报告，Part A 面向研究者，Part B 面向需要快速理解的人。
核心功能¶
Skill 的 SKILL.md 里写了五条核心原则，可以看作它对”研读”的定义：
- 学术严谨性：研究设计、数据结果、论证逻辑的转述必须准确，符合该领域学术规范。
- 理论深度：揭示论文的理论基础、核心假设，以及它对现有理论体系的补充、修正或颠覆。
- 完整复现：从提出问题到得出结论的全过程都要呈现，特别是方法论和关键数据，关键信息零遗漏。
- 超越翻译：产出物要比线性翻译稿更能揭示论文的内在逻辑和创新点。
- 双模输出：始终在一个最终交付文件中同时提供 Part A 和 Part B。
双模的意思是一份文件两个深度。Part A 是深度专业学术速读报告，追求专业性和完整性；Part B 是核心逻辑链与根本价值提炼，追求洞察力和凝练度。两者之间用 --- 分隔，报告以论文标题命名。
工作流程¶
SKILL.md 把论文研读固定成四步，前两步是中间过程，后两步才产出交付物。
Step 1 通读论文全文。使用 pdftotext 命令或 file 工具的 read 动作提取全文；URL 来源的论文先尝试下载 PDF 再提取。必须覆盖从摘要到参考文献的所有内容；对包含重要图表的论文，用 file 工具的 view 动作查看关键图表页面，并把图表信息保存到文本文件中。
Step 2 综合分析。创建临时分析文件 temp_analysis.md，提取并组织研究问题、假设、方法论、数据来源、核心发现与关键数据、理论贡献与实践意义、论文的根本矛盾点与切入视角、方法创新。SKILL.md 明确标注此步骤不可跳过，它是保证最终报告质量的思考过程。
Step 3 撰写双模报告。创建最终交付文件，文件名格式为 [论文简称]_研读报告.md。撰写 Part A 前先读取模板：
/home/ubuntu/skills/paper-parse/references/part-a-template.md
撰写 Part B 前先读取模板：
/home/ubuntu/skills/paper-parse/references/part-b-template.md
Step 4 交付成果。使用 message 工具交付最终报告文件，消息文本中简要概括论文的核心创新、关键发现和理论价值，引导用户查看附件。
写作质量标准¶
SKILL.md 对最终报告的写法也有约束，不是让模型自由发挥：
- 使用完整段落而非大量列表，交替使用段落和表格组织信息。
- 关键术语首次出现时提供中英文对照。
- 引用论文中的具体数据和实验结果来支撑每一项论述。
- Part A 追求专业性和完整性，Part B 追求洞察力和凝练度。
- 最终文件中 Part A 和 Part B 之间用
---分隔。
交付文件的骨架是：
# [论文标题] 双模式研读报告
---
## Part A: 深度专业学术速读报告
（遵循 part-a-template.md 结构生成的完整内容）
---
## Part B: 核心逻辑链与根本价值提炼
（遵循 part-b-template.md 结构生成的完整内容）
安装与启用¶
Skill 通过 OpenClaw 的 CLI 安装，官方页面给出的命令是：
openclaw skills install @sterlingfrank1/paper-parse
上游仓库为 https://clawhub.ai/sterlingfrank1/paper-parse ，SkillHub 页面为 https://www.skillhub.cn/skills/clawhub_sterlingfrank1/paper-parse 。安装后 Skill 目录下的 SKILL.md 及其 references 模板（part-a-template.md、part-b-template.md）会被加载，模板路径取决于安装位置，SKILL.md 中给出的示例路径是 /home/ubuntu/skills/paper-parse/references/。
该 Skill 基于通用 SKILL.md 格式，不需要配置 API Key（标签 requires_api_key=false）。
典型用法¶
使用场景就是用户提出分析、研读、解读或总结某篇学术论文的请求时。输入可以是两种形式：
请研读这篇论文：<PDF 附件>
请总结这篇论文：https://arxiv.org/abs/...
Skill 触发后按上面四步执行：先提取全文（必要时下载 PDF、查看图表），再写 temp_analysis.md 做中间分析，然后按两个模板生成双模报告，最后交付 [论文简称]_研读报告.md 并在消息中概括核心创新、关键发现和理论价值。用户拿到的是一个附件文件，里面 Part A 和 Part B 齐全，而不是一段对话式的回答。
适用场景与注意¶
适合需要把论文读透再转述给他人的场景：文献综述、组会汇报准备、给非本专业同事解释一篇论文、论文复现前的方法梳理。Part A 给研究者看，Part B 给只需要结论的人看，一份文件覆盖两种读者。
几个需要注意的地方：
- PDF 提取依赖
pdftotext或 file 工具，扫描版、图片型 PDF 的文字提取效果取决于本机工具，SKILL.md 未承诺这类输入的处理结果。 - 图表信息靠 file 工具的 view 动作查看关键页面，不是对全文所有图表做 OCR，关键图表要由模型判断哪些重要。
- 学术严谨性靠提示词约束，Skill 本身不做事实核查。引用论文数据时应当回到原文核对，尤其是数字和结论表述。
- 模板路径写死在 SKILL.md 中，安装目录不同时需要按实际路径调整，否则 Step 3 读取模板会失败。
- 双模输出在同一文件内，如果下游流程只需要其中一份，需要自行拆分。
结尾¶
Paper Parse 的价值不在于”总结论文”，而在于把研读拆成可复用的四步流程，并在一份交付文件里同时给出深度版和精炼版。安装一条命令，输入是 PDF 或 URL，产出是符合学术规范的双模研读报告。
官方地址：https://api.skillhub.cn/zcwl/paper-parse
上游仓库：https://clawhub.ai/sterlingfrank1/paper-parse
SkillHub 页面：https://www.skillhub.cn/skills/clawhub_sterlingfrank1/paper-parse
