# Paper Deep Reader

[](LICENSE) [](CHANGELOG.md)

面向跨学科科研人员的、来源可追溯的单篇论文深读 Agent Skill。它从 PDF、URL、DOI、预印本标识、标题或全文出发，适配**论文领域、读者背景、研究目标、交付密度与模型视觉能力**。

它不是摘要扩写器，也不把“写得很长”当成“读得很深”。它希望让读者在最短时间内回答：

- 论文真正解决了什么具体问题？ - 作者相对旧方法、旧理论或旧研究设计究竟改变了什么？ - 核心机制能否用一个具体例子从头走通？ - 关键公式、定义或分析框架怎样对应实际研究步骤？ - 哪些图表与证据真正支撑核心结论，哪些只是作者的解释？ - 论文值得精读、复现、引用、迁移，还是应当跳过？

默认交付一份紧凑的“讲懂版”：

```text 为什么做 → 核心机制怎么工作 → 凭什么相信 → 在哪里会失败 ```

核心原则是：**读深不等于写长；有助理解的图表必须加入，内部审计清单不必全部倾倒给读者。**

## 核心理念

### 深读与长写是两回事

阅读范围由 `depth` 决定，写作密度由 `delivery` 决定。默认可以完整核对方法、证据和附录，同时只向读者呈现改变理解或判断的内容。压缩的是重复、背景和过程记录，不是核心机制、决定性证据或结论边界。

### 先建立理解，再展开审计

报告先用一个最小例子讲通机制，再回到术语、公式和精确条件。需要审稿、复现或逐图表核查时，先保留可独立阅读的理解层，再把详细账本放进附录，而不是让读者先穿过几十页检查表。

### 完整性属于证据系统，不等于正文全量展示

所有编号图表、关键形式化对象和核心主张仍进入 manifest 与 source map。主文只选择那些删除后会导致读者误解机制、误判证据或越过边界的内容。这样既保留可审计性，也避免把后台账本变成前台负担。

### 图表是理解接口，不是装饰

总体框架、机制流程、关键比较、决定性结果和失效边界图，只要能显著降低理解成本，就应进入正文。选择图表不采用僵硬数量上限，而要求每张图回答一个独立问题，并说明“先看哪里、真正说明什么、不能说明什么”。

### 解释可以适配，事实不能随画像变化

读者背景会改变术语密度、例子、推导步长和技术重点，但不会改变论文事实、证据等级或缺失信息。跨学科类比只能搭桥，不能替代精确定义。

### 结论必须回到证据边界

论文自称“首个”或“SOTA”不等于已经独立验证。报告区分作者主张、直接证据、本文推断和外部背景，并明确最可信结论、最薄弱主张、替代解释与最快补强方式。

## 主要特性

- **三遍阅读法**：全局地图 → 机制重构 → 证据审查。 - **理解优先**：先用一个具体例子讲通机制，再回到术语、公式和精确条件。 - **四种交付模式**：`brief`、`explain`、`audit`、`targeted`。 - **深度与篇幅分离**：默认 `depth: deep + delivery: explain`，完整阅读但选择性表达。 - **视觉教学**：加入能讲清框架、机制、比较、证据或边界的图表，不设僵硬数量上限。 - **证据可追溯**：区分作者主张、直接证据、报告推断和外部背景。 - **视觉能力双路由**：视觉模型直接核图；无视觉模型使用结构化来源、标题、正文引用、PDF 文字层或 OCR，并明确限制。 - **结构化读者画像**：`domain × audience × goal × depth × delivery × language` 独立配置。 - **多目标路由**：理解、审稿、复现、教学和跨领域迁移采用不同重点。 - **全量视觉账本**：记录 Figure、Table、Algorithm、Scheme、Plate、Box 等编号对象及其核验状态。 - **形式化零跳步**：解释承重公式、定义、定理、统计量或分析框架的目标、组成、研究位置和边界。 - **主张—证据映射**：核心结论可回溯到实验、证明、观测、材料、案例或明确标注的推断。 - **论文类型路由**：方法、理论、实证/观察、数据集/基准、系统、综述采用不同审查标准。 - **跨学科 Lens**：覆盖计算机/AI、生物医学、物理/数学、化学/材料、工程、社会科学、地球环境与人文定性研究。 - **CV 深度支持**：保留 backbon