paper-reading-zh

给 AI 加一套论文阅读的证据规则：未核验的不补，读不到的不编，比较前先对口径。

An evidence-rule pack for AI-assisted paper reading. Docs and outputs are in Chinese by design.

paper-reading-zh 是一个中文论文精读规则包，面向 Codex、Claude Code、Claude Project 和 ChatGPT Project。它不是论文翻译器，也不是文献管理器；它的目标是让 AI 先判断材料和论文类型，再基于可定位证据解释结论，少一点顺滑猜测。

• 证据边界：venue、年份、CCF、代码链接未核验就写“未核验”；实验数字必须锚定原文 Table / Figure 或具体段落。
• 防顺滑编造：公式抽取乱码不硬补，图表读不到不描述，只能读到摘要时明确写“仅基于摘要”。
• 跨论文口径审计：比较多篇论文前先检查数据集、指标定义、模型规模、训练预算和测试 setting。
• 论文类型自适应：算法、系统/测量、数据集/benchmark、理论/证明、综述/立场、观点/路线图使用不同主体骨架。
• 证据审计：可把核心主张逐项对到原文锚点、证据类型、支持强度和未覆盖问题。
• 双入口复用：同一套规则同时提供 Agent Skill（CLI / Agent 环境）和 Web Prompt Kit（网页端项目）。

和直接把论文丢给 AI 的区别

经常用 AI 读论文的人大多见过这些行为：查不到 venue 就补一个像样的，只读到摘要却写出全文精读，两篇论文口径不同也直接判胜负。这套规则把它们逐条挡住：

左列是常见失败模式的示意，不是对某个具体产品的实测记录；右列是规则的硬性要求。

输出长什么样

默认输出是不超过 3500 中文字的中等深读。关键词（不超过 5 个）、一段话总结（不超过 150 字）和论文基本信息（标题 / venue/年份 / 链接 / 任务领域 4 项）保持稳定；主体会按论文类型调整，不再把系统、理论、benchmark 或路线图论文硬塞进同一骨架。

证据标注落在输出里是这样的（依据一篇真实验证过的 16 页路线图论文改写的示意节选，完整记录见 docs/validation-2026-05-27.md）：

论文基本信息：
- 标题：A Time Scaling Theory for Multi-Layer Electronic Systems
- venue/年份：未核验
- 链接：未找到
- 任务领域：多层电子系统的时间缩放理论（产业路线图）

……
- LogicFolding 在固定工艺节点带来 55% 密度提升、41% 能效提升（摘要 / page 1，论文内部声明）
- 2026 到 2035 年硬件集成增长预计大于 100 倍（page 1 / Sidebar B，作者预测）
- 第 4-5 页公式 PDF 抽取乱码：不基于乱码重构公式，只解释上下文可确认的含义

适合谁

适合有 CS / AI / ML 基础、需要快速进入不熟悉方向的读者：

• 准备组会，需要把一篇论文讲清楚。
• 想从工程复现角度判断方法能不能落地。
• 要比较多篇论文，但不想把不同数据集、指标和模型规模混成一个结论。
• 经常用 AI 读论文，希望输出少一点猜测，多一点材料范围和证据标签。

平台支持

Primary = 第一优先维护和验证的平台；Compatible = 按规则形态预期可用，但尚未完成首轮完整回归测试。完整兼容矩阵和升级条件见 DESIGN.md。

快速开始

Web 用法

Claude Project

1. 新建 Claude Project。
2. 将 prompts/claude-project.md 粘贴到 Project instructions。
3. 上传论文 PDF，或粘贴论文链接 / 标题 / 摘要。
4. 提问：精读这篇论文、按图表顺序讲、从工程复现角度拆一下。

ChatGPT Project

1. 新建 ChatGPT Project。
2. 将 prompts/chatgpt-project.md 粘贴到 Project instructions。
3. 上传论文 PDF，或粘贴论文链接 / 标题 / 摘要。
4. 提问：精读这篇论文、比较这几篇论文、讲给组会新人听。

ChatGPT Skills beta

如果你的 ChatGPT 工作区已经提供 Skills 上传入口，可以上传 GitHub Release 附带的 paper-reading-zh-v0.3.0.zip。该入口仍处于 beta，本项目尚未完成首轮 ChatGPT Skills 实机回归；没有该入口时继续使用上面的 ChatGPT Project prompt。

Web 版的 PDF 图表读取和联网核验能力由平台决定，详见已知限制；读不到时，规则要求先说明限制，再基于可读文本回答。

Agent Skill 安装

git clone https://github.com/MrGeDiao/paper-reading-zh.git
cd paper-reading-zh

下面拷贝的是仓库内的 paper-reading-zh/ 子目录（skill 本体），不是仓库根目录。

Codex

mkdir -p "${CODEX_HOME:-$HOME/.codex}/skills"
cp -R paper-reading-zh "${CODEX_HOME:-$HOME/.codex}/skills/"

Claude Code

mkdir -p "$HOME/.claude/skills"
cp -R paper-reading-zh "$HOME/.claude/skills/"

重启会话后试一句 精读这篇论文：https://arxiv.org/abs/xxxx.xxxxx。给出论文锚点（链接 / PDF / 标题）和阅读要求时自动触发；只给其中一样，会先问一次补齐另一样再继续；「看看这篇」这类说法直接按深读处理。

升级到新版本时，先删除 skills 目录下旧的 paper-reading-zh/ 再重新拷贝；对已存在的目标目录直接 cp -R 不会覆盖旧版，只会嵌套出冗余的 paper-reading-zh/paper-reading-zh/。

mkdir -p "$HOME/.hermes/skills"
cp -R paper-reading-zh "$HOME/.hermes/skills/"

mkdir -p "$HOME/.agents/skills"
cp -R paper-reading-zh "$HOME/.agents/skills/"

阅读模式

模式由提问意图自动判断，不确定时默认深读，不需要背命令；也可以直接点名模式。主模式之外，规则还会按材料的主要贡献与证据结构选择论文类型：

• 标准方法 / 实验：算法、模型、训练方法或技术机制，主要靠实验和消融验证。
• 系统 / 测量：系统架构、真实部署、trace、采样和有效性威胁。
• 数据集 / benchmark：数据构建、标注、划分、指标、泄漏、许可和维护。
• 理论 / 证明：假设、定理、引理、证明依赖和适用范围。
• 综述 / 立场：文献选择、分类框架、论证链、分歧和作者偏向。
• 观点 / 路线图：趋势、产业假设、预测和高影响内部声明。

无法可靠判断类型时，不反复追问，也不强套标准算法论文模板，只保留当前材料实际支持的章节。三个子开关可以叠加：

• 组会 / 技术博客风格（如 讲给组会新人听）：加强“问题 -> 方法 -> 验证 -> 局限”的叙事链条。
• 按图表顺序组织（如 按图表顺序讲）：按 Figure / Table / Equation / Algorithm 的出现顺序推进。
• 证据审计（如 逐项核对哪些结论被实验支持）：输出核心主张、原文锚点、证据类型、支持强度依据和未覆盖问题。

证据规则

这套规则最看重的是边界，而不是把回答写满。

• 外部事实：venue、年份、CCF、代码链接、官方项目页必须核验。可联网时按优先级核验 arXiv、OpenReview / ACM / IEEE / proceedings、Hugging Face Papers、Semantic Scholar / DBLP、官方项目页或仓库 README；未核验写“未核验”，找过但没找到写“未找到”。
• 实验数字：提升幅度、参数量、指标值必须能定位到原文 Table / Figure 编号或具体段落。数字只来自摘要时写“摘要中提到”。
• 实现细节：论文没有说明的实现细节写“论文未说明”。工程拆解模式下，公式-代码对齐只在用户提供代码时启用。
• 跨论文比较：检查数据集、评估协议、模型规模、训练预算、指标定义和测试 setting。不一致或未知时标注“口径不完全可比”或“口径未核验”。
• 图表与公式：没有可读原文或用户提供的视觉内容时，不描述图表元素、坐标、曲线或趋势。
• 证据审计：缺少证据时写“未见直接证据”或“无法判断”；缺少证据不是反证，也不会自动证明主张错误。

已知限制

• 尚未覆盖每个平台的完整端到端回归测试。已有真实 PDF 文本层验证和 v0.2.0 合成材料前向测试，记录见 docs/validation-2026-05-27.md 与 docs/validation-2026-07-10-v0.2.0.md；v0.2.1 Web 场景仅记录规则文本预期行为并明确标为未实测，见 docs/validation-2026-07-19.md。v0.3.0 的 12 个触发边界用例已在 Codex 上完成首轮实机回归：11 个通过；1 个未通过——模型认出高知名度论文后用训练记忆冒充已读全文，经规则修正仍复现，记为已知限制。用例清单见 docs/trigger-regression-cases.md，结果见 docs/validation-2026-08-15.md。
• Web 版不能调用本地工具；外部事实核验取决于当前平台是否可联网。
• PDF 图表读取能力由平台和模型决定；读不到时退化为基于文本、caption 或用户截图的解释。
• Markdown 数学渲染由客户端决定；部分客户端对行内 $...$ 的渲染可能不稳定，规则会优先使用行内 \(...\) 或普通符号/中文术语兜底。
• 公式-代码对齐只在用户提供代码时启用，不默认 clone 或分析代码仓库。
• 这个项目不是文献管理器，也不默认生成 PPT、BibTeX 或全文翻译。

反馈论文被读错

如果发现规则没拦住编造：venue 被补出来了、看不见的图表被描述了、实验数字没有锚点，请用 paper_misread issue 模板反馈，附论文锚点和出错输出。这类案例会直接变成规则的回归用例。

FAQ

输出会不会到处都是“未核验”，显得啰嗦？ 默认是不超过 3500 字的中等深读，证据标签只出现在确实无法核验的字段上。可联网的环境会先按优先级核验，核验到了就写真实值。

为什么不做成脚本、MCP server 或自动下载论文的工具？ 有意的设计约束：安装到运行时的 paper-reading-zh/ skill 本体没有执行脚本和外部依赖，在任何能读文本的平台上都可用，也不引入“默认联网抓取”带来的版权与编造风险。仓库根目录的 scripts/check_rules.py 只用于维护和发布校验，不是用户运行依赖。完整设计约束见 DESIGN.md。

非 CS / AI 论文能用吗？ 可以。材料范围和证据边界照常生效，但不会强行输出 CCF 等级或工程复现建议。

版本与文档

变更记录见 CHANGELOG.md，各版本发布说明见 docs/。设计口径、兼容矩阵和公开文件清单见 DESIGN.md，贡献方式见 CONTRIBUTING.md。

致谢

本项目认可并感谢 LINUX DO 社区。

License

MIT