daily-paper-generator — скилл для Claude Code: дайджест статей по теме
Скилл ищет свежие статьи на arXiv и bioRxiv по заданной теме и делает двуязычные разборы отобранных работ.
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a claude-codeЧто делает daily-paper-generator
Скилл закрывает рутину обзора литературы: вы задаёте тему и окно по времени, он ищет публикации, отсеивает нерелевантные и доводит список до одного финального кандидата на каждое направление. Источники — arXiv, bioRxiv или оба сразу через --source both.
Отбор идёт по жёсткой схеме: Top 10 кандидатов, затем Top 3 по баллам, затем Top 1. Промежуточные списки скилл обязан показать, так что видно, почему выбрана именно эта статья. Для каждого финалиста готовится разбор на китайском примерно на 300 слов и сжатый английский текст, плюс таблица метаданных. Файлы складываются в daily paper/ с именами вида YYYY-MM-DD-HHMM-paper-1.md.
Поиск выполняет scripts/arxiv_search.py — ему нужен Python. Оценка качества, шаблоны запросов и стиль разборов лежат в references/quality-criteria.md, references/keywords.md и references/writing-style.md. Если у статьи слабая экспериментальная часть, скилл помечает уровень уверенности и ограничения, а недостающие данные вроде ссылок на код не придумывает. Тема должна быть конкретной: запрос из одного слова даст мусорную выдачу.
Какие задачи решает
- собрать свежие статьи по теме за последний месяц
- отсеять нерелевантные публикации из выдачи arXiv
- сравнить кандидатов по баллам и выбрать одну работу
- получить разбор статьи на китайском и английском
- вести папку с дайджестами в едином формате
Примеры запросов агенту
- Собери дайджест статей по теме test-time adaptation for medical imaging за последний месяц, источник both
- Найди свежие работы по protein language model interpretability на bioRxiv и сделай разбор топ-1
- Сделай ежедневный дайджест по multimodal foundation model for healthcare, сохрани в daily paper/
Как установить daily-paper-generator
1Через Skills CLI (Vercel)
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a claude-code2Вручную: положить файлы
~/.claude/skills/daily-paper-generator/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/daily-paper-generator/
1Через Skills CLI (Vercel)
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a codex2Вручную: положить файлы
.agents/skills/daily-paper-generator/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a cursor2Вручную: положить файлы
.cursor/skills/daily-paper-generator/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install Galaxy-Dawn/claude-scholar daily-paper-generator2Вручную: положить файлы
.github/skills/daily-paper-generator/SKILL.md1Через Skills CLI (Vercel)
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a gemini-cli2Командой платформы
gemini skills install https://github.com/Galaxy-Dawn/claude-scholar --path skills/daily-paper-generatorВручную: положить файлы
.devin/skills/daily-paper-generator/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Из того же набора29
Похожие
Рядом в теме «Наука и исследования»
Всё по теме «Наука и исследования» →Вопросы о daily-paper-generator
Как установить daily-paper-generator в Claude?
Выполните npx skills add Galaxy-Dawn/claude-scholar --skill daily-paper-generator -a claude-code. Скилл встанет в ~/.claude/skills/daily-paper-generator/SKILL.md.
Что делает daily-paper-generator?
Ищет недавние статьи на arXiv и bioRxiv по заданной теме, отбирает лучшую по схеме Top 10 → Top 3 → Top 1 и пишет двуязычный разбор с таблицей метаданных.
Что нужно для работы скилла?
Python для запуска scripts/arxiv_search.py и явно заданная тема с окном по времени через --months N. Односложные запросы скилл использовать не советует.
Исходный текст
SKILL.md · MIT
--- name: daily-paper-generator description: Use when the user asks to generate daily paper digests on a general topic. This skill supports both arXiv and bioRxiv (or either one), then produces structured Chinese/English summaries for selected papers. version: 0.5.1 --- # Daily Paper Generator ## Overview Discover, screen, and summarize recent papers for any research topic. Supported sources: - arXiv - bioRxiv - both (`--source both`) Core workflow: 1. Define topic query and time window 2. Search papers from arXiv / bioRxiv 3. Select Top 10 candidates per field 4. Score and narrow to Top 3 per field 5. Choose Top 1 per field 6. Generate bilingual summaries 7. Save outputs to `daily paper/` ## When to Use Use this skill when: - The user asks for a daily/weekly paper digest on any topic - The user wants recent papers from arXiv and/or bioRxiv - The user needs structured bilingual notes for reading and tracking ## Output Format Each summary should contain: 1. Paper title 2. Authors and venue/source 3. Link(s) and date 4. Chinese review (~300 words) 5. English review (concise academic prose) 6. Metadata table 7. Appendix (optional resources) ## Quick Reference | Task | Method | |---|---| | Search papers | Use `scripts/arxiv_search.py` with `--source arxiv|biorxiv|both` | | Topic selection | Use general-topic queries from `references/keywords.md` | | Evaluate quality | Use `references/quality-criteria.md` | | Write Chinese review | Use `references/writing-style.md` | | Write English review | Follow scientific writing best practices | ## Workflow ### Step 1: Define query Choose a concrete topic query. Examples: - `test-time adaptation for medical imaging` - `multimodal foundation model for healthcare` - `protein language model interpretability` ### Step 2: Search arXiv and/or bioRxiv Use helper script: ```bash python skills/daily-paper-generator/scripts/arxiv_search.py \ --query "test-time adaptation for medical imaging" \ --source both \ --months 1 \ --max-results 80 \ --output /tmp/papers.json ``` Notes: - `--source arxiv`: arXiv only - `--source biorxiv`: bioRxiv only - `--source both`: merge both sources and sort by date ### Step 3: Top 10 candidate selection (per field) For each candidate paper: 1. Check topic relevance from title + abstract 2. Remove obviously off-topic papers 3. Keep **Top 10 candidates** for this field Minimum rule: - Do not jump directly from raw search results to final paper. - Keep an explicit Top 10 list first. ### Step 4: Top 3 quality shortlist (per field) For the Top 10 pool: 1. Score each paper with `references/quality-criteria.md` 2. Rank by weighted score 3. Keep **Top 3** ### Step 5: Final Top 1 selection (per field) For the Top 3 shortlist: 1. Compare novelty + method completeness + experimental credibility 2. Check practical impact for the field 3. Select **Top 1** as the final pick Required output trace: - Top 10 candidate list - Top 3 scored shortlist (with weighted scores) - Final Top 1 and one-paragraph selection rationale ### Step 6: Generate bilingual summaries For each selected paper, generate: - 中文评语:背景、挑战、贡献、方法、结果、局限 - English Review: concise, factual, non-formulaic ### Step 7: Save output Recommended directory and naming: ```text daily paper/ YYYY-MM-DD-HHMM-paper-1.md YYYY-MM-DD-HHMM-paper-2.md YYYY-MM-DD-HHMM-paper-3.md ``` ## Additional Resources - `references/keywords.md`: general-topic query templates - `references/quality-criteria.md`: scoring rubric - `references/writing-style.md`: review writing style - `example/daily paper example.md`: output example - `scripts/arxiv_search.py`: arXiv + bioRxiv search helper ## Important Notes 1. Use explicit topic queries, avoid single-word vague queries. 2. Keep the time window explicit (`--months N`). 3. Distinguish source in metadata (`arxiv` vs `biorxiv`). 4. Use the fixed narrowing rule: **Top 10 -> Top 3 -> Top 1** (per field). 5. If a paper lacks robust evaluation, mark confidence and limitations clearly. 6. Do not fabricate unavailable fields (institution/GitHub/code links).
© Galaxy-Dawn · MIT · Galaxy-Dawn/claude-scholar