Przejdź do treści
Biblioteka skilli
Nauka i badania · Analiza

batch-paper-reading

/batch-paper-reading

Czyta folder z dziesiątkami PDF-ów przez wielu agentów i składa raport zbiorczy oraz raporty podfolderów, z ochroną przed usunięciem.

Licencja
MIT
Ostatnia zmiana repozytorium
09.11.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 09.11.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Czyta folder z dziesiątkami PDF-ów przez wielu agentów i składa raport zbiorczy oraz raporty podfolderów, z ochroną przed usunięciem.

Wyzwalacze z opisu

总报告 + 每个子文件夹综合报告
Oryginalny opis (EN)

Use when 用户要求精读一个文件夹(含多个子文件夹、20-100+ 篇 PDF)并产出"总报告 + 每个子文件夹综合报告"。覆盖多代理并行架构、限流应对、防误删铁律、图片质量筛查与报告装配流水线。单会话上下文装不下全部论文全文时必须用本工作流。不适用:单篇或少量论文精读(用 paper-reading)。

Jak działa

  1. 适用场景
  2. 总体架构
  3. 关键经验(血泪教训)
  4. 装配脚本骨架(assemble.py)
  5. 最终校验清单
  6. 交付
Sekcje z nagłówków SKILL.md, w oryginale · 85 linii, 321 słów
Podgląd SKILL.md
---
name: batch-paper-reading
description: Use when 用户要求精读一个文件夹(含多个子文件夹、20-100+ 篇 PDF)并产出"总报告 + 每个子文件夹综合报告"。覆盖多代理并行架构、限流应对、防误删铁律、图片质量筛查与报告装配流水线。单会话上下文装不下全部论文全文时必须用本工作流。不适用:单篇或少量论文精读(用 paper-reading)。
agent_created: true
---

# Batch Paper Reading(批量论文精读:多代理工作流)

## 适用场景
用户要求精读一个文件夹(含多个子文件夹、20 篇以上 PDF)并交付"总报告 + 每个子文件夹综合报告"(综合分析在前 + 逐篇 8 要素笔记在后)。单个会话上下文无法装下全部论文全文时,必须用本工作流。

## 总体架构
1. **主会话**:规划分批、启动代理、汇总各批摘要、撰写各级报告的"综合分析"头部、最终装配与校验。
2. **笔记代理**(每批 3-6 篇):PyMuPDF 提取全文到文本缓存 → 通读 → 提取作者原图架构图 → 写 8 要素笔记草稿 → 返回每篇一行的精炼摘要(含有意义:高/中/低 + 质量A/B/C)。
3. **装配脚本**(assemble.py):报告头部(主会话撰写)+ 逐篇笔记拼接,笔记标题降一级(H1→H2、H2→H3,注意是加 `#` 不是加 `# `,否则产生 `# #`)。
4. **总报告**:全部批次摘要汇总后由主会话撰写(领域全景/演进脉络/路线对比/有意义工作清单/跨路线共识)。

## 关键经验(血泪教训)

### 0. 开工前先精确点数——最容易犯的错
- 用 manifest 逐篇核对每个子文件夹的**真实篇数**,不要凭第一眼目录列表估。曾把 14 篇当成 12 篇,两篇漏读,直到全部代理跑完、比对 manifest 才发现,只能补跑。
- 分批时把 manifest 的 key 列表打印出来逐个勾,不要按"文件夹名 → 批次数"心算。

### 0.1 图片质量:必须自动筛查 + 批量目检(最重要)
代理经常裁到**正文页**而不是图(候选页规则太窄导致),且自检会谎报"已目检通过"。可靠做法:

1. **自动初筛**:对 `figures/*.png` 计算彩色像素占比(`max(r,g,b)-min(r,g,b)>30` 的比例),低于 0.02 的列为"疑似正文页/灰度图"。
2. **批量目检**:把可疑图用 PIL 拼成 contact sheet(每格带文件名红字标注),**一次看 9–15 张**,而不是逐张看。这一步能在几分钟内筛出全部错图。
3. 修复时按"**图片数量 ≥2 的页**"重新扫描 PDF,不要只搜 "Figure 1":
   - `ARTICLE IN PRESS`(Nat Commun in-press)与 bioRxiv 版式把图放在**文末**;
   - Wiley 投稿稿把图放在**正文后的单独页**;
   - 部分期刊 Figure 1 是整页大图,要整页裁。

### 0.2 图片内容去重
同一张图重复查看会返回"图片未变化"而看不到内容。把图另存为 JPEG(quality 85)再查看即可绕过。

### 0.3 预处理分工比让代理自己调 PyMuPDF 更稳
主会话先用一个 `prep.py` 一次性完成:全文 txt 导出 + 候选页渲染(180–200 dpi)+ manifest.json(含 sub/file/cands/pages)。代理只读 txt + 看候选 PNG,再用统一的 `crop.py <cand> <out> x0 y0 x1 y1`(**0~1 相对坐标**,代理看图就能估)裁剪。比每个代理自己写 PyMuPDF 代码快且一致。

### 1. TPM 限流(429)应对
- 大模型 API 常有组织级 TPM 限制。**高并发必炸;安全区间是 2-4 个并发**。
- 失败规律:新代理在启动后 1-4 分钟的"初始化+首批全文读取"峰值最易阵亡;已运行一段时间的代理反而能存活。
- 正确策略:**分波启动**(每完成一个再启动一个,维持低并发);给代理写明"遇 429 等待 60-120 秒重试,不要放弃"。
- 代理失败 ≠ 工作丢失:常在失败前已完成大部分产出,**先查磁盘再决定重跑范围**。

### 2. 防误删铁律——第二重要
- **绝不下达含糊的清理指令**(如"只保留最终选定文件"——代理会把别人的成品当中间文件删掉)。
- 正确写法:"你只允许【创建】文件 figures/<key>.png;绝不删除/移动/重命名任何已有文件;你自己的中间文件也不删,由主会话统一清理"。
- 共享目录(figures/、_drafts/)中多代理并行时,可在关键成品上加只读锁(chmod 444)防护。

### 3. 路径必须写全
- 给代理的输出路径**逐字写绝对路径**,禁止 `.../阅读报告` 之类缩写——有代理按相对路径解析,把大量文件写进了文献库源文件夹(文献库本应只读),需事后抢救搬迁+清理。

### 4. 乱码判断先验证再行动
- Git Bash 下 `cut -c` 按字节截断 UTF-8 中文会产生乱码**假象**;判断文件是否真乱码必须用 Python 按字符解码验证(utf-8 能否完整解码)。

### 5. 代理恢复
- 中断的代理可通过重新 spawn 恢复;若原平台支持消息续跑,优先用续跑保留上下文。
- 后台代理全部停止后消息通道会失效。

### 6. 笔记模板要点
- 8 要素固定结构;第 6 要素末尾强制单独一行"**有意义的工作:高/中/低 —— 一句话理由**",便于主会话 grep 汇总。
- 提醒代理:模板中的括号说明文字不要原样抄进标题。
- 图片链接统一写相对路径 `figures/<key>.png`(即使笔记草稿在子目录,最终报告装配后正好对齐)。

### 7. 批量删除安全机制
- 大批量删除文件前先向用户确认;中间文件清理分批进行,避免误删成品。

## 装配脚本骨架(assemble.py)
```python
def demote(text):  # 笔记标题降级
    # "# X" -> "## X"、"## X" -> "### X"(加一个 #,不要加 "# ")
def assemble(header_file, keys, out_file):
    # 头部 + "\n---\n\n" + 各笔记(demote后) -> 写出
```
报告命名:`<NN>-<子文件夹名>_综合阅读报告_<YYYY-MM>.md`;总报告 `0-总报告_..._<YYYY-MM>.md`(前缀 0- 保证排在最前)。

## 最终校验清单
1. 无 `data:image` 残留;
2. 报告中全部 `![](...)` 链接与实际文件逐字核对(用 Python 正则提取+os.path.exists);
3. 图片文件名纯 ASCII;
4. 笔记数 = 论文数;图片数 = 论文数 **减去确无架构图的篇数**,差额要能在笔记里逐篇说清;
5. 彩色占比 <0.02 的图全部目检过;
6. 清理中间文件(保留规范图 + 报告),解锁只读属性;
7. 交付前把**各子报告的分级表与逐篇笔记的评级对齐**——代理写的 `**有意义的工作:高/中/低**` 才是权威,主会话手写的表容易与它不一致。

## 交付
- 在对话中列出全部报告文件路径(总报告排最前);
- 提示用户用 Markdown 编辑器(如 VS Code `Ctrl+Shift+V`)预览看图。

Wersje

W bazie nie ma innych skilli o nazwie batch-paper-reading.

Migawka bazy z 13.11.2026 · wersja paczki 343219c4b47e (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 95paper-reading
    Czyta artykuł naukowy z arXiv lub PDF w siedmiu etapach: motywacja, architektura, trening, dane, przepływ informacji i wyniki.
  • 90paper-reading
    Czyta lokalne PDF-y publikacji w czterech trybach: szybkim, dogłębnym, krytycznym i powiązań, z opcjonalnym tłumaczeniem i jednym plikiem notatki na pracę.
  • 90paper-reading
    Wybiera lokalny PDF z Zotero i publikuje jego wersję Markdown z MinerU do dalszego czytania.
  • 100traceable-paper-review
    Czyta i recenzuje artykuł, tworząc notatki powiązane z dowodami z tekstu, i adnotuje PDF lub Markdown.
  • 98scientific-paper-reading
    Zamienia PDF artykułu naukowego w ustrukturyzowany Markdown, a potem tworzy notatki, tłumaczenia i kopie Word z czytelnymi wzorami.
  • 100batch-paper-pdf-to-markdown
    Wsadowo parsuje lokalne artykuły naukowe w PDF do Markdown z katalogiem obrazów o tej samej nazwie, do czytania prac, wprowadzania do bazy wiedzy i wstępnego przetwarzania.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.