核心用法
Agentic Paper Digest 是一款面向AI/ML研究者的自动化论文追踪工具。它通过CLI或API方式，定期抓取arXiv和Hugging Face的最新论文，利用LLM进行相关性筛选与智能摘要，最终输出结构化的JSON结果或启动本地API服务供下游应用调用。
主要功能模块：
- 双源抓取：同时覆盖arXiv（cs.CL, cs.AI, cs.LG等类别）和Hugging Face论文流
- LLM智能过滤：基于用户定义的主题配置，自动判断论文相关性并分类
- 可配置摘要：支持为相关性判断和摘要生成分别指定不同强度的模型
- 灵活输出：CLI直接输出JSON，或启动FastAPI服务提供RESTful接口
- 数据持久化：SQLite存储抓取历史，支持去重与增量更新
显著优点
- 主题驱动的工作流：通过
topics.json精确定义研究兴趣，LLM分类器自动匹配 - 机构权重调节：可配置
affiliations.json对知名研究机构论文进行排序加权 - 成本可控：支持LiteLLM代理，可选用 cheaper 模型做初筛、更强模型做摘要
- 扩展性好：PDF首页文本提取（PyMuPDF）、自定义API端点、CORS跨域配置
潜在局限与风险
- LLM依赖性强：核心功能完全依赖外部API（OpenAI或兼容端点），无本地模型 fallback
- arXiv API限制：官方API有请求频率限制，大规模抓取需配合
ARXIV_PAGE_SIZE调优 - 配置复杂度：JSON配置文件需严格符合schema（无尾随逗号），手动编辑易出错
- 摘要质量波动：LLM生成的摘要可能存在幻觉，关键论文建议人工复核原文
适合人群
- 需要跟踪多领域最新进展的AI研究员、博士生
- 构建个人/团队论文推荐系统的开发者
- 希望自动化文献综述流程的技术写作团队
常规风险提醒
- API密钥泄露风险：
.env文件需妥善保管，避免提交至版本控制 - 成本累积风险：高频自动运行可能产生意外LLM调用费用，建议设置
WINDOW_HOURS下限 - 数据新鲜度：依赖arXiv发布节奏，非实时预印本平台可能存在数小时延迟