核心用法
Agentic Paper Digest 是一个面向科研人员的自动化论文聚合与摘要工具，支持从 arXiv 和 Hugging Face 两个主要学术平台抓取最新论文。用户可通过 CLI 直接运行一次性任务，或启动本地 API 服务实现定时轮询。CLI 模式支持灵活的时间窗口（--window-hours）和信源筛选（--sources arxiv,hf），输出包含运行 ID、处理数量、时间范围等元信息的 JSON 格式结果，便于下游代理消费。API 模式则提供 RESTful 端点，支持触发任务、查询状态和获取论文列表。
显著优点
1. 智能相关性过滤：内置 LLM 驱动的相关性分类器，可根据自定义主题（config/topics.json）自动判断论文匹配度，避免信息过载。
2. 双模式架构：CLI 适合一次性深度检索，API 服务适合持续监控，满足不同工作流需求。
3. 灵活配置：通过环境变量或 .env 文件管理 LLM 密钥（支持 OpenAI 及任意兼容代理），可独立配置摘要模型与相关性模型，实现成本与质量的平衡。
4. PDF 原文增强：可选启用 PyMuPDF 提取首页文本，弥补摘要信息不足的缺陷。
5. 机构加权排序：支持基于作者单位的关键词匹配加权，优先展示知名机构成果。
潜在缺点与局限性
- 外部依赖较重：必须配置有效的 LLM API 密钥才能运行核心功能，无法离线使用。
- Python 环境要求：需要 Python 3 及网络访问，对非技术用户有一定门槛。
- 单节点 SQLite 存储：数据持久化依赖本地 SQLite，不适合多实例部署或高并发场景。
- 主题定义敏感：相关性分类器对
topics.json中的 ID 和描述格式要求严格，配置不当会导致过滤失效。 - 无内置定时器：API 服务本身不提供调度功能，需配合外部 cron 或工作流引擎实现自动轮询。
适合人群
- 需要追踪多领域最新进展的机器学习/AI 研究人员
- 运营学术简报、新闻通讯的内容策展人
- 希望自动化论文初筛流程的科研团队
- 构建下游分析管道的开发者（JSON 输出便于集成）
常规风险
- API 密钥泄露风险：需在环境变量或
.env文件中存储 LLM 密钥，共享环境时应注意权限隔离。 - 成本不可控：若未限制
ARXIV_MAX_RESULTS或WINDOW_HOURS，高频运行可能对 LLM API 产生意外费用。 - 结果质量波动：摘要质量直接依赖所选 LLM 模型，低成本模型可能产生不准确的技术解读。
- 数据源变动：arXiv 或 Hugging Face 的 RSS/API 格式变更可能导致抓取失效。