核心用法
Agentic Paper Digest 是一个全自动学术论文追踪与摘要系统，采用双LLM架构（相关性分类器+摘要生成器）处理arXiv和Hugging Face的每日论文流。
工作流程：
1. 抓取：按时间窗口（WINDOW_HOURS）和分类（ARXIV_CATEGORIES）拉取arXiv/HF论文元数据
2. 过滤：LLM分类器根据topics.json中的自定义主题进行相关性评分
3. 摘要：高相关论文送入摘要模型生成结构化总结
4. 输出：支持JSON流、SQLite存储、REST API三种消费模式
运行模式：
- CLI一次性执行：
run_cli.sh --window-hours 24 --sources arxiv,hf - API服务模式：
run_api.sh提供轮询端点（/api/run,/api/papers,/api/topics）
显著优点
- 主题可编程：通过JSON配置自定义研究兴趣，非硬编码关键词匹配
- 双模型策略：可独立配置轻量模型做快速过滤、强模型做深度摘要，优化成本
- 智能排序：结合相关性得分+机构加权（
affiliations.json）+主题配额（max_per_topic） - PDF全文增强：可选启用
PyMuPDF提取首页文本，弥补摘要信息不足 - 生态兼容：原生支持OpenAI及任意OpenAI-compatible端点（via LiteLLM）
潜在局限
- 依赖外部LLM：无本地模型支持，必须配置API密钥（成本敏感场景受限）
- 单节点架构：SQLite存储和本地API服务器，不适合多用户/高并发场景
- 英文内容为主：arXiv/HF数据源及LLM摘要均为英文，中文论文覆盖有限
- 主题设计门槛：主题互斥性假设较强，交叉领域论文可能分类困难
- 无持久化工作流：API模式需外部调度器触发，无内置定时任务
适合人群
- 需要每日追踪多领域前沿的研究人员/实验室（AI/ML/NLP/安全方向最优）
- 构建个人知识库的PhD学生或独立研究者
- 希望将论文流集成到自动化工作流的Agent开发者
常规风险
- API费用失控：高
ARXIV_MAX_RESULTS+长窗口+强模型组合可能产生意外成本 - 数据时效性：依赖arXiv发布节奏，非实时预印本平台
- 分类偏差：LLM分类器对新颖交叉主题可能存在系统性误判
- 隐私泄露：PDF文本提取可能意外包含作者联系方式等敏感信息