Agentic Paper Digest Skill

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

Agentic Paper Digest是一款面向AI/ML研究者的自动化论文追踪工具，核心功能是从arXiv和Hugging Face两大平台抓取最新论文，利用大语言模型进行智能筛选与摘要生成，最终输出结构化JSON数据供下游工作流使用。

核心用法：工具提供CLI和API两种运行模式。CLI模式通过run_cli.sh脚本执行，支持--window-hours和--sources等参数自定义抓取范围；API模式启动本地FastAPI服务器（默认8000端口），提供/api/run触发任务、/api/papers获取结果等端点，适合定时轮询场景。配置灵活，通过.env文件管理LLM API密钥、模型选择、温度参数，以及config/topics.json定义关注主题与关键词，实现个性化过滤。

显著优点：一是高度自动化，减少人工浏览海量论文的负担；二是Agentic架构，利用LLM进行相关性分类（Relevance）和摘要生成（Summary）两阶段处理，质量可控；三是输出标准化，JSON格式便于与Notion、Slack、邮件系统等集成；四是主题可配置，支持多领域并行追踪；五是本地优先，SQLite数据存储，隐私友好。

潜在局限：首先依赖外部LLM服务（OpenAI或兼容API），存在成本和可用性风险；其次T3来源（个人开发者GitHub账号）意味着长期维护稳定性存疑，建议fork后自行维护；再者arXiv抓取受官方速率限制，高频使用可能触发封禁；最后PDF文本提取为可选功能，需额外安装PyMuPDF，增加依赖复杂度。

适合人群：AI/ML领域的研究人员、技术管理者、学术编辑，以及需要构建内部论文知识库的R&D团队。特别适合关注多交叉领域、时间有限但希望系统追踪前沿的学者。

常规风险：LLM API密钥泄露风险（需妥善管理.env文件）；本地8000端口占用冲突；T3来源的供应链安全风险（代码可能被篡改）；抓取频率过高导致IP被arXiv临时封禁。建议生产环境部署前进行代码审计，并设置合理的抓取间隔与错误重试机制。