核心用法
arxiv-summarizer-orchestrator 是一个端到端的自动化工作流编排技能，用于周期性采集 arXiv 论文并生成结构化报告。用户只需提供研究主题，系统即可自动完成从查询生成、论文检索、内容下载、逐篇摘要到最终汇总结报告的全流程。
三阶段工作流
Stage A - 采集与检索：通过 arxiv-search-collector 自动生成多维度查询、批量获取元数据、智能筛选并合并结果，支持迭代优化查询策略。
Stage B - 逐篇处理：调用 arxiv-paper-processor 批量下载论文源码或 PDF，生成结构化摘要（summary.md）。支持并行模式（默认最多5篇并发）或串行处理，可通过 language 参数统一控制输出语言。
Stage C - 报告生成：使用 arxiv-batch-reporter 聚合所有摘要，通过模板渲染生成层级化的最终报告，自动注入各论文核心结论。
显著优点
- 全流程自动化：无需人工干预即可完成从主题到报告的全部环节
- 灵活的并行策略：支持可控并发，平衡效率与 API 限流
- 多语言支持：全链路语言参数传递，非英语输出一致性高
- 可复现与可扩展：标准化目录结构、状态缓存、迭代查询机制
- 定时任务友好：适配 cron/scheduled 执行，支持滚动时间窗口（1d/7d/30d）
潜在局限
- 依赖三个子技能：必须预先安装并启用
arxiv-search-collector、arxiv-paper-processor、arxiv-batch-reporter - API 限流敏感：arXiv API 有访问频率限制，大规模采集需配置保守参数
- PDF 解析质量：部分 LaTeX 源码编译失败时 fallback 到 PDF，解析准确性可能下降
- 并行复杂度：
subagent_parallel模式需严格管理目录隔离，存在文件冲突风险 - 语言一致性：虽支持多语言，但术语翻译准确性依赖模型能力
适合人群
- 科研人员：定期追踪特定领域的最新进展
- 研究团队：建立内部文献简报自动化 pipeline
- 技术管理者：快速概览多主题研究动态
- 学术机构：构建分布式文献监控体系
常规风险
- 数据隐私：论文元数据与摘要在本地存储，需注意敏感研究内容的管理
- API 稳定性：arXiv 服务中断或限流调整可能影响采集完整性
- 版权合规：自动下载需遵守 arXiv 使用条款，商用场景需额外评估
- 模型幻觉风险：摘要生成依赖 LLM，关键结论建议人工复核原始论文
- 并发资源消耗：并行模式下需监控磁盘 I/O 与内存使用