arxiv-paper-processor

ArXiv Paper Processor 是一个专为学术文献处理设计的工具型 Skill，定位于 ArXiv 论文处理工作流的第二阶段。该技能通过脚本仅负责论文工件的获取（下载源码或 PDF），而将核心的阅读与 summarization 工作交由模型手动完成，确保每篇论文的总结都基于真实的全文理解而非片段提取或模板填充。

核心用法上，该技能支持单篇和批量两种模式。单篇模式针对特定 ArXiv ID 下载论文源码（优先）或 PDF；批量模式则可并发处理多篇论文，内置速率限制（throttling）和断点续传机制，通过本地状态文件避免触发 ArXiv 的 429 限流。下载完成后，模型需手动阅读内容并严格按照固定格式撰写 summary.md，特别要求第10节"Brief Conclusion"必须包含具体的贡献、方法、评估和结果细节，确保可追溯性。

显著优点包括：采用纯 Python 标准库实现，零外部依赖，部署轻量且安全；具备完善的路径安全验证（防路径遍历）和输入校验，使用 pathlib 处理所有文件路径；支持源码（LaTeX）和 PDF 双格式下载，优先获取源码便于结构化阅读；批量下载具备智能跳过已下载文件、本地状态持久化等工程化特性，且明确禁止脚本自动生成总结，保障内容质量。

潜在局限性在于：仅支持 ArXiv 单一来源，无法处理其他学术数据库；作为"T3 来源"（个人开发者）项目，虽代码质量达 A 级，但长期维护稳定性不及官方工具；必须依赖模型进行手动阅读，无法实现完全自动化处理，人力成本较高；批量下载时需确保充足磁盘空间和稳定的网络环境（需访问 arxiv.org）。

适合目标群体包括：需要进行系统性文献综述的科研人员、构建学术知识库的 AI 助手开发者、以及需要离线批处理 ArXiv 论文的学术机构和研究团队。

使用风险方面，主要涉及网络依赖（需确保能访问 arxiv.org）、磁盘 I/O 压力（批量下载大文件可能占用大量存储）、以及批处理脚本中使用的 subprocess 调用（尽管已正确转义参数，无命令注入风险）。此外，虽然脚本具备重试机制，但频繁请求仍可能触发 ArXiv 的访问限制，建议合理设置 min-interval-sec 参数避免被封禁。

核心用法

arxiv-paper-processor 是一款专注于模型驱动论文精读的工具型技能。与自动化摘要脚本不同，它严格区分"数据获取"与"内容理解"两个阶段：Python脚本仅负责从ArXiv下载论文源码（LaTeX）或PDF，而摘要撰写必须由模型通过实际阅读全文完成。

单篇模式：指定论文目录，先下载source/目录下的源码或PDF，再由模型读取并输出summary.md。

批量预下载模式：面对数十篇论文的研究任务时，先调用download_papers_batch.py并行获取多篇论文的 artifacts，限速5秒/请求以防触发ArXiv的429限制，支持断点续传。

语言参数由用户指定（如Chinese或English），模型须全程使用该语言输出。关键约束在于禁止脚本自动生成摘要——不得使用正则提取、模板填充或基于摘要/引言的片段拼接。

显著优点

1. 零供应链风险：仅依赖Python标准库（urllib、tarfile、pathlib），无pip/npm依赖，彻底规避恶意包注入或版本冲突。

2. 网络行为可控：仅访问arxiv.org（康奈尔大学学术基础设施），全链路TLS加密，内置指数退避重试与429/503处理，符合学术爬虫伦理。

3. 文件系统安全：tar解压实现路径遍历防护，所有写入限制在用户指定工作目录，无系统目录越权风险。

4. 质量可追溯：每篇summary.md要求包含可溯源到具体章节的细节，Section 10强制要求3-4句话涵盖贡献、方法、实验与结果，杜绝泛泛而谈。

潜在局限

• 人工依赖重：必须消耗模型token进行逐篇阅读，大规模批处理时成本显著高于API式自动摘要服务。

• 格式兼容边界：ArXiv源码以LaTeX为主，复杂宏包或非标准结构可能导致提取后阅读体验下降；PDF回退虽可用，但公式可读性受限。

• 并发策略保守：默认3 worker+5秒间隔，百篇级下载耗时较长；用户若强行调高并发可能触发ArXiv限流。

• 许可证缺失：当前版本未声明开源许可证，企业合规场景需自行确认使用权限。

适合人群

• 需要深度理解而非表面摘要的研究者（如文献综述、竞品分析、方法复现）
• 对供应链安全敏感的企业AI平台（零依赖=零CVE）
• 构建可审计研究流程的团队（人工阅读留痕，避免幻觉传播）

常规风险

• 模型幻觉传导：若模型误读原文，错误信息将被写入summary.md并在下游arxiv-batch-reporter中放大，建议关键论文人工抽查。

• ArXiv服务稳定性：虽脚本有重试，但ArXiv维护或IP封禁期间批量任务可能中断，需预留降级方案（本地PDF缓存）。

• 隐私合规边界：虽无用户数据收集，但论文下载行为本身可能暴露研究兴趣领域，敏感课题建议配合代理或本地镜像使用。