kelip-paper-reading

简体中文 | English

让 AI Agent 带你精读一篇论文。它不给你一段摘要了事，而是像一个已经读懂这篇的人，一站一站带你看。

丢给它一个 arXiv 链接，它先把 PDF、LaTeX 源码、每张图（自动裁好的 PNG）、官方代码 拉到本地， 然后按六站讲，讲到哪张图就把那张图发给你，每站讲完问你要不要往下走：

① 动机 → ② 架构 → ③ 训练（损失函数）→ ④ 数据（一条样本长什么样）→ ⑤ 输入输出信息流 → ⑥ 拿一个例子把信息流走一遍（对照代码）
                                                                                （可选 ⑦ 实验和这篇现在的地位）

边讲边把每一站和你问过的问题记进论文目录里的 精读笔记.md。

• 图要发出来。 只说「见图 3」，你是看不到的。讲之前它会先自己看一遍图，再告诉你「这张图是什么、怎么读」。
• 公式写成不用渲染也能读的样子。 Unicode 公式 + 符号表 + 代一组小数字算一遍。
• 没听懂就换讲法，而不是把原话说得更长：真实数字 → 缩到玩具尺寸一步步走 → 先讲「最朴素的做法为什么不行」→ 日常比喻 + 一张对照表。
• 先基本情况，再设计细节。 谁做的、输入什么输出什么、开源没有；去掉论文的推销腔。
• 区分来源。 论文写的、代码里看到的、它自己推测的，分开标；代码和论文对不上的地方会指出来。
• 代码只读不跑。 克隆官方仓库是为了对照，不替你装依赖、不跑脚本。

Claude Code（装成 skill，说「读一下这篇论文」就会自动用上）：

git clone https://github.com/skJack/kelip-paper-reading.git ~/.claude/skills/kelip-paper-reading
pip install pymupdf

其他 AI Agent（Cursor / Codex / Copilot / 自己写的 agent）：clone 到项目里，让 agent 读 SKILL.md 照着做。 仓库根目录有一份 AGENTS.md，会自动读它的 agent 不用额外配置。

依赖只有 Python 3 和 PyMuPDF。要能访问 arxiv.org 和 github.com；Hugging Face 连不上不影响。

读一下这篇 https://arxiv.org/abs/2410.24164
带我精读 π0，放到 ~/papers 下面
直接讲数据：一条训练样本到底长什么样？
拿一个具体例子，对着代码把推理走一遍

第一条回复是「基本情况 + 第 ① 站」，之后每站结尾它会问要不要继续。随时可以打断提问、跳站、 让它「翻译一下引言」（原文和译文对照），或者「整理成文档」（精读笔记已经在了）。

papers/pi0-vision-language-action/
├── paper.pdf         原文
├── source/           arXiv 的 LaTeX 源码
├── paper.tex         源码拍平成一个文件（\input 展开、去注释和参考文献），公式和表格以它为准
├── paper.txt         PDF 逐页文本
├── outline.md        章节、公式在 paper.tex 里的行号，按需跳读
├── meta.json         标题、作者、日期、摘要、代码和项目页链接
├── figures/          每张图和表一个 PNG，index.md 写 caption 和正文在哪引用，_contact.png 一眼看完全部
├── code/             官方代码（浅克隆）
└── 精读笔记.md        每一站的要点、用到的图、你问过的问题

在 research-workflow 结构的项目里（当前目录有 related_work/）， 论文自动放进 related_work/<slug>/，代码放进 复现/<repo>/code。论文目录里本来就有你自己整理的 figures/ 时， 自动裁的图放到 figures-auto/，不碰原来的。

cp profile.example.md profile.md

写上你的方向、已经熟的东西（讲到时一句带过）、不熟需要铺垫的、喜欢拿什么场景举例。 不写也能用：第一次走到第 ⑥ 站时它会问你想用什么场景举例，并替你记下来。profile.md 已经在 .gitignore 里，不会被提交。

python3 scripts/fetch_paper.py 2410.24164 --dest ~/papers/pi0             # 拉全部材料
python3 scripts/fetch_paper.py ~/papers/pi0 --code https://github.com/Physical-Intelligence/openpi   # 论文里没写代码地址时手动补
python3 scripts/extract_figures.py ~/papers/pi0                              # 重新裁所有图表
python3 scripts/crop.py ~/papers/pi0/figures/fig-03.png --grid               # 带刻度看图，找要放大的那块
python3 scripts/crop.py ~/papers/pi0/paper.pdf --page 4 0.08 0.06 0.92 0.3 -o eq.png   # 从 PDF 页面裁一块（公式、表）

输入可以是 arXiv ID / 链接（abs、pdf、alphaxiv、Hugging Face Papers 都行）、PDF 直链、本地 PDF（改过名的 arXiv PDF 能从第一页水印认出 ID，照样拉源码），或者已经下好的论文目录（只补缺的）。

• 裁图靠 caption 定位加版式规则：单栏、双栏、IEEE、NeurIPS / ICLR、期刊等常见模板都测过，图基本都能裁对； 表格比图差一些。裁坏的在 _contact.png 里一眼能看出来，用 crop.py 重裁就行，agent 也会在讲到之前先检查。
• LaTeX 源码只有 arXiv 有；其他来源的 PDF 只能读抽出来的文本，公式和表格会粗糙一些。
• 找代码看的是摘要、arXiv 备注、PDF 首页链接、Hugging Face Papers 和项目页；论文里压根没写的 （比如 π0 → openpi），要 agent 去搜，再用 --code 补上。

• kelip-slide：把读懂的论文做成讲解用的 HTML 幻灯片
• research-workflow：用 Agent 协作做科研的项目结构（文献、复现、实验）

MIT