名称: 每日论文生成器 描述: 当用户要求“生成每日论文”、“在arXiv搜索EEG论文”、“查找EEG解码论文”、“回顾脑机接口论文”或希望为EEG/脑解码/语音解码研究创建论文摘要时使用。此技能自动化搜索arXiv上关于EEG解码、EEG语音解码或脑基础模型的近期论文，评估论文质量，并生成结构化中英文摘要。 版本: 0.4.0
每日论文生成器
概述
自动化发现、评估和总结arXiv上近期关于EEG解码、脑机接口和神经基础模型研究论文的工作流程。
核心工作流程：
- 使用Chrome浏览器搜索arXiv上的近期论文（在3个月内）
- 从arXiv页面检索论文元数据
- 使用结构化标准评估论文质量
- 选择前3篇论文
- 生成带有中英文评论的结构化摘要
- 将结果保存为Markdown文件到
daily paper/目录
何时使用
在以下情况使用此技能：
- 用户要求“生成每日论文”或“查找近期EEG论文”
- 用户希望发现关于EEG解码、从EEG进行语音解码或脑基础模型的研究
- 用户需要带有中英文摘要的论文评论
- 用户希望跟踪神经/AI交叉领域的近期arXiv出版物
输出格式
每篇论文摘要遵循此结构（见example/daily paper example.md完整示例）：
1. 标题部分
# 论文标题
## 作者及单位
作者列表
机构
## arXiv 链接
https://arxiv.org/abs/ARXIV_ID
**发表日期**: YYYY-MM-DD
**arXiv ID**: XXXX.XXXXX
**分类**: cs.LG, q-bio.NC, eess.SP
2. 评论部分
中文评语 (~300 词):
- 背景 (1-2 句): 研究背景和重要性
- 挑战 (2-3 句): 现有方法的问题
- 贡献 (1-2 句): 本工作的核心贡献
- 方法 (2-3 句): 关键技术细节
- 结果 (2-3 句): 主要发现和指标
- 分析与局限性 (1-2 句): 意义和局限性
英文评论 (流畅的学术英语):
- 遵循与中文评论相同的结构进行简明总结
- 使用自然的学术散文（避免AI式模式）
- 应用科学写作最佳实践
3. 主图部分
## 主图
[预留论文主图位置]
4. 元数据表
## 论文元数据
| 项目 | 内容 |
|------|------|
| **标题** | 论文标题 |
| **第一作者** | 第一作者姓名 |
| **作者列表** | 完整作者列表 |
| **第一作者单位** | 机构 |
| **发表日期** | YYYY-MM-DD |
| **arXiv 链接** | https://arxiv.org/abs/ID |
| **PDF 链接** | https://arxiv.org/pdf/ID |
| **分类** | cs.LG, q-bio.NC, eess.SP |
5. 整合格式（用于发布）
## 整合格式
每日论文 MMDD
论文标题
https://arxiv.org/abs/ARXIV_ID
[中文评论]
[英文评论]
6. 附录
## 附录
**GitHub连接：** [可用/不可用]
**补充说明**
[关键见解、影响点]
**来源：**
- [arXiv摘要](URL)
- [arXiv HTML](URL)
- [Paperverse评论](URL) (如果可用)
快速参考
| 任务 | 方法 |
|---|---|
| 搜索arXiv | 使用Chrome MCP工具 (chrome-mcp-helper) |
| 获取论文详情 | 导航到arXiv页面并提取元数据 |
| 评估质量 | 使用references/quality-criteria.md中的标准 |
| 编写中文评论 | 遵循references/writing-style.md中的风格 |
| 编写英文评论 | 应用科学写作技能最佳实践 |
| 创建输出 | 使用example/daily paper example.md中的模板 |
工作流程
步骤1：使用Chrome搜索arXiv
搜索关键词 (见references/keywords.md完整列表):
- EEG解码:
EEG decoding,brain decoding,neural decoding - 语音解码:
speech decoding from EEG,EEG speech reconstruction - 基础模型:
EEG foundation model,large EEG model,brain foundation model
方法：使用Chrome浏览器进行arXiv搜索
-
导航到arXiv搜索使用Chrome MCP工具:
- URL:
https://arxiv.org/search/ - 添加搜索参数:
?searchtype=all&query=关键词&abstracts=show&order=-announced_date_first
- URL:
-
搜索URL模式:
https://arxiv.org/search/?searchtype=all&query=EEG+decoding&abstracts=show&order=-announced_date_first https://arxiv.org/search/?searchtype=all&query=EEG+foundation+model&abstracts=show&order=-announced_date_first -
时间过滤: 使用日期过滤器或按
announced_date_first排序以获取近期论文 -
从搜索结果提取论文信息:
- 论文标题
- 作者
- arXiv ID
- 摘要预览
- 发表日期
步骤2：检索论文详情
对于每篇候选论文，导航到其arXiv abs页面并提取：
URL模式: https://arxiv.org/abs/ARXIV_ID
从页面提取:
- 标题（来自
<h1>标签） - 作者（来自
.authors元素） - 摘要（来自
blockquote.abstract） - 提交日期（来自
.dateline） - arXiv ID（来自URL或页面）
- 分类（来自
.subjects） - 评论（如果存在）
- 第一作者机构（如果评论或作者附属信息中可用）
步骤3：评估论文质量
使用references/quality-criteria.md中的5维度标准评估每篇论文：
| 维度 | 权重 | 关键点 |
|---|---|---|
| 创新性 | 30% | 贡献的新颖性 |
| 方法完整性 | 25% | 清晰度和可重复性 |
| 实验全面性 | 25% | 验证深度 |
| 写作质量 | 10% | 表达清晰度 |
| 相关性与影响 | 10% | 领域重要性 |
评分: 对每个维度评分1-5，计算加权总和。
过程:
- 通过标题/摘要筛选相关性
- 导航到完整论文页面进行详细评估
- 对每个维度评分
- 按总分排名
- 选择前3名
步骤4：生成论文摘要
对于每篇选定的论文，遵循example/daily paper example.md中的结构创建摘要：
必要部分:
- 标题（H1标题）
- 作者及单位（作者和机构）
- arXiv 链接（带有元数据：日期、ID、分类）
- 中文评语（中文评论，约300词）
- 英文评论（流畅的学术英语）
- 主图（主图占位符）
- 论文元数据（元数据表）
- 整合格式（用于发布的整合格式）
- 附录（带有GitHub连接、补充说明、来源的附录）
编写中文评论 (见references/writing-style.md):
- 背景: 研究背景和重要性
- 挑战: 现有方法的不足
- 贡献: 本工作的核心贡献
- 方法: 关键技术细节
- 结果: 主要发现和指标
- 分析与局限性: 意义和局限性
编写英文评论:
- 应用科学写作技能最佳实践
- 使用反AI写作原则（自然、多样的句子结构）
- 保持简洁直接
- 避免公式化过渡词（“furthermore”、“moreover”、“additionally”）
步骤5：保存输出
在daily paper/目录中创建Markdown文件：
daily paper/
├── 2025-01-26-1430-paper-1.md
├── 2025-01-26-1430-paper-2.md
└── 2025-01-26-1430-paper-3.md
文件名格式: YYYY-MM-DD-HHMM-paper-N.md
重要: 使用时间戳（精确到分钟）避免覆盖之前生成的文件。
示例输出
见example/daily paper example.md获取DeeperBrain论文摘要的完整示例，所有部分格式正确。
附加资源
参考文件
references/keywords.md- 完整搜索关键词列表和arXiv URL模式references/quality-criteria.md- 详细的5维度评估标准与评分标准references/writing-style.md- 中文评论结构、模板和示例分析
示例文件
example/daily paper example.md- 完整输出示例，包含所有部分scripts/arxiv_search.py- 遗留Python脚本（已弃用，使用Chrome代替）
Chrome MCP 工具
使用Chrome MCP工具进行浏览器自动化：
- 导航: 打开arXiv搜索和论文页面
- 截图: 捕获页面进行分析
- 标签页: 管理多个arXiv页面
- 内容提取: 从HTML解析论文元数据
重要说明
- 时间范围: 搜索专注于过去3个月的论文（检查提交日期）
- 链接格式: 使用arXiv abs页面链接 (https://arxiv.org/abs/ID)，而非直接PDF链接
- 评论长度: 中文评论应约为300词
- 质量重点: 优先内容质量（创新性、方法、实验）而非量化指标
- 双语输出: 每篇论文都需要中英文评论
- Chrome必需: 此工作流程使用Chrome浏览器自动化通过MCP工具
- 完整格式: 确保每个摘要包含所有9个部分
- 一致命名: 在整合部分使用每日论文MMDD格式