Mli Paper Reading

李沐论文精读 Skill

快速开始

一句话安装依赖（仅首次）

python3 -m pip install pymupdf --user

其他所有依赖（Python 3.7+、http.server、lsof、curl、open）在 macOS 上均为系统内置，Linux 用户见下方依赖表。

调用方式

# Claude Code
/mli-paper-reading 帮我精读这篇论文: https://arxiv.org/abs/1706.03762

# Codex
$mli-paper-reading 帮我精读这篇论文: https://arxiv.org/abs/1706.03762

支持输入格式：arXiv 链接、直接 PDF 链接、本地 PDF 路径、DOI、论文标题。

完整使用示例

示例 1：精读 arXiv 论文

/mli-paper-reading 帮我精读 Attention Is All You Need: https://arxiv.org/abs/1706.03762

→ 自动下载 PDF，提取 Figure 1–5，生成 HTML 笔记，浏览器打开 http://localhost:7410/attention-is-all-you-need.html

示例 2：精读本地 PDF

/mli-paper-reading 精读这篇论文: ~/Downloads/dspark.pdf

→ 从本地 PDF 提取图片，生成笔记

示例 3：只有标题，无 PDF

/mli-paper-reading 帮我了解一下 LoRA 这篇论文

→ 通过 WebFetch 获取摘要和正文，用 Mermaid 架构图替代原图，生成笔记

示例 4：比较多篇论文

/mli-paper-reading 比较 BERT、GPT-2、T5 的架构设计和预训练策略

→ 输出对比表，每篇独立 Paper Card，共用一个 HTML 笔记

示例 5：为复现做准备

/mli-paper-reading 我要复现 DSpark，帮我整理复现清单和风险点

→ 深度 Pass 3，输出复现 Recipe、假设列表、缺失细节标注

---

概述

这个 Skill 将论文变成可直接使用的研究理解：判断是否值得读、选择合适深度阅读、重建论证、审查证据，最终生成支持实现、评审、找方向的结构化笔记。

方法论来自李沐论文精读系列（快速筛选 + 三遍阅读 + 逐段精读）。详细检查清单和输出模板见 references/li-mu-method.md——在发起深度精读、对比、复现计划、文献综述或找研究方向前，必须先读该文件。

---

触发方式

显式触发最可靠：

• Claude Code: /mli-paper-reading 帮我精读这篇论文:
• Codex: $mli-paper-reading 帮我精读这篇论文:
• 路径兜底: Use the skill at ./mli-paper-reading to read .

自动触发依赖 frontmatter description 中的关键词：paper、PDF、arXiv、DOI、论文阅读、论文精读、literature review、reproduction、comparison、literature map。

---

工作流

1. 明确阅读目标。 判断用户需要快速决策、学习笔记、严格评审、复现计划、论文对比还是文献地图。若只给了标题或链接，先获取论文元数据和正文再分析。

2. 先筛选再深读。 读标题、摘要、引言、节标题、结论、图表、参考文献。产出 Paper Card：问题、背景、贡献声明、证据类型、venue/年份、是否继续。

3. 三遍读法。 Pass 1 建立整体图像和读/跳决策。Pass 2 梳理内容、图表、方法、实验和核心证据，不陷入证明细节。Pass 3 虚拟复现：重建假设、方法步骤、公式/伪代码、实验设计、局限性、可能缺失的细节。

4. 把论文读成论证链。 追踪「问题→主张→理由→证据→局限」链条。不只是逐节总结。对每个主要主张，问：哪个结果支撑它？基线公平吗？隐含了什么假设？什么会改变你的判断？

5. 建立论文上下文。 用相关工作、共同引用、重复作者名、顶会、后续论文定位研究谱系。综述任务时，按问题、方法族、数据集、主张、失败模式聚类。

6. 生成 HTML 笔记并在浏览器打开。 分析完成后，生成自包含 HTML 阅读笔记，本地起服务打开。见下方 HTML Output 节。

---

阅读规则

• 先宽后深。除非用户明确要求逐段阅读，不要从头逐段复述。
• 以图表、数据、消融实验、误差分析为证据优先，文字主张只是主张不是证明。
• 挑战实验设计细节：数据泄露、不公平基线、指标错位、规模效应、计算预算、超参搜索、省略的负面结果。
• 把陌生符号和术语翻译成平白语言，但实现所需的原始符号要保留。
• 论文无法访问或关键细节缺失时，明确说明缺失内容，在最有依据的前提下继续分析。

---

依赖

一键自检

python3 - <<'EOF'
import sys
print("Python:", sys.version.split()[0])

missing = []

try:
    import fitz
    print("pymupdf:", fitz.__version__)
except ImportError:
    missing.append("pymupdf")
    print("pymupdf: MISSING")

import http.server, urllib.request, base64, json, os, subprocess
print("stdlib (http.server, base64, json, subprocess): ok")

r = subprocess.run(["lsof", "-h"], capture_output=True)
print("lsof:", "ok" if r.returncode in (0,1) else "MISSING")

r = subprocess.run(["curl", "--version"], capture_output=True)
print("curl:", "ok" if r.returncode == 0 else "MISSING")

import platform
if platform.system() == "Darwin":
    print("browser opener: open (macOS built-in)")
else:
    r = subprocess.run(["which", "xdg-open"], capture_output=True)
    print("browser opener: xdg-open", "ok" if r.returncode == 0 else "MISSING — install xdg-utils")

if missing:
    print("\n缺少以下包，请安装：")
    for pkg in missing:
        print(f"  python3 -m pip install {pkg} --user")
else:
    print("\n所有依赖已满足。")
EOF

依赖明细

HTML 文件本身完全自包含（图片 base64 内嵌），生成和启动服务均不需要联网。

---

HTML 笔记生成

分析完成后，必须生成本地 HTML 阅读笔记并打开浏览器。深度精读不得跳过此步骤。

Step 1：确定输出路径

mkdir -p ~/paper-notes
SLUG=$(echo "" | tr '[:upper:]' '[:lower:]' | sed 's/[^a-z0-9]/-/g' | sed 's/--*/-/g' | cut -c1-60)
OUTPUT="$HOME/paper-notes/${SLUG}.html"
echo "Output: $OUTPUT"

Step 2：提取论文原图

从 PDF 提取图片并 base64 编码，内嵌进 HTML。需要 pymupdf（见依赖节）。若输入只有 URL 或标题（无本地 PDF），跳至 Step 2b，仅用 Mermaid 图。

# 运行方式: python3 extract_figs.py 
import fitz, base64, json, sys, os

pdf_path = sys.argv[1]
doc = fitz.open(pdf_path)
figures = []

# Pass 1: 取 PDF 内嵌的栅格图（已光栅化的图）
for pg_num in range(len(doc)):
    page = doc[pg_num]
    text_lines = [l.strip() for l in page.get_text().split('\n')]
    captions = [l for l in text_lines if l.lower().startswith('figure')]
    for img_idx, img_info in enumerate(page.get_images(full=True)):
        xref = img_info[0]
        pix = fitz.Pixmap(doc, xref)
        if pix.width < 120 or pix.height < 120:  # 跳过装饰性小图
            pix = None; continue
        if pix.n > 4:                             # CMYK → RGB
            pix = fitz.Pixmap(fitz.csRGB, pix)
        b64 = base64.b64encode(pix.tobytes("png")).decode()
        cap = captions[img_idx] if img_idx < len(captions) else f"Figure (page {pg_num+1})"
        figures.append({"label": f"fig_p{pg_num+1}_{img_idx}", "page": pg_num+1,
                        "caption": cap, "b64": b64, "w": pix.width, "h": pix.height})
        pix = None

# Pass 2: 矢量绘制的图所在页，整页 2× 渲染并精确裁剪图区
raster_pages = {f["page"]-1 for f in figures}
for pg_num in range(len(doc)):
    if pg_num in raster_pages:
        continue
    page = doc[pg_num]
    text = page.get_text()
    if not any(kw in text.lower() for kw in ['figure ', 'fig.']):
        continue
    # 用 drawing bbox 精确裁剪图区（含 caption padding）
    paths = page.get_drawings()
    img_blocks = [b for b in page.get_text("dict")["blocks"] if b.get("type") == 1]
    fig_rects = [fitz.Rect(p["rect"]) for p in paths if p["rect"][2]-p["rect"][0] > 20]
    for ib in img_blocks:
        fig_rects.append(fitz.Rect(ib["bbox"]))
    if fig_rects:
        union = fig_rects[0]
        for r in fig_rects[1:]: union = union | r
        pad = 10
        pw, ph = page.mediabox.width, page.mediabox.height
        clip = fitz.Rect(max(0,union.x0-pad), max(0,union.y0-pad),
                         min(pw,union.x1+pad), min(ph,union.y1+pad))
        # 向下扩展到 caption 文字
        for b in page.get_text("dict")["blocks"]:
            if b.get("type") != 0: continue
            bt = " ".join(s["text"] for ln in b["lines"] for s in ln["spans"])
            if "figure" in bt.lower() and fitz.Rect(b["bbox"]).y0 < clip.y1 + 60:
                clip = clip | fitz.Rect(b["bbox"])
    else:
        clip = fitz.Rect(0, 0, page.mediabox.width, page.mediabox.height * 0.65)
    captions = [l.strip() for l in text.split('\n') if l.strip().lower().startswith('figure')]
    mat = fitz.Matrix(2.0, 2.0)
    pix = page.get_pixmap(matrix=mat, clip=clip, alpha=False)
    b64 = base64.b64encode(pix.tobytes("png")).decode()
    cap = captions[0] if captions else f"Figure (page {pg_num+1})"
    figures.append({"label": f"fig_p{pg_num+1}_render", "page": pg_num+1,
                    "caption": cap, "b64": b64, "w": pix.width, "h": pix.height,
                    "full_page": True})
    pix = None

doc.close()
print(json.dumps(figures))  # 被 HTML 生成步骤消费

将脚本 JSON 输出中的 b64 值作为 data:image/png;base64, 图片源内嵌进 HTML。每张图的 HTML 结构：

  
  
    {caption}
  

每张图放在讨论它的段落之后，不要集中放到末尾。无 PDF 时跳过此步骤，仅用 Mermaid 图。

Step 2b：写 HTML 文件

写一个自包含 HTML 文件到 $OUTPUT。所有 CSS/JS 内联，仅允许加载以下两个可信 CDN 库：

• MathJax：https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js
• Mermaid（无 PDF 时用）：https://cdn.jsdelivr.net/npm/mermaid/dist/mermaid.min.js

HTML 骨架

<!DOCTYPE html>


  
  
  {paper title}
  
  
  
  


  <!-- 见内容规范 -->
  

样式规范

body { max-width: 860px; margin: 0 auto; padding: 2rem; font-family: 'Georgia', serif; color: #222; line-height: 1.75; background: #fafaf8; }
h1 { font-size: 1.6rem; border-bottom: 2px solid #333; padding-bottom: 0.4rem; margin-top: 2rem; }
h2 { font-size: 1.2rem; color: #444; margin-top: 1.8rem; }
h3 { font-size: 1rem; color: #555; }
.paper-card { background: #f0ede6; border-left: 4px solid #8b7355; padding: 1rem 1.2rem; border-radius: 4px; margin: 1.2rem 0; }
.paper-card p { margin: 0.3rem 0; }
.claim-table { width: 100%; border-collapse: collapse; font-size: 0.9rem; }
.claim-table th { background: #e8e4db; text-align: left; padding: 0.5rem 0.7rem; }
.claim-table td { border-top: 1px solid #ddd; padding: 0.5rem 0.7rem; vertical-align: top; }
.badge { display: inline-block; padding: 0.15rem 0.5rem; border-radius: 3px; font-size: 0.78rem; font-family: monospace; }
.badge-strong { background: #d4edda; color: #155724; }
.badge-weak   { background: #fff3cd; color: #856404; }
.badge-unsup  { background: #f8d7da; color: #721c24; }
.mermaid { margin: 1.2rem 0; }
blockquote { border-left: 3px solid #bbb; margin: 1rem 0; padding: 0.5rem 1rem; color: #555; font-style: italic; }
code { background: #f0ede6; padding: 0.1rem 0.3rem; border-radius: 2px; font-size: 0.88em; }
pre { background: #f0ede6; padding: 1rem; border-radius: 4px; overflow-x: auto; }
.tag { display: inline-block; background: #e8e4db; padding: 0.1rem 0.5rem; border-radius: 10px; font-size: 0.8rem; margin: 0.1rem; }
nav { position: sticky; top: 0; background: #fafaf8ee; border-bottom: 1px solid #ddd; padding: 0.5rem 0; margin-bottom: 1.5rem; font-size: 0.85rem; }
nav a { margin-right: 1rem; color: #5a4a3a; text-decoration: none; }
nav a:hover { text-decoration: underline; }

内容规范

按用户语言（从调用 prompt 判断）生成所有章节：

1. 粘性导航栏 — 各节锚点链接。
2. Paper Card (``) — 标题、作者、venue/年份、来源链接、领域/任务、一句话论文、标签、阅读决策（精读/略读/跳过，附一行理由）。
3. 整体认知 — 问题、先前局限、核心思想、主要贡献、主要证据，3–5 短段散文。
4. 方法 — 优先放论文 Figure 1（架构图）的 `` 标签（来自 Step 2 的 base64）。无 PDF 时用 Mermaid 流程图替代。行内 LaTeX 用 $...$，显示公式用 $$...$$。其他方法图紧跟讨论它的段落之后。
5. 证据账本 — HTML 表格，列：主张 / 证据 / 强度（strong/weak/unsupported badge）/ 注意事项 / 待验证。
6. 批判评价 — 优缺点、隐含假设、复现风险、缺失对照，双列表格或列表。
7. 研究用途 — 可复用的设计、应规避的设计、后续论文（附 arXiv 链接）、可能的研究方向。
8. 附录图 — 论文附录或后续页的额外图（如注意力可视化、消融图），full_page: true 的整页渲染放这里，不要混入正文节。
9. 页脚 — "Generated by mli-paper-reading skill · {date}" 小灰字。

保持分析性语气，不要填充废话。推断内容明确标注「（推断）」或「(inferred)」。

HTML 生成安全规则

1. LaTeX 数学中的 < 和 > 必须转义为 < 和 >。 浏览器在 MathJax 运行之前解析 HTML，$...$ 或 $$...$$ 中的裸 < 会被当作标签开口截断公式。正确写法：$x_{\<k}$。
2. 中文及所有非 ASCII 字符直接写 UTF-8，不用 HTML 数字实体。 每（每）这类实体在字符串拼接时容易被截断，产生乱码。文件以 charset=UTF-8 服务，直接写汉字永远安全。

Step 3：找空闲端口并起服务

PORT=7410
while lsof -i :$PORT >/dev/null 2>&1; do PORT=$((PORT+1)); done

python3 -m http.server $PORT --directory "$HOME/paper-notes" \
  --bind 127.0.0.1 >/tmp/paper-notes-server.log 2>&1 &
echo $! > /tmp/paper-notes-server.pid

for i in $(seq 1 10); do
  curl -s "http://localhost:$PORT/" >/dev/null 2>&1 && break
  sleep 0.5
done

echo "Serving at http://localhost:$PORT"
echo "Note: http://localhost:$PORT/${SLUG}.html"

Step 4：打开浏览器

open "http://localhost:$PORT/${SLUG}.html"   # macOS
# Linux: xdg-open "http://localhost:$PORT/${SLUG}.html"

Step 5：向用户报告并发起追问

浏览器打开后，先报告结果，再展示追问菜单，引导用户进一步深挖：

✅ 笔记已生成并在浏览器中打开
   地址：http://localhost:{PORT}/{slug}.html
   文件：~/paper-notes/{slug}.html
   停止服务：kill $(cat /tmp/paper-notes-server.pid)

────────────────────────────────
📖 想继续深挖？选一个方向：

  1. 🔬 方法深挖 — 逐公式拆解，写伪代码/推导步骤
  2. 🧪 实验审查 — 逐个质疑实验设计，找潜在缺陷
  3. 🔁 复现清单 — 输出可执行的复现 Recipe + 风险点
  4. ⚖️  对比分析 — 与指定论文做维度对比表
  5. 🗺️  文献地图 — 找前驱/后续论文，梳理研究谱系
  6. 💡 研究方向 — 在此基础上提出可做的 idea
  7. ❓ 自由提问 — 直接输入你的问题

回复数字或直接描述你的需求。
────────────────────────────────

用户选择后，针对性深化分析，并将新内容追加到同一 HTML 文件（不重新生成整个文件，只追加对应节）。