Academic Paper Analyzer - 学术论文深度解析
核心能力
- MinerU Cloud API 高精度 PDF 解析
- 自动提取图片、表格、LaTeX 公式
- 多种写作风格：故事型 / 学术型 / 精炼型
- 可选公式讲解：插入公式图片并详细解读
- 可选代码分析：结合 GitHub 开源代码讲解
- 输出 Markdown + HTML（base64 嵌入图片）
前置准备
MinerU API Token
- 访问 https://mineru.net 注册账号
- 获取 API Token
- 设置环境变量（推荐）：
export MINERU_TOKEN="your_token_here"
依赖安装
pip install requests markdown
操作步骤
第一步：PDF 解析（使用 MinerU API）
python scripts/mineru_api.py <pdf_path> <output_dir>
或者直接传入 token：
python scripts/mineru_api.py paper.pdf ./output YOUR_TOKEN
输出结果：
output_dir/*.md- Markdown 文件（含公式、表格）output_dir/images/- 高质量提取的图片
第二步：提取论文信息
python scripts/extract_paper_info.py <output_dir>/*.md paper_info.json
第三步：风格选择（询问用户）
在生成文章前，必须询问用户以下选项：
1. 写作风格（必选）
| 风格 | 特点 | 适用场景 |
|---|---|---|
| storytelling（故事型） | 从直觉出发，用比喻和例子，像讲故事 | 公众号、技术博客、科普 |
| academic（学术型） | 专业术语，严谨表述，保留原文概念 | 学术报告、论文综述、研究组分享 |
| concise（精炼型） | 直击核心，表格列表，信息密度高 | 快速了解、论文速览、技术调研 |
2. 公式选项（可选）
| 选项 | 说明 |
|---|---|
| with-formulas | 插入公式图片并详细讲解符号含义 |
| no-formulas（默认） | 纯文字描述，不包含公式图片 |
3. 代码选项（可选，仅当论文有 GitHub 时）
| 选项 | 说明 |
|---|---|
| with-code | 克隆仓库，贴关键源码，代码与论文对照讲解 |
| no-code（默认） | 不包含代码分析 |
询问示例：
请选择文章风格：
- academic - 学术型，专业严谨（默认推荐）
- storytelling - 故事型，朴素接地气
- concise - 精炼型，快速阅读
是否需要公式讲解？（论文包含数学公式时推荐） 是否需要结合 GitHub 代码分析？（检测到开源仓库：xxx）
如果用户不确定选哪个，默认使用 academic（学术型）风格。
第四步：智能生成文章
根据用户选择的风格，阅读对应的风格定义文件：
styles/storytelling.md- 故事型风格指南styles/academic.md- 学术型风格指南styles/concise.md- 精炼型风格指南styles/with-formulas.md- 公式讲解指南styles/with-code.md- 代码分析指南
轻量模式（节省上下文）
重要：为避免上下文膨胀，请遵循以下原则：
- 不要反复读取图片文件 - MinerU 已提取高质量图片，直接引用路径即可
- 信任 paper_info.json - 包含图片列表和元数据，无需视觉确认
- 只看关键图 - 最多读取 1-2 张核心架构图，其余直接引用
- 让用户验证 - 生成 HTML 后让用户自己检查图片是否正确
通用写作原则
避免：
- AI 常用词（"深入探讨"、"至关重要"、"在...领域"）
- 机械化章节标题
- LaTeX 公式语法（如
$\mathcal{O}(1)$）- 使用提取的公式图片 - 平铺直叙的技术描述
采用：
- 自然段落叙述
- 充分利用 MinerU 提取的图片
- 论文中的每张关键图都应该被讲解到
- 公式截图比 LaTeX 语法更易读
storytelling 风格方法论（故事型专用）
以下方法论仅在用户选择 storytelling 风格时应用：
1. 从直觉切入，不要直接讲技术
- 错误："本文提出了一种基于哈希表的条件记忆模块"
- 正确："你有没有想过，大模型其实是没有记忆功能的？"
2. 先讲历史背景，再讲创新
- 介绍新技术前，先解释相关的旧技术
- 让读者理解"为什么需要这个创新"
3. 用简单例子贯穿全文
- 选一个简单的例子反复使用
- 例如："中国的首都在北京"
4. 使用生动的比喻
- "大炮打蚊子"、"查字典 vs 背字典"
- 让抽象概念具象化
5. 逻辑递进，层层深入
- 简单问题 → 复杂问题 → 解决方案
6. 提炼核心洞见
- 用一句话总结，如"记忆归记忆，计算归计算"
文章结构
1. 论文信息
**论文标题**：xxx
**论文链接**：[arXiv](https://arxiv.org/abs/xxxx)
**作者团队**：xxx
2. 直觉引入（2-3段）
- 从一个问题或场景开始
- 让读者产生好奇心
- 引出"为什么需要这个研究"
3. 背景知识（3-4段）
- 解释相关的基础技术或历史方法
- 用简单例子说明
- 让读者理解现有方案的局限
4. 核心创新（4-5段）
- 详细讲解论文的创新点
- 每个创新点都要有图片支撑
- 用比喻和例子让抽象概念具象化
- 公式用图片展示，不用 LaTeX 语法
5. 实验验证（2-3段）
- 关键的实验结果图表
- 对比分析和数据解读
- 突出最亮眼的结果
6. 深入分析（2-3段）
- 机制分析、消融实验等
- 解释"为什么这个方法有效"
- 提供更深层次的理解
7. 思考与展望（1-2段）
- 提炼核心洞见
- 预测未来发展方向
- 个人观点和评价
第五步：输出格式（询问用户）
默认输出 Markdown，文章写完后询问用户是否需要其他格式：
"文章已生成：
article.md。需要生成 HTML 版本吗？（HTML 会嵌入图片，方便直接分享）"
格式对比：
| 格式 | 优势 | 适用场景 |
|---|---|---|
| MD（默认） | 轻量、易编辑、公众号可直接导入 | 日常使用 |
| HTML | 图片嵌入、单文件分享 | 预览效果、分享给他人 |
如果用户需要 HTML：
python scripts/generate_html.py <article.md> <output.html>
资源索引
风格定义：
styles/storytelling.md- 故事型风格styles/academic.md- 学术型风格styles/concise.md- 精炼型风格styles/with-formulas.md- 公式讲解styles/with-code.md- 代码分析
脚本：
scripts/mineru_api.py- MinerU Cloud API 调用（推荐）scripts/convert_pdf.py- 本地转换（备选，需要 PyMuPDF）scripts/extract_paper_info.py- 提取论文元数据scripts/generate_html.py- 生成 HTML（base64 图片）
注意事项
- 优先使用 MinerU API，精度最高，支持公式/表格
- 节省上下文：不要反复读取图片，信任元数据
- 不输出分析过程，用户只看最终文章
- 避免分点列表，使用自然段落叙述
- 图片选择 3-5 张关键图表
API 限制
- 单个文件最大 200MB
- 单个文件最多 600 页
- 支持 PDF、DOC、PPT、图片等格式