是精读笔记，不是摘要复述
笔记会解释论文证明了什么、还没证明什么、哪些实验最关键，以及结论能走到哪里。
把一篇复杂的论文，整理成一份真正值得保留的 Obsidian 精读笔记
DeepPaperNote 是给研究者用的论文精读工作流——先取证、再写作，不只是把摘要复述一遍。
这份笔记，本身就是产品。
DeepPaperNote 围绕“你真正会留下的那份笔记”来设计：结构清晰、有据可查、图表完整，适合长期放进 Obsidian 知识库。
结果表格更清楚
多个模型、数据集、任务、设置或指标的核心比较，会整理成紧凑 Markdown 表格，并解释数字含义。
图像优先插入
可用图表直接嵌入为真实图片；缺失、破损或不匹配时才保留占位符。
输出结构
DeepPaperNote 输出
- 01 核心信息
- 02 证据支撑的解析
- 03 结果表格
- 04 图像优先
- 05 精读分析
结果、图表与公式
核心比较、可用图像和公式都贴近分析保留。
核心比较会整理成紧凑 Markdown 表格，可用图表和公式会留在它们支撑的分析旁边。
图 2 架构 + 表 4 结果 图片已嵌入
输入 Token
嵌入
多头注意力 残差 + 归一化
前馈网络
输出状态
Attention(Q, K, V) = softmax(QKT / √dk)V
| 设置 | 指标 | 说明 |
|---|---|---|
| 主模型 | +4.8 F1 | 整体权衡最好 |
| 消融设置 | -2.1 F1 | 模块确实有贡献 |
| 基线 | 73.2% | 对照参照点 |
从论文到笔记，走一条严谨的流程。
脚本负责取证，模型负责精读；最终笔记会经过 lint 校验和可读性复核，再写进你的研究知识库。
- 解析 锁定这篇论文的唯一身份。
- 原文 从原文章节和元数据取证，不只看标题或摘要。
- 规划 确定核心结论、关键实验和分析重点。
- 结果与图表 把比较整理成表格，并嵌入可用图像。
- 复核 保存前检查证据、分析深度和可读性。
- 保存 按 Obsidian 的习惯，归档到对应的论文文件夹。
装好这个 Skill，丢给它一篇论文就行。
论文标题、DOI、URL、arXiv 链接或本地 PDF 都可以，交给 agent 就能开始生成精读笔记。
npx skills add 917Dhj/DeepPaperNote python3 -m pip install PyMuPDF 把这篇文章整理成 Obsidian 笔记：https://arxiv.org/abs/1706.03762