What makes paper-report notable?

1.6K downloads. Trust evidence available

How should paper-report be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

paper-report

Convert academic papers into structured Chinese reading reports with original figures. Supports arXiv HTML and local PDF inputs. For arXiv links, HTML mode is preferred for textual accuracy. Use when the user asks to summarize, read, analyze, or create a reading report for an academic paper. Skill: paper-report Owner: x-lixu Summary: Convert academic papers into structured Chinese reading reports with original figures. Supports arXiv HTML and local PDF inputs. For arXiv links, HTML mode is preferred for textual accuracy. Use when the user asks to summarize, read, analyze, or create a reading report for an academic paper. Tags: latest:2.1.2 Version history: v2.1.2 | 2026-07-14T03:08:00.370Z | user - Remov

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.6k

Updated

Oct 10, 2026

Version

2.1.2

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.6K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.6K downloadsadoption · observed Oct 10, 2026
Latest release: 2.1.2release · observed Jul 14, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s1705pdeyeff9vw9x69are6zrs83ga07:paper-report

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-x-lixu-paper-report/snapshot"

Documentation

CLAWHUB

121,241 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: paper-report
description: Convert academic papers into structured Chinese reading reports with original figures. Supports arXiv HTML and local PDF inputs. For arXiv links, HTML mode is preferred for textual accuracy. Use when the user asks to summarize, read, analyze, or create a reading report for an academic paper (PDF file or arXiv link).
---

# Paper Reader

将学术论文转化为结构化的中文阅读报告。输入方式（`reader/`）与输出格式（`writer/`）独立解耦，详见末尾目录结构。

> **脚本运行时**：`reader/` 输入处理与 HTML / Markdown writer 构建脚本用 `python3`；Word (.docx) writer 构建脚本用 `node`。环境相关的路径 / 依赖细节在各 writer 文档的"已知陷阱"里单独说明。

---

## Step 1: 路由决策

### 1.1 选择输出格式

- 用户明确指定 → 按用户要求。
- 用户未指定 → **默认 HTML**。

确定后**记住这个选择**，用于 Step 2 时分发到对应的 writer。

### 1.2 选择输入处理模式

两种模式完全独立，**不得混用**。规则：

**规则 1：用户提供本地 PDF 文件路径**
→ 使用 **PDF 模式**，跳转至 [reader/pdf.md](reader/pdf.md) 执行 P1–P5。

**规则 2：用户提供 arXiv 链接（不论 `/pdf/` 还是 `/html/` 形式）**
→ 优先尝试 HTML 模式。构造 HTML URL：将 `/pdf/` 替换为 `/html/`，并去掉末尾的 `.pdf`。
例：`https://arxiv.org/pdf/2605.12036` → `https://arxiv.org/html/2605.12036`

用 curl 检查页面是否存在：

```bash
curl -sI "https://arxiv.org/html/{ARXIV_ID}" | head -1
```

- 返回 `HTTP/... 200` → **HTML 模式**，跳转至 [reader/html.md](reader/html.md) 执行 H1–H3。
- 返回非 200（如 404）→ 回退到 **PDF 模式**，跳转至 [reader/pdf.md](reader/pdf.md) 执行 P1–P5。

**规则 3：用户提供其他 HTML 页面链接**
→ **HTML 模式**，跳转至 [reader/html.md](reader/html.md) 执行 H1–H3。

> 完成对应模式的步骤后，回到本文档继续 **Step 2**。

---

## Step 2: 生成中文阅读报告

完成输入处理后，`{workspace}/figures/` 已包含所有目标图表。

### 2.1 报告结构（参考框架，可根据论文内容灵活调整）

```
1. 论文基本信息（标题、作者、机构、发表信息）
2. 研究背景与动机
3. 核心方法 / 技术方案（配架构图）
4. 实验设计
5. 实验结果与分析（配结果图表）
6. 主要贡献与创新点
7. 局限性与未来方向
8. 个人点评与总结
```

**灵活性**：根据论文内容可增加章节（如 Case Study、数据集详解）、合并章节（如实验设计与结果合一）、自由组织子结构。

**附录内容集成**：

- "方法实现细节/超参数/训练配置" → **融入对应主方法章节**
- "补充实验/额外消融" → 融入实验结果章节或独立小节
- "独立子课题/独立证明" → 可设独立附录章节

### 2.2 图表选取原则

根据报告内容需要选取，**不设数量硬上限**：

- 架构图/流程图：必选（帮助读者建立全局理解）
- 主实验结果表/图：必选
- 关键消融/对比图：报告中有讨论则选入
- Case Study 截图：有说明价值则选入

### 2.3 通用写作要求

- 全文中文，术语首次出现时附英文原文，如"注意力机制（Attention Mechanism）"
- 图表引用："如图 1 所示，..." / "表 1 汇总了..."
- 严格基于原文，不添加原文未涉及的推测或数据
- 每章应有实质内容，避免泛泛而谈
- **不**包含"报告生成日期"或"AI 生成"相关文字

### 2.4 按输出格式分发

根据 Step 1.1 的输出格式选择，跳转到对应的 writer 文档：

- **HTML 输出** → [writer/html.md](writer/html.md)
- **Markdown 输出** → [writer/markdown.md](writer/markdown.md)
- **Word (.docx) 输出** → [writer/docx.md](writer/docx.md)

每份 writer 文档包含完整的：图片处理 / 数学公式 / 表格 / 模板路径 / 文件命名 / 写作风格 / 校验清单 / 已知陷阱。

---

## Step 3: 校验

按所选 writer 文档的**第 8 节"校验清单"**逐项检查。

**通用必检项**（任何格式都适用）：

- 各章节标题完整、层级清晰
- 章节有实质内容，无空段落或 `{{...}}` 占位符残留
- 无"报告生成日期"或"AI 辅助生成"文字

**如果发现问题**：直接修复对应文件，修复后重新保存到同一路径。

---

## 特殊情况处理

**超长论文（>20 页 / >50,000 字符）**：分批处理，先通读整体结构，再聚焦核心章节（方法、实验、结论）。

**双栏排版论文（PDF 模式）**：单栏图宽约 30–280 或 300–565 pt，跨栏图宽约 30–565 pt，调整裁剪坐标。

**扫描版 PDF**：文字模糊时通过图片阅读，报告中注明来源质量受限。

**论文含附录**：参照 Step 2.1 中"附录内容集成"处理。

---

## 文件结构参考

```
paper-report/
├── SKILL.md                    # 本文件（路由 + 通用流程）
├── reader/
│   ├── html.md                 # 输入处理：HTML 模式（H1–H3）
│   └── pdf.md                  # 输入处理：PDF 模式（P1–P5）
├──

_meta.json

{
  "ownerId": "kn7684ff77rdsthe90drq4z88183f71s",
  "slug": "paper-report",
  "version": "2.1.2",
  "publishedAt": 1783998480370
}

reader/html.md

# HTML 模式处理流程

本文档描述从 arXiv HTML 页面（或其他 HTML 形式论文）提取内容的完整流程。
完成 H1–H3 后，返回 [SKILL.md](../SKILL.md) 执行 **Step 2**（生成报告）和 **Step 3**（校验）。

## 进度清单

```
Task Progress (HTML Mode):
- [ ] Step H1: 下载 HTML 文件
- [ ] Step H2: 提取正文文本 & 规划图表清单
- [ ] Step H3: 下载图表图片并校验
- [ ] 返回 SKILL.md Step 2: 生成报告
- [ ] 返回 SKILL.md Step 3: 校验文件
```

---

### Step H1: 下载 HTML 文件

确定 HTML URL（来自路由决策），下载到工作目录：

```bash
curl -sL "{HTML_URL}" -o {workspace}/paper.html
```

验证下载成功（文件应大于 10KB，且包含 `<html` 标签）：

```bash
wc -c {workspace}/paper.html
grep -c "<html" {workspace}/paper.html
```

---

### Step H2: 提取正文文本 & 规划图表清单

**任务 A — 提取纯文本（含公式与表格结构）**：

使用 `scripts/extract_html_text.py` 提取干净的正文文本，保留数学公式和表格基本结构：

```bash
python3 scripts/extract_html_text.py {workspace}/paper.html {workspace}/paper_text.txt
```

脚本将 `<math>` 标签转为 LaTeX 格式（`$...$` / `$$...$$`），表格转为管道分隔行，输出到 `paper_text.txt`。

**任务 B — 提取图表 URL 列表**：

使用 `scripts/extract_figure_urls.py` 扫描 HTML 中所有 `<figure>` 块，提取可下载图片 URL 并识别内联 SVG：

```bash
python3 scripts/extract_figure_urls.py {workspace}/paper.html "{HTML_URL}"
```

脚本输出两类结果：
- **Downloadable figures**：带有 `<img>` 标签的图片，输出完整 URL
- **Inline SVG figures**：无外部图片文件，需用 cairosvg 转为 PNG（见 Step H3 末尾说明）

**任务 C — 阅读正文**：

使用 Read 工具阅读 `{workspace}/paper_text.txt`，理解论文全文内容。超长文本（>50,000 字符）使用 `offset` 和 `limit` 参数分批阅读。

在阅读过程中，从上方图表 URL 列表中挑选需纳入报告的**关键图表**（选取原则见 [SKILL.md](../SKILL.md) Step 2「图表选取原则」）。

记录下载计划：

```
图表下载计划：
1. Figure 1 - 系统架构图 → {URL1} → fig1_architecture.png
2. Figure 2 - 数据集构造 → {URL2} → fig2_dataset.png
3. Figure 4 - 方法框架 → {URL3} → fig4_framework.png
4. Table 3 - 实验结果 → {URL4} → table3_results.png
...
```

---

### Step H3: 下载图表图片并校验

根据 Step H2 的下载计划，逐一下载图片到 `{workspace}/figures/`：

```bash
mkdir -p {workspace}/figures
curl -sL "{FIGURE_URL}" -o {workspace}/figures/{FIGURE_NAME}
```

下载完成后，使用 Read 工具逐一查看每张图片，确认：
- 图片内容与预期图表一致（非空白、非破损）
- 图表标题或标注清晰可见
- 若图片无法正常显示或内容不对，记录问题并跳过该图（不强制使用）

**下载失败排查**：如果 curl 返回 HTML 错误页或 0 字节文件，检查 URL 是否正确。常见问题：
- arXiv 图片路径可能是 `x1.png`, `x2.png` 等简短名称
- 确认 `urljoin` 结果是否合理，必要时手动构造 URL

**内联 SVG 图表处理**：

部分 arXiv HTML 论文（尤其是 TikZ 绘制的图）不使用外部图片文件，而是将 SVG 直接内嵌在 `<figure>` 标签中。此时 Step H2 的图表 URL 列表中**不会出现**对应图片。

识别方式：`<figure>` 内包含 `<svg>` 标签而非 `<img>` 标签。

处理方法——**直接将 SVG 转为 PNG**（依赖 `cairosvg`，首次使用时安装：`python3 -m pip install cairosvg`）：

```python
import re, cairosvg

# 从 HTML 中提取目标 <figure> 内的 <svg>...</svg> 完整内容
svg_match = re.search(r'(<svg[^>]*>.*?</svg>)', figure_block, re.DOTALL)
svg_string = svg_match.group(1)

# 渲染为 2x 分辨率 PNG
cairosvg.svg2png(bytestring=svg_string.encode('utf-8'),
                 write_to='{workspace}/figures/{name}.png',
                 scale=2)
```

转换后用 Read 工具查看图片，确认渲染正确。

> 仅对内联 SVG 图表执行此转换，能正常下载的 `<img>` 图片不受影响。

---

完成以上 H1–H3 后，返回 [SKILL.md](../SKILL.md) 执行 **Step 2** 生成报告。

reader/pdf.md

# PDF 模式处理流程

本文档描述从本地 PDF 文件或下载的 arXiv PDF 提取内容的完整流程。
完成 P1–P5 后，返回 [SKILL.md](../SKILL.md) 执行 **Step 2**（生成报告）和 **Step 3**（校验）。

## 依赖

```bash
python3 -m pip install PyMuPDF --quiet
```

## 进度清单

```
Task Progress (PDF Mode):
- [ ] Step P1: 获取 PDF 文件
- [ ] Step P2: PDF 转图片
- [ ] Step P3: 逐页阅读理解 & 规划截图
- [ ] Step P4: 裁剪关键图表
- [ ] Step P5: 校验截图质量
- [ ] 返回 SKILL.md Step 2: 生成报告
- [ ] 返回 SKILL.md Step 3: 校验文件
```

---

### Step P1: 获取 PDF 文件

**用户提供本地文件路径？** → 直接使用该路径，跳过下载。

**来自 arXiv（HTML 不可用，回退到 PDF 模式）？** → 用 curl 下载：

```bash
# arXiv ID 如 2605.12036
curl -L -o {workspace}/paper.pdf "https://arxiv.org/pdf/{ARXIV_ID}"
```

验证下载成功：

```bash
file {workspace}/paper.pdf
```

输出应包含 `PDF document`。如需确认页数，可用 PyMuPDF：

```python
import fitz
doc = fitz.open('{workspace}/paper.pdf')
print(f"Pages: {doc.page_count}")
doc.close()
```

---

### Step P2: PDF 转图片

使用 `scripts/pdf_to_images.py` 将每一页渲染为 PNG 图片：

```bash
python3 scripts/pdf_to_images.py {workspace}/paper.pdf {workspace}/pages
```

脚本以 2x 分辨率渲染，输出到 `{workspace}/pages/page_1.png`, `page_2.png`, ...

此步骤的目的是让模型以图片形式"看到"每一页的完整布局，包括公式、图表和排版。

---

### Step P3: 逐页阅读理解 & 规划截图

使用 Read 工具逐页查看 `{workspace}/pages/page_N.png` 图片。

每页阅读时，**同时完成两个任务**：

**任务 A — 内容理解**：
- 提取该页的核心论点、方法描述、实验结果等关键信息
- 用中文记录摘要，为最终报告准备素材

**任务 B — 图表定位**：
- 识别页面中的所有 Figure、Table
- 目测其在图片中的像素范围，换算为 PDF 裁剪坐标

**坐标换算方法**：

页面图片以 2x 渲染，因此：

```
PDF 坐标 = 图片像素坐标 ÷ 2
```

典型 A4 页面：图片约 1190 × 1684 px，对应 PDF 约 595 × 842 pt。

目测图表在图片中的上下左右像素边界，除以 2 后得到 `(x0, y0, x1, y1)`。

**双栏论文注意**：
- 跨双栏的满宽图表：x 范围约 `30 ~ 565`
- 仅占左栏的图表：x 范围约 `30 ~ 295`
- 仅占右栏的图表：x 范围约 `300 ~ 565`

**Caption 边界（重要）**：裁剪矩形必须完整包含图/表下方（或上方）的 caption 行——即 `Figure N: ...` / `Table N: ...` 那一整段说明文字。writer 在正文中会以"如图 N 所示"、"表 N 汇总了..."方式引用原文，因此 caption 必须在图内可见；漏掉 caption 会导致下游报告失去溯源信息。同时，相邻正文段落必须**留在矩形之外**——y 边界宁可紧贴 caption 收窄，也不要把下一段正文文字一起框进来。

不确定时宁可稍宽（后续 P5 校验可缩窄），留约 10pt 的上下 margin，但**不要越过 caption 边界把正文段落一起裁进来**。

**图表选取原则**：见 [SKILL.md](../SKILL.md) Step 2「图表选取原则」。

**输出**：整理出截图计划列表，例如：

```
截图计划：
1. Figure 2 - 系统架构图（满宽） → page 3, Rect(30, 55, 565, 258)
2. Figure 3 - DiT 维度对比（左栏）→ page 6, Rect(30, 252, 295, 388)
3. Figure 5 - 主观评价（左栏）  → page 9, Rect(30, 55, 295, 180)
```

> **注意**：PDF 模式通过图片视觉推理理解内容，存在一定的误读风险，特别是在具体数字和表格数值方面。撰写报告时，对关键数据务必谨慎，有疑问时在报告中注明"根据图表目视"而非断言具体数值。

---

### Step P4: 裁剪关键图表

根据 Step P3 的截图计划，使用 `scripts/crop_figures.py` 批量裁剪：

```bash
python3 scripts/crop_figures.py \
  {workspace}/paper.pdf \
  {workspace}/figures \
  '{crop_spec_json}'
```

其中 `{crop_spec_json}` 是 JSON 格式的裁剪规格：

```json
[
  {"page": 3, "rect": [30, 38, 565, 290], "name": "fig1_architecture"},
  {"page": 3, "rect": [30, 295, 565, 485], "name": "fig2_results"},
  {"page": 5, "rect": [30, 50, 565, 200], "name": "table1_metrics"}
]
```

脚本以 3x 分辨率裁剪，输出到 `{workspace}/figures/` 目录。

---

### Step P5: 校验截图质量

使用 Read 工具逐一查看 `{workspace}/figures/` 中的每张截图：

- 图表内容是否完整，没有被截断？
- 是否包含了图表标题和标注？
- 是否有多余的文字区域混入？

**如果某张截图有问题**：调整对应的 Rect 坐标（扩大或缩小范围），然后重新裁剪该图。

**快速调整技巧**：
- 截断了底部 → 增大 y1（向下扩展）
- 截断了

skill-card.md

## Description:

Convert academic papers from arXiv HTML pages or local PDFs into structured Chinese reading reports with original figures.

This skill is ready for commercial/non-commercial use.

## Publisher:

[nuaalixu](https://clawhub.ai/user/nuaalixu)

### License/Terms of Use:

MIT-0

## Use Case:

Developers, researchers, students, and other paper readers use this skill to summarize, analyze, and create structured Chinese reading reports for academic papers. It supports HTML, Markdown, and Word outputs with selected original figures.

### Deployment Geography for Use:

Global

## Known Risks and Mitigations:

Risk: The skill downloads paper HTML, PDFs, and figure assets from the web, which can expose the workspace to untrusted content.

Mitigation: Run it in a constrained workspace, avoid untrusted paper HTML pages, and verify figure URLs before download.

Risk: Generated HTML reports may contain unsafe or poorly escaped content.

Mitigation: Treat generated HTML as untrusted until escaping and script controls are reviewed.

Risk: Dependency installation guidance is under-scoped and may use unpinned packages.

Mitigation: Prefer pinned local dependencies and review package installs before execution.

## Reference(s):

- [ClawHub skill page](https://clawhub.ai/nuaalixu/skills/paper-report)

## Skill Output:

**Output Type(s):** [Text, Markdown, Code, Shell commands, Configuration, Files, Guidance]

**Output Format:** [Chinese reading reports in HTML, Markdown, or DOCX, with extracted figure assets and supporting shell commands.]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [May create workspace files such as downloaded paper inputs, extracted text, page images, figures, and final report files.]

## Skill Version(s):

2.1.2 (source: server release metadata)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Github ReposUpdated 15h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.