360 Secure SkillHub
360 安全技能中心

Red Paper Reader

核心功能：可从网页、PDF、社交媒体截图等多来源提取学术论文内容，结合背景调研，将专业科研成果以故事化叙事重构为通俗科普文，兼顾准确性与可读性。典型场景：用户分享arXiv链接、论文截图、提及论文的博客文章等；输入为各类论文相关资源，输出含论文基础信息的结构化科普文章。

2020必胜
2020必胜
热度 74.57
最近更新 2026-09-23 10:43:28
分类：创作依赖：MCP 服务 / 内部调用大模型应用场景：文案创作 / 故事创作 / 研究

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add red-paper-reader
Metadata
name
red-paper-reader
description
将学术论文转化为通俗易懂的科普文章。该技能专注于从各种来源（网页、图片、PDF等）获取论文内容，并以故事化方式重构为面向大众的科普解读。适用于需要将复杂科研成果转化为公众可理解内容的场景，特别是处理arXiv论文、社交媒体中的论文分享截图等。当用户提到"科普论文"、"解读论文"、"论文改写"、"学术论文转科普"、"把论文写成科普文"或分享论文链接/截图时，务必使用此技能。
compatibility
zhiyue-media - zhiyue_media_extract mcp-zhiyue - rag_recognize_image_in_docment - zhiyue_doc_extract firecrawl-mcp-server-cloud - firecrawl_scrape - firecrawl_search tavily-mcp-cloud - tavily_search - tavily_extract serper-cloud - google_search - scrape

红衣版简单读论文改写

将学术论文转化为通俗易懂的科普文章。该技能专注于从各种来源（网页、图片、PDF等）获取论文内容，并以故事化方式重构为面向大众的科普解读。

MCP Access: Use mcporter

你必须使用 mcporter skill 来操作 MCP 工具以完成此技能的任务。 不要直接调用 MCP 工具；所有 MCP 操作都要通过 mcporter 路由。

  • 配置: 全局 MCP 配置位于 ~/.openclaw/workspace/config/mcporter.json。读取此文件，并仅使用此技能所需的 MCP 配置（参见此技能的 compatibility/工具列表）。不要使用配置中的其他 MCP——仅使用为此技能声明的那些。
  • 列出服务器/工具: mcporter list，或 mcporter list <server> --schema 查看特定服务器。
  • 调用工具: mcporter call <server.tool> key=value（例如 mcporter call zhiyue-media.zhiyue_media_extract url=https://example.com/image.jpg）。
  • 此技能的 compatibility 列表（或工具列表）定义了此技能可以使用哪些 MCP 服务器/工具；仅通过 mcporter 调用这些工具，使用全局文件中的配置。

核心工作流程

此技能分为三个主要阶段：输入处理、内容获取和科普改写。

阶段一：输入处理与论文识别

用户可能通过多种方式提供论文信息：

  • 直接的论文 URL（如 arXiv 链接、PDF 链接）
  • 社交媒体截图（Twitter/微博等，包含论文信息）
  • 网页链接（文章中提到论文）
  • 文档文件（PDF/DOC等）

步骤 1: 分析用户输入类型

检查用户提供的内容类型：

  • 如果是图片 URL → 执行图片 OCR 流程
  • 如果是网页 URL → 执行网页抓取流程
  • 如果是文档 URL（PDF/DOC等）→ 执行文档解析流程
  • 如果是 arXiv 链接 → 直接标记为论文 URL

步骤 2: 图片 OCR 处理（如果用户提供图片）

当用户提供图片 URL 时（通常是社交媒体截图）：

  1. 提取文本: 通过 mcporter 调用 zhiyue-media.zhiyue_media_extract 从图片中提取文本

    mcporter call zhiyue-media.zhiyue_media_extract url=<图片URL>

  2. 清理社交媒体噪音: 从 OCR 结果中删除无关元素，只保留核心内容：

    • 删除: 用户名、@username、认证标记、互动数据（点赞/转发/评论数）、时间戳、日期、平台标识、界面按钮文字、话题标签、链接残留、位置信息、翻译提示、线程标记
    • 保留: 实际发言内容、有意义的表情符号、完整句子和段落

  3. 识别论文 URL: 在清理后的文本中查找：

    • 包含 arxiv.org 的 URL
    • PDF 链接
    • arxiv:xxxx.xxxxx 格式的标识符（转换为 https://arxiv.org/pdf/xxxx.xxxxx）

步骤 3: 网页抓取处理（如果用户提供网页 URL）

当用户提供网页 URL（且非图片/视频/文档）时：

  1. 抓取网页内容: 通过 mcporter 调用 firecrawl-mcp-server-cloud.firecrawl_scrape

    mcporter call firecrawl-mcp-server-cloud.firecrawl_scrape url=<网页URL> formats='["markdown"]'

  2. 清理网页内容: 从抓取结果中提取干净的正文：

    • 删除: HTML 标签、媒体标签、链接元素、下载相关文字、图片路径、视频地址、网页导航元素、时间戳、用户信息、代码片段、特殊符号、少于10字的独立短句
    • 保留: 文章标题、完整段落、有意义的句子、必要的标点符号

  3. 识别论文 URL: 在正文中查找论文链接并标记

步骤 4: 文档解析处理（如果识别到论文 URL）

当识别到论文 URL（PDF/DOC 或 arXiv 链接）时：

  1. 处理 arXiv 链接: 如果 URL 包含 arxiv.org/abs/，替换为 arxiv.org/pdf/

  2. 提取文档内容: 通过 mcporter 调用 mcp-zhiyue.zhiyue_doc_extract

    mcporter call mcp-zhiyue.zhiyue_doc_extract url=<论文URL>

  3. 命名为 <论文>: 将提取的内容保存为后续处理的论文文本

阶段二：背景研究与信息收集

在获取论文内容后，进行深入的背景调查以丰富科普文章：

步骤 5: 研究作者与机构背景

通过 mcporter 使用搜索工具查找：

mcporter call tavily-mcp-cloud.tavily_search query="<作者姓名> <机构名称> 研究背景" max_results=5

或

mcporter call serper-cloud.google_search q="<author name> <institution> research background"

收集信息：

  • 作者的研究领域和专长
  • 所属机构的使命和特色
  • 为什么是"他们"在研究"这个"问题
  • 是否有有趣的"跨界"或"执念"故事

应用规则: 仅当背景故事能让研究动机更生动时才融入正文，避免生硬介绍。

步骤 6: 研究行业背景与定位

通过 mcporter 搜索相关领域的现状：

mcporter call tavily-mcp-cloud.tavily_search query="<研究主题> 领域现状 最新进展" max_results=5

分析：

  • 这篇论文在该领域中的位置
  • 是解决"老大难"问题？推翻旧认知？还是开辟新赛道？
  • 找出最激动人心的"Aha!"时刻
  • 确定科普文章的核心"卖点"（Takeaway）

阶段三：科普文章撰写

步骤 7: 深入理解论文

彻底拆解论文的核心三要素：

  1. 研究问题: 他们想解决什么谜题？背景和重要性是什么？
  2. 研究方法: 他们如何找到答案？（理解思路，而非技术细节）
  3. 核心发现: 最终发现了什么？有多"反直觉"或"重要"？

步骤 8: 构建叙事逻辑

将论文的"论证逻辑"转化为"叙事逻辑"：

  • 把研究过程讲成"破案故事"或"探险之旅"
  • 科学家是主角，面临难题，设计"陷阱"（实验），抓住"真相"（结论）
  • 确定文章的核心故事线

步骤 9: 撰写科普文章

遵循以下写作原则：

角色定位: 顶尖科普作家，"最会搭梯子的人"，将学术"硬核"包裹在通俗、有趣、有故事性的"糖衣"里。

目标读者: 对世界充满好奇的普通大众，无专业背景，渴望理解新知识但对术语"过敏"。

写作风格:

  • 极致通俗: 比喻是第一语言，能用"厨房里的化学反应"解释绝不用术语
  • 故事为王: 把研究过程讲成故事，有主角、难题、方案、结果
  • 聚焦"所以呢？": 时刻回答——这跟我有什么关系？为什么重要？如何改变生活或认知？
  • 简化不歪曲: 保持核心事实准确，区分"已证实"和"推测"

文章结构:

  1. 开篇点题: 用生动的问题、反直觉观察或核心冲突引入主题

  2. 结构化梳理:

    • 使用小标题引导理解
    • 无缝融入类比（如："作者提到的'异步通信'，就像发邮件，而不是打电话"）

  3. 聚焦重点:

    • 明确主干与枝叶
    • 重点阐释核心观点与关键逻辑
    • 简略带过次要信息

  4. 融入背景:

    • 自然融入人物或机构背景
    • 帮助理解"为什么"
    • 避免生硬介绍

  5. 结尾总结:

    • 提炼核心价值
    • 指出当下意义
    • 给出明确的 Takeaway

禁止的表达:

  • 避免"本文研究了……"、"该论文的作者发现……"、"实验结果表明……"
  • 严禁直接复制论文摘要或学术黑话
  • 避免罗列枯燥数据（除非能转译为"有多大把握"或"效果有多明显"）

最终输出格式

生成的科普文章必须包含以下部分：

论文链接: <论文URL>

原文标题: <不加翻译的论文英文标题>

原文摘要: <不加翻译的论文英文摘要>

---

[科普文章正文]

[开篇引入 - 生动的问题或反直觉观察]

[核心问题介绍 - 用通俗语言说明论文要解决什么]

[故事化的方法介绍 - 科学家如何"破案"]

[激动人心的发现 - Aha!时刻]

[所以呢？- 对我们的意义]

[总结与启示 - 明确的Takeaway]

示例场景

场景 1: 用户发送一张 Twitter 截图，其中提到一篇 arXiv 论文

  1. 通过 mcporter 调用图片 OCR 提取文本
  2. 清理社交媒体噪音
  3. 识别 arXiv 链接并提取论文
  4. 搜索作者背景和领域现状
  5. 撰写科普文章

场景 2: 用户直接发送 arXiv PDF 链接

  1. 通过 mcporter 直接提取论文内容
  2. 搜索背景信息
  3. 撰写科普文章

场景 3: 用户发送一篇博客文章，其中讨论了一篇论文

  1. 通过 mcporter 抓取网页内容
  2. 从中识别论文链接
  3. 提取论文原文
  4. 进行背景研究
  5. 撰写科普文章

关键提示

  • 灵活性: 用户输入方式多样，要能识别各种形式的论文信息
  • 准确性: 科普不等于不准确，保持核心事实的正确性
  • 可读性: 篇幅不限，以"把普通人彻底讲明白"为唯一标准
  • 故事性: 让科学变得有趣，不是简单翻译而是重新讲述
  • 价值感: 让读者读完后确实学到东西，产生"原来如此"的感觉
  • MCP 工具使用: 所有 MCP 工具调用必须通过 mcporter，参考全局配置文件