dsh-paper-lab · 论文知识收集库

DeepSeek Harness 插件：检索 → 元数据与全文获取 → 精读 → 总结与复现 → 知识库沉淀 的论文科研流水线。 Paper research knowledge base for DeepSeek Harness: multi-source search → metadata + tiered full-text fetch → deep reading → summarize & reproduce → persistent KB.

这是什么

一个把“论文研究”变成一条可追溯、分阶段、有交付物的流水线的 DSH 插件：随包 6 个技能（skill），安装后由 dsh 的 skills 注册表在运行时注册，任何会话里说一句“研究一下 XXX / 学习并复现这篇论文 / 把这几篇收进知识库”即可按链路执行，也支持只跑其中一段。

边界说清（避免预期错位）：

• 检索并发查询 6 个免费学术源：arXiv、Semantic Scholar、OpenAlex、Crossref、DBLP、PubMed；元数据丰富阶段再补 Unpaywall（需邮箱参数）、PMC/Europe PMC，以及 GitHub / HuggingFace / PapersWithCode 等社区信息（经联网搜索，属增强项）。
• 全部使用公开接口与免费额度，无需注册 API Key；CORE 等需免费 key 的源仅作为 L4 兜底可选项，未配置则跳过并如实记录。
• 插件本身零第三方依赖（仅 node 内置模块，engines.node >= 18.17）；实际跑链路的工具（联网抓取、PDF 文本抽取、Python/pypdf 或 pdftotext）由所在 DSH 会话提供，缺失时按各技能的降级路径处理。

一键安装

dsh plugin --profile web add @xienda/dsh-paper-lab

（或在 Web 界面 设置 → 插件市场 搜索 dsh-paper-lab（或 @xienda/dsh-paper-lab）一键安装；重启 dsh web 后技能即出现在技能目录。）

本 README 描述的是 npm 上最新的 1.0.2；1.0.0 与它的差别仅是描述措辞，技能行为一致。

无需注册 API Key：arXiv / Semantic Scholar / OpenAlex / Crossref / DBLP / PubMed / Unpaywall / GitHub / HuggingFace 均为公开免费接口直连（Unpaywall 需带邮箱参数）；联网搜索为增强项，不可用时自动降级并如实标注。

技能一览（能力边界）

| 技能 | 实际做什么 | |------|-----------| | paper-lab | 编排入口：解析意图、按 search→fetch→learn→reproduce→kb 依赖顺序分派、逐阶段汇报、产出 kb/reports/mission-<run-id>.md 汇总报告；支持中途改需求与选择性裁剪 | | paper-search | 并发查询 arXiv / Semantic Scholar / OpenAlex / Crossref / DBLP / PubMed，每源默认 20 条、调研模式 50、上限 200；按 DOI→arXiv ID→规范化标题去重；质量分级 Q1–Q4（顶会白名单/引用数/年份/OA）；支持按 ID、作者、年份、venue、类型定位；输出 kb/results/<run-id>.json + Markdown 简报 | | paper-fetch | 由 DOI/arXiv ID/PMID/URL/标题定位；元数据丰富（作者机构、引用数、参考文献、OA 状态、PDF 链接）覆盖 Semantic Scholar、OpenAlex、Crossref、arXiv、PubMed、Unpaywall、DBLP 共 7 路，逐字段记来源；全文按 L1 arXiv → L2 开放获取 PDF → L3 期刊 HTML → L4 兜底检索 分级获取，记录命中级别；PDF 校验 %PDF- 文件头与 SHA-256 缓存；文本抽取失败时可降级到 HTML 或逐页图片转录（并标注非全文）；L5 全失败如实报告，不用摘要冒充全文 | | paper-learn | 对已有全文执行 8 步精读：TL;DR 与论文地图 → 动机 → 方法逐模块拆解 → 符号表与公式表 → 实验与消融解读 → 图表深读 → 批判性评估（6 维度打分）→ 关联与开放问题；关键论断附原文引号与章节定位；深度可选速览/标准/深度；产出 kb/notes/learn-<id>.md + “待验证问题”清单 | | paper-reproduce | A 多视角总结（30 秒 / 学术 / 工程 / 教学 / 外行，可选单出）；B 复现指南 8 步：官方资源定位（GitHub API / PapersWithCode / HuggingFace，区分 official 与 unofficial）、仓库健康评估、数据集与许可清单、环境与算力量级估算、P0–P5 五阶段计划（含验收标准）、逐条风险清单（论文未明说/代码缺失/环境差异/数据不可得），产出 kb/repro/repro-<id>.md；不假装跑过实验 | | paper-kb | 本地知识库：meta.json + 主索引 index.json + papers/ 记录 + notes/ + repro/ + results/ + assets/ + bibtex/ + reports/；操作集 add（幂等合并）/ get（关键词·标签·领域·年份·venue·质量·状态）/ status 状态机（discovered→fetched→learned→reproduced，失败态带原因）/ dedupe（只给建议不自动删）/ export（BibTeX 与笔记合集）/ stats；每次变更后跑一致性校验 | | 不包含 | 不生成 PPT/公众号排版；不做论文写作与投稿；不代替真实实验执行（复现指南是计划与证据，不是实验结论） |

知识库布局（工作区 kb/）

kb/
├── meta.json              # 库配置
├── index.json             # 主索引
├── papers/<id>.json       # 论文标准记录（统一 Schema）
├── notes/learn-<id>.md    # 学习笔记
├── repro/repro-<id>.md    # 复现指南
├── results/<run-id>.json  # 检索快照
├── assets/fulltext|pdfs/  # 全文与 PDF 缓存
├── bibtex/export.bib
└── reports/               # 统计与任务报告

可靠性设计（“不允许出错”）

• 绝不编造：每个字段可溯源（source_url + fetched_at），缺失即 null；
• 独立故障域：任一数据源失败不影响其他源，失败源如实上报；
• 原子写与幂等：入库不覆盖旧数据，重复执行不产生脏数据；
• 诚实交付：总结标注“基于论文/⚠️推断”，复现指南从不假装跑过实验；
• 自带自测：npm test（node dsh/self-test.mjs）校验 6 个技能 frontmatter、链接完整性、manifest，发布前置检查。

License

MIT