paper-seed-init

Paper Seed Init — 核心论文目录初始化

概述

本 Skill 管理核心论文目录（Seed Papers），它是整个论文阅读 Pipeline 的学术品味锚点。核心论文为搜索去重、打分校准、精读参考和 Idea 生成提供基准。

---

⚠️ 关键规则

1. 首次使用必须先初始化：Pipeline 运行前，必须确保 seed_papers.json 已生成。
2. 增量更新：当用户修改 profile.yaml 中的 seed_papers 列表时，脚本只拉取新增论文，不会重新拉取已有论文。
3. 自动注册 seen_papers.json：所有核心论文 ID 会自动注册到去重表，避免被搜索模块重复抓取。

---

工作流程

初始化核心论文 — "初始化核心论文"

执行初始化脚本：

python $PAPER_AGENT_ROOT/scripts/seed_init.py

脚本将：

1. 读取 profile.yaml 中的 seed_papers arXiv ID 列表
2. 对每个 arXiv ID 调用 ArxivSearcher 拉取元数据（title、authors、abstract、url、categories、comments）
3. 合并已有 seed_papers.json 中的手动 JSON 条目（方式 B）
4. 为每篇论文提供可编辑的字段：user_note、role（foundational/benchmark/inspiring/my_work）、sub_field、key_concepts
5. 将所有核心论文 ID 注册到 seen_papers.json（标记 source: "seed"）
6. 输出/更新 seed_papers.json

增量更新 — "更新种子论文"

python $PAPER_AGENT_ROOT/scripts/seed_init.py --update

脚本将：

1. 对比 profile.yaml 中的 seed_papers 与现有 seed_papers.json
2. 仅拉取新增论文的元数据
3. 保留已有论文的手动标注（user_note、role 等）

---

输出文件

seed_papers.json

每条记录格式：

{
  "arxiv_id": "2305.05065",
  "title": "Recommender Systems with Generative Retrieval",
  "authors": ["Shashank Rajput", "..."],
  "abstract": "...",
  "url": "https://arxiv.org/abs/2305.05065",
  "published_date": "2023-05-08",
  "categories": ["cs.IR", "cs.AI"],
  "comments": "Accepted at NeurIPS 2023",
  "user_note": "",
  "role": "foundational",
  "sub_field": "generative_rec",
  "key_concepts": ["Semantic ID", "RQ-VAE", "autoregressive retrieval"],
  "has_card": false,
  "card_path": ""
}

seen_papers.json 注册

每篇核心论文自动注册：

{
  "2305.05065": {
    "source": "seed",
    "first_seen_date": "2026-03-01",
    "first_seen_run_id": "seed_init"
  }
}

---

核心论文角色（role）说明

角色	说明	用途
foundational	奠基性论文（见 seed_papers.json）	few-shot 打分示例（≤3 篇）
benchmark	重要对比基线（如 SASRec、P5）	实验规划参考
inspiring	启发性论文	Idea 碰撞素材
my_work	用户自己的论文	知识库锚定