Auto-sync: 2026-04-28 12:03

wiki/concepts/Scholar-Skill.md

@@ -1,38 +1,56 @@
----
-title: "Scholar-Skill"
-type: concept
-tags: [obsidian, skills, academic, openclaw]
-last_updated: 2026-04-21
----
-
-## Definition
-scholar-skill 是 EESJGong 基于 OpenClaw 框架开发的学术研究 Skill，通过 L1/L2/L3 三级分级阅读策略，将原始论文（PDF/ArXiv）转化为 Obsidian 中的双链卡片、MOC（内容地图）和系统性反思报告。
-
-## 三级阅读体系
-
-| 级别 | 名称 | 产出 | 时长 |
-|------|------|------|------|
-| L1 | 分发级 | 快速评估，优先级判定（P0/P1/P2） | 分钟级 |
-| L2 | 标准阅读 | 结构化笔记 + 双链卡片 | 十几分钟 |
-| L3 | 深度解构 | MOC + 反思报告 + 知识冲突检测 | 最长 2.5 小时 |
-
-## 特殊机制
-- **超长周期任务编排**：L3 级深度阅读最长 2.5 小时，依赖 durable-task-runner 处理 API 限流和崩溃恢复
-- **周期性反思**：内置时间触发器，在周末或月末强制对"临时存储的知识"进行 L2/L3 反思
-- **Human-in-the-loop**：发现新论文推翻旧笔记时，不直接覆写旧笔记，生成确认单放入 `0-Inbox` 文件夹，等待人工审核
-
-## 必须依赖
-- `obsidian-direct`：绕过官方限制，直接读写本地 `.md` 文件
-- `arxiv-watcher`：通过 ArXiv API 抓取文献资源
-- `durable-task-runner`：L3 级别长时间挂机任务的调度与断点续传
-
-## 风险预警
-⚠️ Token 消耗极高（L3 循环 + RAG 检索），商用模型可能带来高昂账单
-⚠️ `obsidian-direct` 使用暴力文件 I/O，多端同步期间易引发文件冲突
-
-## Connections
-- [[EESJGong]] — scholar-skill 作者
-- [[OpenClaw]] — 运行基础框架
-- [[obsidian-必装-skills]] — 来源文档
-- [[StudyVault]] — L2/L3 产出的知识库格式
-- [[arXiv-API]] — 文献获取来源
+---
+title: "scholar-skill"
+type: concept
+tags: [obsidian, openclaw, academic, research, paper]
+last_updated: 2026-04-28
+---
+
+## scholar-skill（学术论文分级阅读工作流）
+
+### 简介
+scholar-skill 是基于 [[OpenClaw]] 框架的深度学术研究工具，通过 L1/L2/L3 分级阅读策略，将原始论文（PDF/ArXiv）转化为 Obsidian 中的双链卡片、MOC（内容地图）以及系统性反思报告。
+
+### 核心机制
+
+#### L1 快速评估（快速分发）
+对论文进行初步评估，判断其优先级（P0/P1/P2）。可后台静默执行。
+
+#### L2 标准阅读（标准化笔记）
+按照预设模板提取论文的关键信息：研究问题、方法、结果、贡献。
+
+#### L3 深度解构（深度解读）
+长达 2.5 小时的异步挂机任务，进行复杂公式解析、跨论文引用追踪、架构溯源。
+
+### 触发条件
+当意图匹配到"阅读论文"、"L1/L2/L3阅读"、"知识内化"或"文献笔记"时自动触发。
+
+### 依赖
+- **基础环境**：Python + Obsidian 客户端
+- **核心框架**：OpenClaw
+- **必须依赖**（通过 ClawHub 安装）：
+  - `obsidian-direct`：绕过官方限制，直接通过 Python 读写本地 .md 文件
+  - `arxiv-watcher`：通过 ArXiv API 抓取文献资源
+  - `durable-task-runner`：支持 L3 级别长时间挂机任务的调度与断点续传
+- **可选依赖**：`tavily`（联网抓取）、`pdf`（文本解析）、`academic-research-hub`
+
+### 特殊机制
+
+#### 超长周期任务编排
+L3 级深度阅读设计为长达 2.5 小时的异步任务，底层依赖 `durable-task-runner` 处理 LLM 推演循环、API 限流等待以及崩溃恢复。
+
+#### 周期性反思机制
+内置时间触发器逻辑，强制在周末或月末对"临时存储的知识"进行 L2/L3 反思，生成知识体系演进报告。
+
+#### 人类确认防呆机制（Human in the loop）
+当 AI 发现新论文推翻旧笔记结论时，不会直接覆写旧笔记，而是生成确认单放进 `0-Inbox` 文件夹，等待人工审核。
+
+### 风险预警
+- **财务风险**：L3 循环和高频历史知识检索（RAG）会消耗大量 Token，商用前沿模型（如 Claude 3.5 Sonnet 或 GPT-4o）单篇深读成本高昂
+- **数据覆写风险**：`obsidian-direct` 使用 Python 暴力文件 I/O，在 iCloud/Obsidian Sync 多端同步期间容易引发文件冲突，建议在独立测试库中运行并开启 Git 快照
+
+### 与其他工具的关系
+- 与 [[tutor-skills]] 的通用学习不同，scholar-skill 专注于学术论文领域
+- 类似 [[arxiv-paper-reader]] 的论文获取能力，但 scholar-skill 强调深度内化和长期知识管理
+
+### Aliases
+- scholar-skill