---
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