1.6 KiB
1.6 KiB
title, type, tags, sources, last_updated
| title | type | tags | sources | last_updated | |
|---|---|---|---|---|---|
| scholar-skill | concept |
|
2026-04-18 |
Description
基于 OpenClaw 框架的学术研究 Skill，通过 L1-L3 分级阅读策略在后台长时间静默解析论文，并自动将结构化笔记、核心记忆与知识冲突报告写入本地 Obsidian 知识库。
Reading Levels
- L1：快速分发，评估论文优先级
- L2：标准阅读，提取核心观点
- L3：深度解构，生成双链卡片和反思报告
Dependencies
- 基础环境：本地 Python 环境 + Obsidian 客户端
- 核心框架：OpenClaw 智能体框架
- 依赖 Skills（通过 ClawHub 安装）：
obsidian-direct（必须）：绕过官方限制直接读写 .md 文件arxiv-watcher（必须）：通过 ArXiv API 抓取文献durable-task-runner（必须）：支持 L3 级长时间挂机任务调度与断点续传- 可选：
tavily、pdf、academic-research-hub
Special Features
- 超长周期任务编排：L3 级深度阅读设计为长达 2.5 小时的异步挂机任务，依赖 durable-task-runner 处理多次 LLM 推演循环和 API 限流
- 周期性反思机制：内置时间触发器逻辑，周末或月末强制对"临时存储的知识"进行 L2/L3 反思
- 人类确认防呆机制：当 AI 发现新论文推翻旧笔记结论时，生成确认单放进 0-Inbox 文件夹等待人工审核
Risks
- 财务毁灭风险：2.5 小时 L3 循环和高频 RAG 会消耗大量 Token
- 数据覆写风险：obsidian-direct 使用民间 Python 暴力文件 I/O，易引发文件冲突