huangkiki/dailypaper-skills

Agent skills for daily paper discovery, critical reviews, and connected research notes. Supports English and Chinese.

dailypaper‑skills – AI 기반 일일 논문 어시스턴트

기능

코드 실행이 가능한 LLM 에이전트(Claude, Codex, Gemini 등)를 활용해 최신 AI/로보틱스 논문을 검색, 필터링, 평가, 요약하는 워크플로우에 연결합니다.
매일 사용자의 연구 관심사에 맞는 최대 10편의 논문 리스트를 생성하며, 각 논문에 대해 "정밀한 리뷰"를 제공해 어떤 내용인지, 왜 중요한지, 아직 남아 있는 질문은 무엇인지 간결하게 설명합니다.
필독으로 표시된 논문에 대해 시스템은 자동으로 구조화된 Markdown 노트를 생성합니다. 내용에는 다음이 포함됩니다:
- 문제 정의, 방법, 핵심 공식, 그림, 실험 결과
- 비판적 논평 및 관련 개념에 대한 링크([[개념]] 형식)
노트는 로컬(예: Obsidian 백업)에 저장되며, 완전히 상호 연결되어 읽기 목록이 성장하는 지식 그래프로 변환됩니다.

작동 방식

수집 – HuggingFace Daily/Trending 및 arXiv에서 새로운 논문 제목을 가져옵니다.
필터링 및 점수 매기기 – 설정된 주제에 대한 관련성을 평가하기 위해 Jev 모델(저비용, 고속 LLM)을 사용합니다.
우선순위 정하기 – 각 논문을 🔥 필독, 👀 볼 만함, 💤 건너뛸 것 으로 분류하고, 근거 기반의 이유를 제시합니다.
노트 생성 – 호스트 에이전트(Claude, Codex 등)가 Poppler를 통해 전체 PDF를 읽고, 제공된 템플릿에 따라 Markdown 노트를 생성합니다.
링크 연결 – 노트에서 추출한 개념을 양방향 링크로 변환해 개인 개념 라이브러리를 구축합니다.

핵심 구성 요소 ("Skills" 라고 불림)

Skill	트리거 문구	역할
`daily-papers`	`오늘 논문 추천`	일일 추천 + 노트 생성의 엔드투엔드 프로세스
`paper-reader`	`이 논문 읽기 <url>`	특정 PDF/arXiv 링크를 읽고 집중적인 노트 생성
`github-trending`	`GitHub 주간 랭킹`	관련 오픈소스 프로젝트(시뮬레이터, RL 인프라 등) 탐색
`generate-mocs`	`색인 업데이트`	개념-링크 색인 재생성
보조 스킬 (`daily-papers-fetch`, `daily-papers-review`, `daily-papers-notes`)	–	수집, 리뷰, 노트 작성의 저수준 단계

설치 및 사용법

리포지토리 복제 후 python3 install.py --agent <your-agent> 실행 (Claude, Codex, Cursor, Copilot, Gemini, OpenCode, OpenClaw 지원).
python3 skills/_shared/user_config.py --init로 설정 초기화하고, 연구 주제와 노트 저장 디렉터리를 에이전트에 전달합니다.
에이전트 채팅에서 오늘 논문 추천 (또는 다른 트리거 문구) 입력만 하면 전체 파이프라인이 실행되며, 추천 페이지 경로와 생성된 노트 경로가 반환됩니다.

왜 Jev인가요?

Jev 1.13.0은 10편의 논문 평가에 약 0.0006 USD, 처리 시간은 약 0.5초로, GPT‑6 Astra의 $0.11 및 10초 대비 99% 이상의 비용 절감을 제공하면서 거의 동일한 논문을 선택합니다.

누구를 위한가요?

출력물

출력물	표시 내용
일일 추천 페이지	최대 10편의 논문 리스트, 정밀한 리뷰, 우선순위 태그, 노트 링크
전체 논문 노트 (Markdown)	방법 설명, 공식, 그림, 비판적 분석, `[[개념]]` 링크
개념 라이브러리 및 색인	Obsidian 백업 내에서 탐색 가능한 관련 개념 네트워크

의존성

라이선스 – Apache‑2.0.

모든 세부 정보는 리포지토리의 README에서 직접 가져왔습니다.