jarvis-research-longtext-v1

• name: academic-paper-deep-interpreter

description: 这是一个专门用于深度解析 Arxiv 算法论文的 Skill。它通过逐段阅读和多轮反思机制，将论文的复杂模型架构和实验数据转化为专业、无遗漏的长文本内容。

# 1.触发条件 (Boundaries)

• Use this skill when: 用户提供论文标题，且目标是生成极度详细、专业的长文本。
• Do NOT use this skill when: 用户仅需要简短的摘要（TLDR）；或论文非算法/计算机科学类。

# 2. 接口定义 (Input & Output)

• Input: paper_name_or_id (string)
• Output: professional_long_article (string, 包含深度模型拆解与公式推导)

# 3.执行工作流 (Workflow)

## Phase 1: 资源获取与原子化阅读 (Plan)

1. 接收用户的论文请求。优先且必须尝试从 Arxiv 下载该论文的 PDF。
2. [网络重试机制]：如果网络不佳，必须至少重试 3 次。
3. [人工介入机制]：如果重试后仍失败，或者 Arxiv 上确实没有该论文，必须立即停止当前流程，向用户回复：“未能在Arxiv获取到该论文，请提供论文PDF文件。” 取得文件后再继续。
4. [逐段扫描]：对论文进行“原子化阅读”，将 Abstract, Intro, Methodology (Architecture), Experiments 等章节的所有段落进行索引，确保没有任何一个段落被跳过。

## Phase 2: 内容生成 (Execute)

按照以下模板撰写。要求在撰写时，实时标注内容来源（例如：[Ref: Section 3.2]），以便后续反思环节核对。

## Phase 3: 强制反思与内容补全 (Validate - 反馈闭环)

在输出最终版本前，模型必须在内部执行以下反思检查清单，并显式标记状态：

• [ ] 模板检查：回顾长文内容，是否严格按照[标题] ，[TLDR]，[过去面临的问题]，[本文的解决方法]，[核心收益] ，[模型架构]，[实验部分] 来给出，

• [ ] 内容检查：[过去面临的问题]，[本文的解决方法]两个部分是否遵循了简洁并且分点的要求，如果字数太多，则混滚到phase2重写；[模型架构]部分是否遵循了详细的要求，如果太简略，则混滚到phase2重写。

• [ ] 段落覆盖率检查：对比 Phase 1 的段落索引。是否遗漏了论文中的段落？

• 修正动作：若有遗漏，必须在 [模型架构] 或 [实验部分] 中新增段落进行补全。

• [ ] 公式完整性检查：核对论文中的所有编号公式（Eq. 1, Eq. 2...）。输出中是否包含了所有支撑模型架构的核心公式？

• 修正动作：补齐被简略掉的数学推导步骤。

• [ ] 逻辑连贯性检查：检查从“输入”到“中间层”再到“输出”的逻辑链条是否断裂。

• 修正动作：重新梳理计算流程描述，确保非专家也能理解模型的数据流向。

## Phase 5: 最终输出

输出经过反思修正后的最终长图文，用.md文件的形式发给用户。

# 4. 失败处理策略 (On Failure)

• 解析歧义：若某个数学公式或架构图描述过于模糊，必须在文中标记 [需进一步核实]，严禁凭空臆造逻辑。

• 重试机制：网络超时或 PDF 损坏时，按照“捕获异常 -> 报错提示 -> 下一步建议”的原则处理