paper2xhs

Name: paper2xhs
Author: QuZhan51496

288stars10forks

How to install paper2xhs?

quzhan51496/paper2anything/paper2xhs

$npx -y skills add QuZhan51496/paper2anything --skill paper2xhs

Installs into the current project.

Summary

把学术论文 PDF 转成小红书多图帖（标题 + 正文 + 标签 + 封面 + 论文主图/主实验结果配图）。你主导设计的协调式：机械活（MinerU 解析 PDF、生成封面与配图、半自动发布）交给 scripts/ 下的小工具，论文理解、选题角度、文案撰写由你亲自完成并在关键点与用户确认。当用户说“论文转小红书”、“paper2xhs”、“把这篇论文发小红书”、“论文转社交媒体”、“PDF 转小红书帖子”时触发。

Files · 1

View on GitHub

SKILL.md

1	# paper2xhs — 论文转小红书（你主导的协调式）
2
3	把一篇论文 PDF 转成小红书帖子。你是主笔：这份文件是配方，不是全自动脚本——
4	没有 `main.py`。机械步骤（解析 / 封面 / 发布）调用 `scripts/` 下的小工具；**论文理解、
5	选题角度、文案撰写由你亲自完成**（用 Read 看材料、用 Write 落产物），并在关键点用
6	`AskUserQuestion` 与用户确认。
7
8	```text
9	PDF
10	→ 解析 (parse_pdf.py：MinerU → parsed/ + figures/)
11	→ 你读懂论文 (读 parsed/ + 看 figures/) → understanding/paper_understanding.json [确认选题角度]
12	→ 你写小红书文案 (标题/正文/标签/封面文字) → xhs_post.json + xhs_post.md [确认文案]
13	→ 封面+配图 (cover.py 封面：默认 API 生图 gpt-image-2、无 key 回退本地合成；
14	post_images.py 配图：把你选的论文主图/主实验图按序复制成图集，原图直出)
15	→ 半自动发布 (publish.py：封面+配图多图帖，可选)
16	→ 小红书帖子
17	```
18
19	## 运行方式
20
21	1. 一步步来：机械步骤用 `Bash` 调脚本，创作步骤你自己用 `Read` / `Write` 做。不要试图一条命令跑完。
22	2. 每个 Bash 块开头就地算 `WORKDIR`——各 Bash 调用是独立 shell、不共享变量，所以别指望 `export` 跨步存活：
23	```bash
24	WORKDIR="$(dirname "$pdf_path")/.paper2anything/xhs/$(basename "${pdf_path%.*}")"
25	```
26	其中 `$pdf_path` 是用户给的论文 PDF 路径（每个块都重新设一次）。脚本在 `${SKILL_DIR}/scripts`——`SKILL_DIR`
27	是本 skill 的目录（见本 skill 顶部注入的 "Base directory for this skill: …"）；各 Bash 块独立 shell，
28	用到它的块开头按需 `export SKILL_DIR=<那个目录>` 一次（和 `WORKDIR` 一样每块现设）。
29	3. 在两个决策点用 `AskUserQuestion` 暂停：① 读懂论文后确认“选题角度”；② 文案成稿后确认。用户想改，可直接改产物 JSON/MD 或告诉你改。
30	4. 小红书是“准确、不夸大的科普”：忠实反映论文贡献，口语化、有钩子，但绝不编造数据或夸大结论。
31
32	---
33
34	## Step 0：环境与凭据
35
36	> 统一环境：所有 `python` 命令都在 paper2anything 的统一 conda 环境里（顶层 `environment.yml` 创建），命令以 `conda run -n paper2anything --no-capture-output` 为前缀。
37
38	凭据集中在 paper2anything 包根的 `.env`（从 `.env.example` 复制，已 gitignore）。每个新 shell 先导出一次：
39
40	```bash
41	set -a; source <paper2anything 包根>/.env; set +a
42	```
43
44	本 skill 用到的 key（理解与文案由你亲自做，不调用任何 LLM API）：
45	- `MINERU_API_TOKEN` — 解析 PDF（必填）
46	- `OPENAI_API_KEY`(+ `OPENAI_BASE_URL`) — 封面默认走它生图（gpt-image-2）；无 key 或 key 不可用时回退本地合成（复用论文原图）
47	- `XHS_MCP_BIN` — 可选：自定义 [xiaohongshu-mcp](https://github.com/xpzouying/xiaohongshu-mcp) 二进制位置；不设则发布时 skill 自动按平台下载到 `~/.paper2anything/xhs/`。另可选 `XHS_MCP_URL`（自定义服务地址/端口，默认 `http://localhost:18060`）。
48
49	依赖自检（缺啥按提示装；依赖统一在 `environment.yml`）：
50
51	```bash
52	conda run -n paper2anything --no-capture-output python -c "import requests, rich, dotenv" 2>&1
53	```
54
55	---
56
57	## Step 1：解析 PDF（脚本）
58
59	```bash
60	pdf_path="/path/to/paper.pdf" # ← 用户的论文 PDF
61	WORKDIR="$(dirname "$pdf_path")/.paper2anything/xhs/$(basename "${pdf_path%.*}")"
62	conda run -n paper2anything --no-capture-output \
63	python "${SKILL_DIR}/scripts/parse_pdf.py" "$pdf_path" --workdir "$WORKDIR"
64	```
65
66	产出（`$WORKDIR` 下）：
67	- `parsed/paper_meta.json`（title / authors / abstract）、`parsed/sections.json`（`[{title, content}]`）、`parsed/figures_index.json`（`[{figure_id, caption, image_path, page}]`，`image_path` 已指向 `figures/` 实体）、`parsed/references.json`
68	- `figures/*` 论文插图实体
69
70	解析完，先 `Read` `parsed/sections.json` 与 `parsed/paper_meta.json` 通读全文。
71
72	---
73
74	## Step 2：读懂论文 → 写 understanding（你来做）[确认]
75
76	这是创作的地基，你自己做判断，不要交给脚本：
77
78	1. `Read` `parsed/sections.json`（全文）+ `parsed/paper_meta.json`；`Read` `parsed/figures_index.json` 看图注（个别图 caption 可能为空；多面板大图可能被解析器拆成两半、完整图注只挂在其中一半上，且拆缝处图例/轴标签可能被裁——一律以实际看图为准），并实际 `Read` 几张候选图片（`figures/` 下）判断哪些清晰、适合做封面或配图——图注说“framework”的图在小图里未必好看，只有你的眼睛能判断。
79	2. 用 `Write` 落 `understanding/paper_understanding.json`，schema：
80	```json
81	{
82	"paper_title": "...", "method_name": "方法简称（如 AccKV）",
83	"one_sentence_summary": "一句话讲清这篇做了什么",
84	"problem": "解决什么问题", "method": "怎么做的",
85	"highlights": ["有数据支撑的亮点1", "创新点2", "应用价值3"],
86	"experiment_results": ["关键数据1（含数字）", "..."],
87	"keywords": ["领域关键词", "..."],
88	"cover_palette": {"bg": "#F4F5F7", "accent": "#2E86AB"},
89	"important_figures": [
90	{"figure_id": "fig_1", "image_path": "<figures_index.json 里的真实路径>",
91	"suitable_for_cover": true, "importance_score": 0.9, "description": "图说明"}
92	],
93	"post_figures": [
94	{"image_path": "<figures_index.json 里的真实路径>"}
95	]
96	}
97	```
98	- `important_figures` 必须含 `image_path`（取自 `parsed/figures_index.json`，指向真实存在的图）、`suitable_for_cover`、`importance_score`——封面默认走 API 生图（gpt-image-2），仅当 `OPENAI_API_KEY` 未配/不可用时回退本地合成、靠这几个字段复用原图；漏了则回退时无图 → 封面 `skipped`。
99	- `post_figures`（多图帖正文配图，建议 2~4 张、按展示顺序排）：第一张放论文主图（框架/方法总览），
100	其后放主实验结果图；只放你亲眼 `Read` 过、缩到手机宽度仍清晰可读的图。配图**原图直出、
101	不做任何加工**。发布时图集 = 封面 + 这些配图。
102	- `cover_palette`（可选）：本地合成回退路径的配色，按论文领域选 `bg`(浅色打底) + `accent`(强调色)，标题字色会随底色深浅自动适配。参考浅色调：通用 `#F4F5F7`+`#2E86AB`、生物 `#EEF6F0`+`#2D8A5F`、物理数学 `#F1ECF8`+`#6A30C2`、工程 `#FBF0EC`+`#D85A3C`、社科 `#F4EEF2`+`#8A5A78`、化学 `#EAF4F8`+`#0E86C0`。
103	3. 用 `AskUserQuestion` 与用户确认选题角度：这篇论文发小红书主打哪个亮点 / 用什么钩子 / 面向哪类读者。带着确认结果再写文案。
104
105	---
106
107	## Step 3：写小红书帖子（你来做）[确认]
108
109	按小红书风格亲自撰写，用 `Write` 落 `xhs_post.json` 和 `xhs_post.md`。
110
111	小红书文案规则（领域知识）：
112	- 标题 ≤20 字，吸睛：含核心价值、或数字、或对比、或悬念式提问。
113	- 正文 300–600 字，结构

People who liked this also viewed

6 picks

Type

paper2xhs

288stars10forks

View on GitHub

How to install paper2xhs?

quzhan51496/paper2anything/paper2xhs

$npx -y skills add QuZhan51496/paper2anything --skill paper2xhs

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# paper2xhs — 论文转小红书（你主导的协调式）
2
3	把一篇论文 PDF 转成小红书帖子。你是主笔：这份文件是配方，不是全自动脚本——
4	没有 `main.py`。机械步骤（解析 / 封面 / 发布）调用 `scripts/` 下的小工具；**论文理解、
5	选题角度、文案撰写由你亲自完成**（用 Read 看材料、用 Write 落产物），并在关键点用
6	`AskUserQuestion` 与用户确认。
7
8	```text
9	PDF
10	→ 解析 (parse_pdf.py：MinerU → parsed/ + figures/)
11	→ 你读懂论文 (读 parsed/ + 看 figures/) → understanding/paper_understanding.json [确认选题角度]
12	→ 你写小红书文案 (标题/正文/标签/封面文字) → xhs_post.json + xhs_post.md [确认文案]
13	→ 封面+配图 (cover.py 封面：默认 API 生图 gpt-image-2、无 key 回退本地合成；
14	post_images.py 配图：把你选的论文主图/主实验图按序复制成图集，原图直出)
15	→ 半自动发布 (publish.py：封面+配图多图帖，可选)
16	→ 小红书帖子
17	```
18
19	## 运行方式
20
21	1. 一步步来：机械步骤用 `Bash` 调脚本，创作步骤你自己用 `Read` / `Write` 做。不要试图一条命令跑完。
22	2. 每个 Bash 块开头就地算 `WORKDIR`——各 Bash 调用是独立 shell、不共享变量，所以别指望 `export` 跨步存活：
23	```bash
24	WORKDIR="$(dirname "$pdf_path")/.paper2anything/xhs/$(basename "${pdf_path%.*}")"
25	```
26	其中 `$pdf_path` 是用户给的论文 PDF 路径（每个块都重新设一次）。脚本在 `${SKILL_DIR}/scripts`——`SKILL_DIR`
27	是本 skill 的目录（见本 skill 顶部注入的 "Base directory for this skill: …"）；各 Bash 块独立 shell，
28	用到它的块开头按需 `export SKILL_DIR=<那个目录>` 一次（和 `WORKDIR` 一样每块现设）。
29	3. 在两个决策点用 `AskUserQuestion` 暂停：① 读懂论文后确认“选题角度”；② 文案成稿后确认。用户想改，可直接改产物 JSON/MD 或告诉你改。
30	4. 小红书是“准确、不夸大的科普”：忠实反映论文贡献，口语化、有钩子，但绝不编造数据或夸大结论。
31
32	---
33
34	## Step 0：环境与凭据
35
36	> 统一环境：所有 `python` 命令都在 paper2anything 的统一 conda 环境里（顶层 `environment.yml` 创建），命令以 `conda run -n paper2anything --no-capture-output` 为前缀。
37
38	凭据集中在 paper2anything 包根的 `.env`（从 `.env.example` 复制，已 gitignore）。每个新 shell 先导出一次：
39
40	```bash
41	set -a; source <paper2anything 包根>/.env; set +a
42	```
43
44	本 skill 用到的 key（理解与文案由你亲自做，不调用任何 LLM API）：
45	- `MINERU_API_TOKEN` — 解析 PDF（必填）
46	- `OPENAI_API_KEY`(+ `OPENAI_BASE_URL`) — 封面默认走它生图（gpt-image-2）；无 key 或 key 不可用时回退本地合成（复用论文原图）
47	- `XHS_MCP_BIN` — 可选：自定义 [xiaohongshu-mcp](https://github.com/xpzouying/xiaohongshu-mcp) 二进制位置；不设则发布时 skill 自动按平台下载到 `~/.paper2anything/xhs/`。另可选 `XHS_MCP_URL`（自定义服务地址/端口，默认 `http://localhost:18060`）。
48
49	依赖自检（缺啥按提示装；依赖统一在 `environment.yml`）：
50
51	```bash
52	conda run -n paper2anything --no-capture-output python -c "import requests, rich, dotenv" 2>&1
53	```
54
55	---
56
57	## Step 1：解析 PDF（脚本）
58
59	```bash
60	pdf_path="/path/to/paper.pdf" # ← 用户的论文 PDF
61	WORKDIR="$(dirname "$pdf_path")/.paper2anything/xhs/$(basename "${pdf_path%.*}")"
62	conda run -n paper2anything --no-capture-output \
63	python "${SKILL_DIR}/scripts/parse_pdf.py" "$pdf_path" --workdir "$WORKDIR"
64	```
65
66	产出（`$WORKDIR` 下）：
67	- `parsed/paper_meta.json`（title / authors / abstract）、`parsed/sections.json`（`[{title, content}]`）、`parsed/figures_index.json`（`[{figure_id, caption, image_path, page}]`，`image_path` 已指向 `figures/` 实体）、`parsed/references.json`
68	- `figures/*` 论文插图实体
69
70	解析完，先 `Read` `parsed/sections.json` 与 `parsed/paper_meta.json` 通读全文。
71
72	---
73
74	## Step 2：读懂论文 → 写 understanding（你来做）[确认]
75
76	这是创作的地基，你自己做判断，不要交给脚本：
77
78	1. `Read` `parsed/sections.json`（全文）+ `parsed/paper_meta.json`；`Read` `parsed/figures_index.json` 看图注（个别图 caption 可能为空；多面板大图可能被解析器拆成两半、完整图注只挂在其中一半上，且拆缝处图例/轴标签可能被裁——一律以实际看图为准），并实际 `Read` 几张候选图片（`figures/` 下）判断哪些清晰、适合做封面或配图——图注说“framework”的图在小图里未必好看，只有你的眼睛能判断。
79	2. 用 `Write` 落 `understanding/paper_understanding.json`，schema：
80	```json
81	{
82	"paper_title": "...", "method_name": "方法简称（如 AccKV）",
83	"one_sentence_summary": "一句话讲清这篇做了什么",
84	"problem": "解决什么问题", "method": "怎么做的",
85	"highlights": ["有数据支撑的亮点1", "创新点2", "应用价值3"],
86	"experiment_results": ["关键数据1（含数字）", "..."],
87	"keywords": ["领域关键词", "..."],
88	"cover_palette": {"bg": "#F4F5F7", "accent": "#2E86AB"},
89	"important_figures": [
90	{"figure_id": "fig_1", "image_path": "<figures_index.json 里的真实路径>",
91	"suitable_for_cover": true, "importance_score": 0.9, "description": "图说明"}
92	],
93	"post_figures": [
94	{"image_path": "<figures_index.json 里的真实路径>"}
95	]
96	}
97	```
98	- `important_figures` 必须含 `image_path`（取自 `parsed/figures_index.json`，指向真实存在的图）、`suitable_for_cover`、`importance_score`——封面默认走 API 生图（gpt-image-2），仅当 `OPENAI_API_KEY` 未配/不可用时回退本地合成、靠这几个字段复用原图；漏了则回退时无图 → 封面 `skipped`。
99	- `post_figures`（多图帖正文配图，建议 2~4 张、按展示顺序排）：第一张放论文主图（框架/方法总览），
100	其后放主实验结果图；只放你亲眼 `Read` 过、缩到手机宽度仍清晰可读的图。配图**原图直出、
101	不做任何加工**。发布时图集 = 封面 + 这些配图。
102	- `cover_palette`（可选）：本地合成回退路径的配色，按论文领域选 `bg`(浅色打底) + `accent`(强调色)，标题字色会随底色深浅自动适配。参考浅色调：通用 `#F4F5F7`+`#2E86AB`、生物 `#EEF6F0`+`#2D8A5F`、物理数学 `#F1ECF8`+`#6A30C2`、工程 `#FBF0EC`+`#D85A3C`、社科 `#F4EEF2`+`#8A5A78`、化学 `#EAF4F8`+`#0E86C0`。
103	3. 用 `AskUserQuestion` 与用户确认选题角度：这篇论文发小红书主打哪个亮点 / 用什么钩子 / 面向哪类读者。带着确认结果再写文案。
104
105	---
106
107	## Step 3：写小红书帖子（你来做）[确认]
108
109	按小红书风格亲自撰写，用 `Write` 落 `xhs_post.json` 和 `xhs_post.md`。
110
111	小红书文案规则（领域知识）：
112	- 标题 ≤20 字，吸睛：含核心价值、或数字、或对比、或悬念式提问。
113	- 正文 300–600 字，结构

People who liked this also viewed

6 picks

Type