Paper Insight Local

Paper Insight Local

你负责把 MotionSurf 中已经完成单篇解读的一篇论文，进一步提炼为可复用的 insight 层产物。

输出目标：

• ReadNote/ResearchPaper/<Paper>/insight.json
• ReadNote/ResearchPaper/<Paper>/insight.md
• ReadNote/Wiki/KnowledgeUnits/... 下的 Layer 2 critique-oriented knowledge units
• ReadNote/Wiki/KnowledgeUnits/index.json
• ReadNote/Wiki/KnowledgeUnits/state.json
• ReadNote/Wiki/motion_generation_insight_map.md
• ReadNote/Wiki/motion_generation_insight_state.json
• ReadNote/Wiki/Graph/... 下的少量 Obsidian 节点页
• ReadNote/Wiki/Taxonomy/... 下的 taxonomy 导航层
• ReadNote/Wiki/ReviewPacks/... 下的子领域综述包
• 必要时同步轻量状态到 registry / insight index

适用场景

当用户有以下意图时使用本 skill：

• 想把单篇论文 note 提炼成更短、更结构化的知识条目
• 想为 MotionSurf 的领域总览准备中间语义层
• 想为 Obsidian / graph / wikilink 组织生成更适合浏览的 markdown
• 想批量补齐已有论文 note 的 insight 层

以下情况不要把它当主工具：

• 用户还没有生成单篇论文 note：先交给 paper-read-local
• 用户要直接刷新领域总览：交给 motion-overview
• 用户要直接联网找论文：交给 hunter 类 skill

输入约束

默认只消费以下本地产物：

• ReadNote/ResearchPaper/<Paper>/note.md
• ReadNote/ResearchPaper/<Paper>/meta.json
• ReadNote/Wiki/paper_registry.json（仅用于选择与身份信息，不作为主语义证据）

不要默认重新读取原论文 markdown 或代码目录，除非 note 缺失、损坏，或用户明确要求 fallback。

生成原则

1. insight 不是第二份长 note，而是更短、更结构化、可跨论文对齐的中间知识层。
2. 语义提炼交给 LLM，脚本只负责读取 note/meta、调用模型、写文件、同步索引。
3. 优先保留：生态位、核心贡献、技术 takeaways、优点、局限性、MotionSurf 影响、与 task/dataset/method family 的关系。
4. 所有高层判断都必须能回溯到当前 note.md，不要超出单篇 note 已经支持的边界。
5. insight.md 可以引入 Obsidian 友好的 frontmatter / tags / [[wikilinks]]，但不要批量改写既有 note.md。
6. 如需输出 [[wikilinks]]，优先复用已有 canonical 命名：论文标题优先跟随 registry，稳定任务/方法/数据集节点优先跟随现有 ReadNote/Wiki/Graph/... 的约定，不要在同一链路里混用大小写或同义别名。
7. Layer 2 的 KnowledgeUnits 是正式中间层：它存储可复用、可追溯、面向 critique 的领域判断，而不是普通摘要。新论文若支持、修正或反驳已有 unit，应更新对应 unit；若提出新的跨论文可复用判断，才创建 candidate unit。
8. Knowledge unit 不应从单篇论文直接升级成领域共识。默认新 unit 从 candidate 开始；只有多篇论文或 survey 证据支撑时才升为 emerging / stable。
9. 如果要把论文进一步注入 wiki 累计知识页，必须让 LLM 先读取当前 ReadNote/Wiki/motion_generation_insight_map.md 的现状，再结合这篇论文的 insight.json / insight.md / note.md / KnowledgeUnits 做整页更新，而不是简单尾部追加。
10. wiki 累计页与 motion_generation_overview.md 分工不同：前者高频、跨论文、渐进累积；后者低频、稳定、教科书式，不应在每次新论文注入时直接重写。

推荐执行方式

优先运行仓库内的 insight runner：

bashCopy code
python ".claude/skills/paper-insight-local/scripts/generate_paper_insight.py" --paper "<paper title or dir>"

如需批量补齐已有 note 的 insight，可运行：

bashCopy code
python ".claude/skills/paper-insight-local/scripts/batch_generate_paper_insights.py" --all --only-missing-insight --dry-run
python ".claude/skills/paper-insight-local/scripts/batch_generate_paper_insights.py" --limit 5
python ".claude/skills/paper-insight-local/scripts/batch_generate_paper_insights.py" --match diffusion --limit 5
python ".claude/skills/paper-insight-local/scripts/batch_generate_paper_insights.py" --paper "HUMAN MOTION DIFFUSION MODEL" --paper "Generating Diverse and Natural 3D Human Motions from Text" --sync-wiki final

默认的一键自动化入口是：

bashCopy code
python ".claude/skills/paper-insight-local/scripts/generate_paper_insight.py" --paper "<paper title or dir>"

这个主脚本现在会自动：

• 定位目标论文 note/meta
• 选择少量高价值语义字段作为输入
• 调用 Claude 生成结构化 insight
• 写入 insight.json / insight.md
• 更新 registry 轻量 insight 状态与全局 insight index
• 调用 Layer 2 updater，维护 ReadNote/Wiki/KnowledgeUnits/...、KnowledgeUnits/index.json 与 KnowledgeUnits/state.json
• 继续调用 wiki 注入脚本，把该论文同步进累计 wiki insight 页面与 graph 节点页
• 最后重建 taxonomy 与 review pack 层，使相关子领域综述自动更新

Layer 2 updater 的默认行为是：

• 读取 ReadNote/Wiki/KnowledgeUnits/index.json 与 shortlist 相关 unit
• 判断新论文支持、修正、反驳哪些已有 unit
• 仅在有跨论文复用价值时创建新的 candidate unit
• 保守重建 KnowledgeUnits/index.json / KnowledgeUnits/state.json

如需单独重跑 wiki 累计页与 graph 节点，而不重做单篇 insight，可运行：

bashCopy code
python ".claude/skills/paper-insight-local/scripts/update_wiki_insight.py" --paper "<paper title or dir>"

这个第二个脚本负责：

• 读取当前 ReadNote/Wiki/motion_generation_insight_map.md（若存在）
• 读取目标论文的 insight.json / insight.md / note.md / meta.json
• 调用 Claude 更新累计 wiki insight 页面
• 写入 motion_generation_insight_map.md / motion_generation_insight_state.json
• 写入少量 ReadNote/Wiki/Graph/... 节点页

如需在不改动现有 flat graph 的前提下，额外生成一套更适合分类导航的 taxonomy 层，可运行：

bashCopy code
python ".claude/skills/paper-insight-local/scripts/build_motion_taxonomy.py" --dry-run
python ".claude/skills/paper-insight-local/scripts/build_motion_taxonomy.py" --deterministic-only
python ".claude/skills/paper-insight-local/scripts/build_motion_taxonomy.py" --category method:diffusion --category task:text-to-motion --category dataset:humanml3d

这个 taxonomy 脚本负责：

• 读取 paper_insight_index.json、paper_registry.json 与各论文的 meta.json / insight.json
• 先构建 deterministic taxonomy inventory
• 再生成领域根页 ReadNote/Wiki/Taxonomy/index.md
• 生成 axis hub：ReadNote/Wiki/Taxonomy/Axes/{methods,tasks,datasets}.md
• 生成 ReadNote/Wiki/Taxonomy/Categories/Methods/*.md
• 生成 ReadNote/Wiki/Taxonomy/Categories/Tasks/*.md
• 生成 ReadNote/Wiki/Taxonomy/Categories/Datasets/*.md
• 在 task 类页面中额外生成 chronology section（task -> year -> paper）
• 生成关系侧页：ReadNote/Wiki/Taxonomy/Relations/{authors,institutions}.md
• 生成 ReadNote/Wiki/ReviewPacks/*.md 子领域综述包
• 写入 ReadNote/Wiki/Taxonomy/taxonomy_state.json

它与旧层分工如下：

• 旧层：motion_generation_insight_map.md + Graph/...，承担累计型 cross-link layer
• 新层：Taxonomy/...，承担分层导航型 layer
• 关系侧层：Taxonomy/Relations/...，承担 researcher / institution lineage overlay

输出要求

insight.json 至少包含

• paper_id
• paper_title
• source_note
• source_meta
• insight_version
• generated_at
• positioning
• technical_takeaways
• strengths
• limitations
• evidence_anchors
• motionsurf_impact
• relations
• obsidian

insight.md 的目标风格

• 更短、更适合浏览
• 明确体现生态位 / 贡献 / 优缺点 / MotionSurf 影响
• 允许使用 YAML frontmatter
• 允许使用 [[wikilinks]]
• 不要求像 note.md 一样逐节完整展开

Layer 2 KnowledgeUnits 的目标风格

• 每个 unit 只表达一个可复用的领域判断、评测警告、方法分化轴、伪创新模式或 critique hook
• v1 schema 保持精简：id、type、title、statement、scope、status、confidence、evidence、why_it_matters、questions_to_ask、source_paths、last_updated
• 优先类型：stable_judgment、evaluation_warning、method_split、false_novelty_pattern、critique_hook
• 默认状态：证据不足时写 candidate；跨论文或 survey 支撑后才升为 emerging / stable
• 判断标准：只有能帮助未来评估新论文、新 idea 或新代码仓库的内容才进入 Layer 2

汇报要求

回复时简短说明：

• 为哪篇论文生成了 insight
• 写入了哪些文件
• registry / insight index 是否已同步
• 哪些关系或 graph link 目前仍只是候选、还不应视为强事实