夜雨聆风本文是「用 AI 打造私人文献助手」系列第二篇，上篇回顾：用 AI 打造你的私人文献助手：基于 Claude Code 的论文阅读工作流 |
🔥 这套工作流支持 Claude Code/Codex 一键安装配置！不用再手动敲命令、复制文件、配置环境，直接把文末的 GitHub 仓库链接发给 AI，它会自动完成所有安装步骤，全程零代码，5 分钟就能上手使用。
上篇推文发出后，收到了多位科研同行的私信，大家问得最多的就是：
评分体系具体是怎么算的？
中文论文怎么自动搜索？
关键词自动链接是怎么实现的？
生成的笔记格式能不能自定义？
今天这篇就把所有核心细节一次性补全，从底层逻辑到使用方法，再到踩坑经验，让你看完就能搭出属于自己的自动化论文阅读工作流。
一、为什么我要迭代这个工作流？
做科研的人都懂，每天打开 arXiv 和期刊网站，面对几十上百篇新论文的无力感：
花 1 小时刷完列表，发现 90% 都和自己的研究无关
好不容易找到一篇相关的，读完才发现是水文
好论文的笔记散落在各个地方，想找的时候翻不到
不同论文之间的关联全靠脑子记，时间一长就断了
上篇分享的基础版工作流解决了 "找论文" 的问题，但还有很多痛点：
中文期刊论文完全缺失，对国内研究者不友好
搜索结果不够精准，经常出现不相关的论文
生成的笔记是孤立的，没有和已有知识关联
不支持双语，英文用户使用体验差
于是我花了一个月时间，把整个工作流重构了一遍，新增了 10 + 核心功能，现在它已经能完全替代我每天手动刷论文的工作了。
二、核心升级：5 大功能让效率再翻 3 倍
✅ 三源互补检索策略，不漏掉任何重要论文
不再是简单的关键词搜索，而是采用 "主 - 辅 - 补" 三层检索体系，覆盖中英文、预印本和正式期刊：
搜索源 | 优先级 | 覆盖范围 | 搜索策略 |
Semantic Scholar | 主 | 全球英文期刊 + 预印本 | 按领域查询模板精准搜索，覆盖近 365 天新论文 + 近 730 天高引论文 |
CNKI | 辅 | 中文核心期刊 | 浏览器自动化搜索，每日最多推荐 2 篇，严格匹配配置的期刊列表 |
arXiv | 补 | 最新预印本 | 关键词搜索，仅补充 Semantic Scholar 未覆盖的前沿工作 |
最关键的是：你可以在配置文件中自定义每个领域的查询模板，比如研究海洋热浪的可以设置 "marine heatwave detection deep learning"、"marine heatwave fishery impact climate change" 等精准查询，这样搜索出来的论文，相关性会比普通关键词搜索高一个量级。
✅ 四维评分体系全公开，精准筛选 Top10
搜索结果会经过严格的评分筛选，最终只保留综合评分最高的 10 篇。评分公式完全透明，你可以根据自己的需求调整权重：
Plain Text 最终推荐评分 = 相关性(40%) + 新近性(20%) + 热门度(30%) + 质量(10%) |
详细评分细则：
1 相关性评分 (40%)：最核心的维度
标题关键词匹配：每个 + 0.5 分
摘要关键词匹配：每个 + 0.3 分
研究领域匹配：+1.0 分
最高分：~3.0 分
2 新近性评分 (20%)：鼓励关注最新研究
最近 30 天内发表：+3 分
30-90 天：+2 分
90-180 天：+1 分
180 天以上：0 分
3 热门度评分 (30%)：参考学术界认可度
引用数 > 100：+3 分
引用数 50-100：+2 分
引用数 < 50：+1 分
无引用数据的 7 天内新论文：+2 分（默认热门）
4质量评分 (10%)：AI 自动评估论文质量
显著创新（提出新方法 / 新数据集）：+3 分
明确方法改进：+2 分
一般性工作：+1 分
✅ 双语自适应系统，中英文用户都能用
现在工作流支持中英文双语输出，只需要在配置文件中修改语言设置即可。系统会自动生成对应语言的笔记：
文件名：2026-05-25论文推荐.md / 2026-05-25-paper-recommendations.md
所有标题、标签、说明文字都会自动切换语言
甚至连今日概览的总结内容也会用对应语言生成
✅ 智能知识关联，让笔记形成网络
生成的推荐笔记不再是孤立的文档，而是会自动和你已有的笔记关联起来：
系统会先扫描你论文笔记/目录下的所有文件
提取每篇笔记的标题和标签，构建关键词索引
生成推荐笔记时，自动将文本中的关键词替换为 wikilink
比如：这篇论文使用了BLIP作为基线方法 → 这篇论文使用了[[BLIP]]作为基线方法
智能保护机制：
不会替换已经存在的 wikilink
不会替换代码块和行内代码中的内容
会自动过滤 "the"、"and"、"model" 等通用词
忽略大小写，中英文都支持
✅ 前 3 篇论文深度处理，一键生成图文笔记
对于评分最高的 3 篇论文，系统会自动进行深度处理：
尝试从 arXiv 下载 PDF 和源码包
调用extract-paper-images提取论文中的关键图片（优先从源码包获取原始图片）
调用paper-analyze生成结构化的深度分析笔记
在推荐笔记中自动插入图片和深度笔记的 wikilink
这样你打开推荐笔记，就能直接看到论文的核心架构图和实验结果，不用再手动下载 PDF 了。
三、手把手配置：5 分钟搭好你的私人文献助手
第一步：准备基础工具
安装 Claude Code（推荐）或 Codex
安装 Obsidian（用于管理笔记）
安装 Anaconda（用于创建 Python 环境，AI 会自动配置）
第二步：一键安装工作流
强烈推荐使用 AI 一键安装：直接把文末的 GitHub 仓库链接发给 Claude Code 或 Codex，输入指令 "帮我安装这个学术阅读工作流"，AI 会自动完成克隆仓库、复制技能文件、安装 Python 依赖等所有步骤。
第三步：创建并编辑研究兴趣配置文件
在你的 Obsidian 仓库中创建research_interests.yaml的配置文件，这是整个工作流的核心，用于定义你的研究兴趣和搜索偏好。根据自己的路径修改源码。
你只需要告诉 AI 你的研究方向（比如 "海洋热浪"、"计算机视觉与自动驾驶"），AI 会自动生成基础的配置模板，你再根据自己的具体研究内容调整关键词和优先级即可。
第四步：开始使用
打开 Claude Code，输入：
bash /start-my-day |
如果想生成指定日期的推荐：
bash /start-my-day 2026-05-20 |
等待 5-10 分钟，系统就会在你的 Obsidian 仓库的Daily_paper/目录下生成今日论文推荐笔记。
四、实际效果展示
这是我今天生成的推荐笔记的部分内容：
五、常见问题解答
Q1：没有 CNKI 权限怎么办？
A1：CNKI 搜索是可选功能，如果没有权限，可以在配置文件的搜索策略中去掉 CNKI，系统会自动跳过中文搜索，不影响其他功能使用。
Q2：付费墙论文怎么处理？
A2：对于无法下载 PDF 的付费论文，系统会自动跳过图片提取和深度分析，只显示基本信息。你可以手动下载 PDF 后，再调用/paper-analyze [论文ID]生成详细笔记。
Q3：怎么调整评分权重？
A3：目前评分权重可以在search_arxiv.py脚本中修改，后续版本会支持在配置文件中自定义权重。你也可以告诉 AI 你的偏好，让它帮你调整对应的参数。
Q4：生成的笔记不满意怎么办？
A4：你可以：
调整配置文件中的关键词和优先级
增加或减少搜索的论文数量
手动修改生成的笔记内容，系统不会覆盖已有的笔记
六、写在最后
很多人问我，AI 会不会取代科研工作者？我的答案是：不会。但会用 AI 的科研工作者，会取代不会用 AI 的。
这个工作流的核心不是让 AI 替你读论文，而是把那些机械、重复、耗时的工作交给 AI：刷论文列表、筛选相关性、整理基本信息、提取图片。把你有限的精力，留给真正需要人类智慧的地方：理解论文的核心思想、质疑方法的局限性、思考新的研究方向。
目前这个工作流已经在 GitHub 上开源，地址是：https://github.com/ProMonkey-LU/academic-reading-workflow
如果你在使用过程中遇到任何问题，或者有好的改进建议，欢迎在 GitHub 上提 Issue，也欢迎 Star 和 Fork 项目，一起完善这个工作流。
科研的道路漫长而孤独，但好的工具能让我们走得更远。 |
欢迎点赞转发关注，后续会继续更新新的科研工具分享以及读研读博的新的感悟。
愿每一个有趣的灵魂都有处可栖，且挨过三冬四夏，暂受些此痛苦，雪尽后再看梅花。
#科研效率 #论文阅读 #Obsidian #ClaudeCode #自动化工作流 #学术研究