这是一个专为学术论文深度精读设计的自动化 Agent 系统。它模拟了顶级计量经济学家的阅读与分析流程，将一篇 PDF 论文转化为结构化、深度解析且适合 Obsidian 知识管理的 Markdown 报告。
整个系统由四个核心步骤串联而成（无需手动分段，提取后直接分析）：
graph TD
A[原始 PDF] -->|Step 1: 智能提取| B(Extraction Markdown)
B -->|Step 2: AI 分类| C{QUANT/QUAL/IGNORE}
C -->|QUANT| D[7 步深度精读]
C -->|QUAL| E[4 层金字塔分析]
C -->|IGNORE| F[跳过]
D -->|Step 3: 元数据注入| G(Obsidian Ready 知识库)
E -->|Step 3: 元数据注入| G
style A fill:#f9f,stroke:#333,stroke-width:2px
style G fill:#9f9,stroke:#333,stroke-width:2px
图形界面：推荐使用 GUI，详见 GUI 使用手册。双击 start.bat 即可一键启动。
- 目标: 将 PDF 转换为结构化 Markdown，保留表格、公式、版面结构。
- 工具:
paddleocr_pipeline.py（推荐，3层回退：远程API → 本地GPU → pdfplumber） - 输出:
paddleocr_md/{filename}_paddleocr.md
💡 无需手动分段，提取后的 Markdown 直接传入分析器。
common.load_md_sections()会自动解析#和##标题层级。
- 目标: 像 Daron Acemoglu 级别的审稿人一样，对论文进行批判性分析。
- 工具:
deep_read_pipeline.py - 逻辑: 分步处理（全景扫描 → 理论 → 数据 → 变量 → 识别 → 结果 → 批判）。
- 输出:
deep_reading_results/{paper_name}/Final_Deep_Reading_Report.md及各分步报告。
- 目标: 无缝接入 Obsidian，实现元数据检索与双向链接。
- 工具:
inject_obsidian_meta.py&inject_dataview_summaries.py - PDF 视觉提取: 配置
QWEN_API_KEY后，自动从 PDF 前 3 页上半部分截图中提取标题、作者、期刊、年份（页眉信息）。 - 输出: 包含 YAML 头（含内容摘要）和导航链接的 Markdown 文件群。
- 目标: 针对管理学/社会学文献，采用"四层金字塔"模型（背景-理论-逻辑-价值）进行深度情报提取。
- 工具:
social_science_analyzer_v2.py - 特点: 4+1 输出结构（4分层MD + 1全景MD），强制中文输出，支持文档间双向跳转。
- 目标: 自动识别论文类型，智能路由至最佳分析引擎。
- 入口:
run_batch_pipeline.py/smart_scholar_lib.py - 逻辑:
- 定量 (Quant) → 路由至 Deep Reading Expert (Acemoglu Mode)。
- 定性 (Qual) → 路由至 Social Science Scholar (4-Layer Model)。包括文献综述 (Reviews)、理论文章等。
- 忽略 (Ignore) → 自动跳过非研究性文档（如卷首语、书评、目录等）。
- 默认策略: 当分类不确定或失败时，默认回退到 QUAL 模式（对综述和理论文章更友好）。
- 目标: 提供基于内容哈希的持久化去重能力，解决文件名变更或移动导致的重复处理问题。
- 机制:
- MD5 内容哈希: 无论文件名如何变化，只要内容不变，系统就能识别。
- 持久化账本: 状态记录在
processed_papers.json中。 - 递归搜索:
run_batch_pipeline.py支持递归扫描子目录。
- 目标: 在精读之前，从海量文献列表（WoS/CNKI）中利用 AI 智能筛选出高价值论文。
- 入口: GUI Tab 1「论文筛选」或命令行
smart_literature_filter.py - 支持格式:
- Web of Science (WoS):
savedrecs.txt - CNKI (知网): 导出的 Refworks/NoteFirst 格式文本
- Web of Science (WoS):
- AI 评估模式:
- Explorer: 入门模式，寻找开创性（Seminal）经典文献。
- Reviewer: 综述模式，寻找具有理论贡献和综述价值的文献。
- Empiricist: 实证模式，严格筛选因果识别严谨的实证研究（Acemoglu 风格）。
- 提示词编辑: GUI 支持查看和编辑各模式的评估提示词（保存到
prompts/literature_filter/）。 - 自适应输出:
- 英文文献: 自动翻译标题并生成中文详细摘要。
- 中文文献: 自动提炼标题关键词并生成 <20 字的一句话极简摘要。
- 目标: 从论文原文中抽取“参考文献列表”，并在正文中反向定位每条参考文献的引用位置。
- 入口脚本:
- 参考文献抽取：
extract_references.py/run_reference_extractor.ps1 - 引用追踪：
citation_tracer.py/run_citation_tracer.ps1
- 参考文献抽取：
- 输出（位于
references/，通常不提交 Git）:*_references.xlsx：结构化参考文献表*_references_with_citations.xlsx：在参考文献表上追加引用次数与上下文*_references_citation_trace.md：按参考文献序号输出的可读追踪日志
推荐使用图形界面，详见 GUI 使用手册。双击 start.bat 即可启动。
# 1. 启动图形界面（推荐）
.\start.bat
# 或手动启动
.\venv\Scripts\Activate.ps1
python app.py
# 2. 单篇全流程精读（命令行）
python run_full_pipeline.py "paper.pdf" --use-paddleocr
# 3. 批量全流程精读（智能分类 + 跳过已读）
python run_batch_pipeline.py "path/to/pdfs"
# 4. 智能文献筛选（从 WoS/CNKI 导出筛选高价值论文）
python smart_literature_filter.py "savedrecs.txt" --ai_mode reviewer --topic "研究主题" --output "screened.xlsx"
# 5. 单独提取 PDF（不分析）
python paddleocr_pipeline.py "paper.pdf" --out_dir "paddleocr_md".
├── app.py # Gradio 图形界面入口
├── start.bat # Windows 一键启动脚本
├── paddleocr_pipeline.py # PDF → Markdown 提取（3层回退）
├── deep_read_pipeline.py # QUANT 7步深度精读
├── social_science_analyzer_v2.py # QUAL 4层金字塔分析
├── smart_scholar_lib.py # 论文分类 + 提取调度
├── run_batch_pipeline.py # 批量处理主控脚本
├── run_full_pipeline.py # 单文件全流程脚本
├── smart_literature_filter.py # WoS/CNKI 文献筛选
├── inject_obsidian_meta.py # Obsidian 元数据注入
├── translation_pipeline.py # 经济学论文中文重述流水线（Tab 6）
├── deep_reading_steps/ # 精读子任务 Python 脚本
├── qual_metadata_extractor/ # QUAL 元数据提取模块
├── prompts/ # 提示词配置目录
│ └── literature_filter/ # 文献筛选各模式提示词
├── paddleocr_md/ # 提取输出目录 (gitignored)
├── deep_reading_results/ # QUANT 分析结果 (gitignored)
├── social_science_results_v2/ # QUAL 分析结果 (gitignored)
├── translation_results/ # 中文重述结果 (gitignored)
├── processed_papers.json # 批量处理状态账本 (gitignored)
├── README_GUI.md # GUI 使用手册
└── requirements.txt