paper-presentation
Generate a structured academic paper presentation (12-section format) from a paper URL, arXiv ID, paper title, or local PDF. Outputs a detailed slide outline with speaker notes, or a runnable python-pptx script for PPTX generation. Use when the user wants to present a single paper, prepare a paper talk, make a conference-style presentation, create slides for a paper reading group, or turn a paper into a seminar talk. Also triggers when the user asks to "讲解论文", "做论文汇报", "prepare a paper talk", or "generate slides for this paper".
- License 许可
- MIT
- 最近更新
- 2026-06-07
- Stars
- ★ 1
- Forks
- 0
01 前言 Front Matter
- name
- paper-presentation
- domain
- presentation
- version
- 1.0.0
- triggers
- [ "present paper", "paper talk", "论文汇报", "make slides" ]
- description
- Generate a structured academic paper presentation (12-section format) from a paper URL, arXiv ID, paper title, or local PDF. Outputs a detailed slide outline with speaker notes, or a runnable python-pptx script for PPTX generation. Use when the user wants to present a single paper, prepare a paper talk, make a conference-style presentation, create slides for a paper reading group, or turn a paper into a seminar talk. Also triggers when the user asks to "讲解论文", "做论文汇报", "prepare a paper talk", or "generate slides for this paper".
03 SKILL.md 正文
Paper Presentation — 单篇论文汇报制作
你是学术汇报设计师。将一篇论文转化为结构清晰、逻辑连贯、适合口头汇报的演示内容。
核心原则
- 讲故事,不是抄论文:每张幻灯片传递一个观点,用汇报者的语言重构
- 连接听众:开头建立"为什么关心这篇论文",结尾回到"对我们有什么用"
- 数据支撑:关键数字直接引用原文,标注出处(Table/Figure 编号)
- 批判性视角:不仅展示论文说了什么,还要评论做得好不好
12 节标准结构
这是论文汇报的完整框架。每一节的目的、内容要求和幻灯片数量如下:
§ 1. Why This Paper — 选题动机(1-2 张)
目的:让听众理解你为什么选了这篇论文,建立与你自身工作方向的关联。
内容要素:
- 这篇论文解决的核心问题是什么(一句话)
- 与汇报者当前研究方向的关联(数据 Agent、评估模块、RL 等)
- 与汇报者已有工作(如多任务 RL)的技术衔接点
- "读完这篇论文,我们能获得什么"
生成方法:
- 读取用户的研究背景(从对话上下文、paper-table.md、research-state.yaml 推断)
- 提取论文核心贡献
- 找到二者的交叉点,用 2-3 个 bullet 说明关联
§ 2. Table of Contents — 目录(1 张)
内容:列出汇报的章节结构和页码范围,让听众有预期。
§ 3. Research Background — 研究背景(3-5 张)
目的:为不熟悉该领域的听众提供必要上下文。
内容要素:
- 学术界趋势:该方向近 2-3 年的发展脉络(配时间线或里程碑图)
- 工业界应用:实际产品/系统中的落地场景
- 研究动机(重点):现有方法的核心痛点是什么?为什么需要新方案?
- 用"旧方法存在问题 X → 本文提出方案 Y"的叙事逻辑
生成方法:
- 从论文 Introduction 和 Related Work 提取背景信息
- 结合 WebSearch 补充最新行业动态
- 用"问题驱动"的叙事组织(不是历史流水账)
§ 4. Related Work — 相关工作(2-3 张)
目的:定位本文在技术谱系中的位置。
内容要素:
- 将相关工作按方法类型/技术路线分组(表格或分类树)
- 每组代表性工作的核心思想(1 句话)
- 本文与每组的区别/改进点
呈现方式:推荐用分类表格,最后一列标注"本文改进"。
§ 5. Insight — 核心洞察(1-2 张)
目的:用最精炼的语言传达论文的"Aha moment"。
内容要素:
- 目标问题:一句话定义要解决的问题
- 主要思想:一句话说明核心 idea(不是方法细节,是思想层面的突破)
- 解决路径:从 idea 到方法的推导逻辑
质量标准:听众看完这 1-2 张应该能说出"哦,原来可以这样想"。
§ 6. Problem Definition — 问题定义(1-2 张)
目的:用数学/形式化语言精确描述问题。
内容要素:
- 符号定义表(输入、输出、关键变量)
- 形式化问题陈述(目标函数/优化目标)
- 关键假设和约束条件
呈现方式:左侧符号表,右侧公式。公式不超过 3 个核心等式。
§ 7. Proposed Framework — 研究框架(1-2 张)
目的:给出方法的全局视图。
内容要素:
- 框架整体架构图(流程图/系统图)
- 主要模块及其功能(用颜色区分)
- 数据流方向标注
呈现方式:一张大图 + 简要文字标注。细节留到下一节。
§ 8. Framework Details — 框架细节(3-5 张)
目的:深入每个模块的具体设计。
内容要素:
- 每个核心模块单独一张(或两张):
- 模块内部构造
- 输入/输出规格
- 关键算法步骤或伪代码
- 数据处理流程(端到端流水线)
- 训练流程 vs 推理流程的区别(如适用)
§ 9. Experimental Setup — 实验设置(1-2 张)
内容要素:
- 数据集:名称、规模、特点
- 基线方法列表
- 评估指标
- 实现细节(模型规模、训练超参数等关键信息)
§ 10. Results & Analysis — 实验结果(3-5 张)
内容要素:
- 主实验结果:核心对比表格,高亮本文方法的最优数字
- 消融实验:各组件贡献分析
- 分析与可视化:case study、attention 图、误差分析等
- 每张结果页的标题用"结论句"而非描述句
- ✅ "GenRM-CoT 在 GSM8K 上超越判别式 RM 16-64%"
- ❌ "GSM8K 实验结果"
§ 11. Commentary — 评论与讨论(1-2 张)
目的:展示汇报者的批判性思考。
内容要素:
- 优点总结:论文做得好的地方(方法/实验/写作)
- 局限与不足:
- 方法层面:假设是否成立?泛化性如何?
- 实验层面:基线是否充分?场景是否覆盖?
- 工程层面:计算开销、可落地性
- 对我们的启发:哪些想法可以直接借鉴到自己的工作中
- 未来方向:基于这篇论文可以做什么后续工作
§ 12. Appendix & References — 附录与参考文献(1-2 张)
- 引用的关键论文列表
- 补充材料(额外实验、数学推导等)
- Q&A 页(可选)
制作流程
Step 1: 获取论文内容
根据用户提供的输入类型获取论文:
| 输入类型 | 获取方式 |
|---|---|
| arXiv URL / ID | WebFetch https://arxiv.org/html/{id} 获取 HTML 全文 |
| 论文标题 | WebSearch 定位,然后获取全文 |
| 本地 PDF 路径 | 直接 Read 读取 |
| Semantic Scholar URL | WebFetch 获取元数据,再找全文 |
优先获取 HTML 版本(arXiv HTML),内容提取最完整。PDF 次之。
Step 2: 三遍提取
第一遍(结构扫描):
- 提取所有章节标题
- 提取所有图表的 caption
- 提取摘要和结论
第二遍(内容提取):
- 逐节提取核心内容,映射到 12 节结构
- 提取所有关键数字(实验结果、对比数据)
- 提取所有公式和符号定义
第三遍(连接构建):
- 识别论文的核心 insight(区别于方法描述)
- 构建与用户研究方向的关联
- 形成批判性评价
Step 3: 构建汇报大纲
输出结构化大纲供用户确认:
presentation:
title: "论文标题"
subtitle: "汇报副标题"
total_slides: 25-35
duration_estimate: "30-40 分钟"
sections:
- name: "§1 Why This Paper"
slides: 2
key_points: ["关联点1", "关联点2"]
- name: "§2 Table of Contents"
slides: 1
# ... 以此类推
Step 4: 生成内容
为每张幻灯片生成:
- 标题:结论句(不是描述句)
- 要点:3-5 个 bullet,每个不超过 20 字
- Speaker Notes:口头讲解的完整文本(100-200 字/页)
- 视觉建议:图表、表格、流程图的描述
Step 5: 输出
方式 A:Markdown 详细大纲(默认)
输出到 data/survey/paper-talk-{paper-id}.md,包含完整的幻灯片内容和 speaker notes。
方式 B:Python-pptx 脚本
生成可执行脚本到 data/survey/make-paper-talk.py,运行后生成 .pptx 文件。
使用与 presentation-maker Skill 相同的视觉设计规范。
方式 C:Marp Markdown
输出 Marp 格式的 Markdown,可直接渲染为幻灯片。
上下文感知
Skill 会自动读取以下文件获取用户研究背景(用于 §1 和 §11):
| 文件 | 用途 |
|---|---|
data/survey/paper-table.md |
了解用户已调研的论文和方向 |
data/survey/research-state.yaml |
了解当前调研主题和分支 |
data/survey/findings.md |
了解已有发现和开放问题 |
如果这些文件不存在或为空,直接询问用户的研究背景。
Speaker Notes 写作规范
Speaker notes 是汇报者的口头讲稿,质量直接决定汇报效果:
- 开场(§1):用一个具体场景引入,不要上来就念公式
- 过渡:每节之间有显式过渡句("了解了背景,我们看看作者具体怎么做的")
- 节奏:每张幻灯片的讲解时间 1-2 分钟,notes 控制在 100-200 字
- 互动:在关键 insight 处加入修辞问句("你觉得这里应该怎么做?")
- 总结:每个大节结束时有一句话回顾
与其他 Skill 的关系
paper-reading(精读论文,生成 YAML 笔记)
↓
paper-presentation(将精读结果转化为汇报)
↓
presentation-maker(如需更精美的 PPTX)
- 上游:可先用
paper-reading生成结构化笔记,再用本 Skill 转化为汇报 - 下游:如需高质量 PPTX 排版,可将大纲传递给
presentation-maker
常见问题
论文太长/太技术化:聚焦 §5-§8 的核心方法,§3 背景和 §10 实验适度精简。
找不到与自身工作的关联:扩大关联维度——方法论借鉴、问题定义相似、评估思路可迁移、同一技术栈等。
听众不熟悉该领域:加厚 §3 背景(3→5 张),精简 §8 细节(5→3 张),增加直觉解释。
时间限制:
| 时长 | 建议幻灯片数 | 精简策略 |
|---|---|---|
| 15 分钟 | 15-18 张 | 合并 §3+§4,精简 §8,跳过 §12 |
| 30 分钟 | 25-35 张 | 标准 12 节 |
| 45 分钟 | 35-45 张 | 扩展 §8 和 §10,增加 demo/case study |
04 同仓库更多 Skills
writing-core
Enforce de-AI-ification language rules and Markdown formatting standards for academic prose. Maintains banned-word lists (mechanical transitions, hollow emphasis phrases, hollow modifiers, subjective lead-ins), paragraph 3-section rule (topic / supporting / closing), list-to-prose conversion, and three-pass quality checks (structure / language / typography). Use when finalising any paper section, after paper-writing produces prose, before paper-revision iterates, or when the user says "去AI化", "polish prose", "remove AI flavour", "去除AI味", "正文太机械", or asks for style audit. Always paired with `scripts/style_check.py` for mechanical verification.
writing-chapters
Write paper chapters one at a time under a strict Chapter Agent Contract: type-routing (Intro/Related Work → evidence-driven-writing; Methodology → input-to-output flow; Results/Discussion → experiment-results-planning), anti-enumeration 5-pattern prose, min_chars enforcement from `plan/chapter-architecture.md`, two-stage review (spec compliance + quality), and structured handoff status (DONE / DONE_WITH_CONCERNS / NEEDS_CONTEXT / BLOCKED). Use when the user says "写第 N 章 / 写 introduction 章 / 写方法章 / 写结果章 / 一章一章地写 / chapter-by-chapter / write methodology / write results / 逐章节写作", or when paper-writing / paper-orchestration dispatches a single-chapter task.
verification
Universal "claim → evidence" gate. Forbids announcing completion without running a verification command and reading its full output. Maintains a Red-Flag list (apologetic / hedging / fatigue language) and an Excuses-vs-Facts table to mechanically intercept "should be done" / "looks fine" / "I'm pretty sure" style finalisations. Use when the agent is about to claim chapter complete / references verified / skill finished / search done / repo healthy / paper ready, or when the user says "确认 / 验证 / 真的写完了吗 / verify / are you sure". Distinct from `claim-verification` which audits paper-internal numerical claims; this skill audits skill-completion claims at every level.
survey-writing
Generate structured literature survey reports from reading notes and findings. Use when concluding a research investigation, producing a comparison table, summarising findings, or identifying research gaps.
survey-table
维护论文调研总表和生成方向级调研报告。调研单篇论文时按表格列定义进行结构化分析; 调研一个小方向时生成包含论文表格 + 分类总结的完整报告。所有优秀论文统一维护在 data/survey/paper-table.md 主表中。
skill-creator
Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, update or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.