用途：本技能分析学术论文（PDF、Word 或文本），生成结构化阅读推文，内容涵盖基本信息、背景、结果与结论，可突出特定产品/药物优势并统一术语。适用于用户希望将文档转为社交媒体帖子或阅读摘要的场景，属清单式、可重复的执行任务，而非开放式头脑风暴。
主要能力：定位并抽取文档文本（支持输出到文件以规避控制台缓冲限制），按模板生成基本信息（标题、作者、期刊、DOI）、背景（少于约500词）、结果（少于约800词，突出产品）、结论等段落，最后组装为 Markdown 推文。长文（超过约5万字符）聚焦摘要、引言、结果与结论。附带脚本 scripts/extract_text.py 及 scripts/extract_pdf.py 等。
使用方式：需 Python 3.10+，安装 pypdf 与 python-docx，并具备 LLM 访问。先确认输入路径、输出路径、范围过滤与验收标准，再执行抽取：python scripts/extract_text.py <file_path> extracted_content.txt，读取后依据 references/prompt_templates.md 生成各段落并组装。可先运行 python scripts/extract_pdf.py --help 做最小验证。输出建议命名 paper_tweet_generator_result.md。
限制：缺失源数据、标识、文件或凭据时不适用；不得编造结果、引用、发现或结论；提取失败或为空（如扫描版 PDF）需告知用户；第三方包版本未固定；若更简单的直接回答已足够，则不宜使用本技能。