用途：围绕研究论文 PDF 构建深度学习环境，帮助用户理解论文概念并形成可复用的知识体系，而非仅做摘要。
主要能力：自动检测用户语言并用该语言生成全部材料；支持本地路径、PDF 直链和 arXiv 链接（自动将 /abs/ 转为 PDF）；解析 PDF 得到 meta.json 与完整 paper.txt；评估论文难度与性质；生成恰好 2 个语义标签；产出 README.md、summary.md、insights.md、qa.md（15 题：5 基础、5 中级、5 高级），并按需生成 method.md、mental-model.md、reflection.md；在 code/ 下至少创建一个可独立运行的代码演示；生成单文件、零外部依赖的交互式 index.html；提取论文图片；更新 ~/claude-papers/index.json；最后进入互动深挖循环，可追加 deep-dive、数学推导、对比、用户总结等文件。
使用方式：以论文 PDF 路径调用该技能。首次运行会安装依赖：npm install，以及 python3 -m pip install pymupdf --user。解析命令为 node ${CLAUDE_PAPER_PLUGIN_ROOT}/skills/study/scripts/parse-pdf.js "$INPUT_PATH" --output-dir "$PARSE_OUTPUT_DIR"；URL 下载使用 node ${CLAUDE_PAPER_PLUGIN_ROOT}/skills/study/scripts/download-pdf.cjs "$USER_INPUT"；图片提取使用 python3 ${CLAUDE_PAPER_PLUGIN_ROOT}/skills/study/scripts/extract-images.py paper.pdf ~/claude-papers/papers/{paper-slug}/images。需先将 CLAUDE_PAPER_PLUGIN_ROOT 解析为插件目录绝对路径。
适用场景：阅读、学习、分析或深入理解研究论文，尤其是需要结构化笔记、代码演示与交互式探索时。
限制：推荐 Node >= 18 与带 pip 的 Python 3；结构化解析失败时降级为原始文本；交互式 HTML 需在沙箱 iframe 中运行，不能外部请求或使用 localStorage；索引更新须先读后追加，不可整体覆盖。其他细节暂未提供。