Paper Workbench 是论文接收、策略性阅读、多篇综合与综述构建的统一入口。它把 paper-record 作为规范化层，不将高层分析合并回规范化记录。
用途：快速读一篇论文、深度解构单篇、对比或综合多篇、搭建综述大纲或研究空白图，以及把论文来源规范化为可复用的机器可读产物。若主要任务是把论文方法实现为可运行代码，则不在本技能范围内。
公开接口：paper-record（单篇规范化事实）、researcher-profile（用户研究锚点）、paper-deep-read（单篇策略分析产物）、literature-synthesis（跨论文整合产物）、review-outline（综述规划产物）。
接受的输入：arXiv ID 与 URL、AlphaXiv URL、DOI 字符串或 doi.org 链接、本地学术 PDF 或文本文件、远程 PDF URL、暴露 PDF 的论文落地页，以及已有的 paper-record、researcher-profile、paper-deep-read、literature-synthesis 或 review-outline JSON。
使用方式：先根据 $ARGUMENTS、最新用户消息或粘贴的 JSON 判定输入类别；若为论文级且尚未规范化，先运行 scripts/normalize_paper.py；再确定模式；若模式依赖画像，则加载 researcher-profile 或仅收集缺失字段；最后产出对应输出，仅在用户要求时持久化产物。规范化命令为 python "<skill-dir>/scripts/normalize_paper.py" --source "<paper-source>" --lang "<lang>" --fulltext "<auto|prefer|never>"，仅在用户要求保存时加 --save。画像初始化使用 python "<skill-dir>/scripts/workbench_io.py" init-profile，保存产物使用 save-artifact。
模式：单篇含 scan、deep-read、card、interpret、xray、json；跨篇含 synthesis、review。默认规则：明确要机器可读或保存的 schema 产物则用 json；单篇无更具体模式则 scan；三篇及以上要求整合则 synthesis；恰好两篇整合则做对比导向综合，空白映射标记为暂定。
限制与输出规则：区分作者观点与系统分析；不得编造页码、引文或实证细节，缺失引用或页码锚点用 [信息待核实]；synthesis 与 review 须跨论文整合论点而非逐篇罗列；review 段落须用 PEEL 微论证结构；证据不足时降低论断强度。边界情况包括混合原始来源与已有 JSON 时先规范化再在产物层合并；多篇却要求精读时选择主论文或询问聚焦对象；仅有 DOI 元数据且无全文时返回最强元数据并标记缺失全文事实。参考文件涵盖路由、schema、产物、迁移、分析框架与各模式说明。