paper_summarize 是一个学术论文总结技能，核心特点是依据论文主题分类动态选择 SOP（标准操作流程）模板，从而对不同类型论文采用对应的分析方式。
用途：对学术论文做学术级总结，覆盖方法、数据集、多模态、技术报告、应用、综述、强化学习与对齐、语音音频、基准、实证分析等类型。
主要能力：自动选择分析模板；按顶会（NeurIPS/ICML/ICLR/ACL）评审标准进行分析；输出结构化总结，含方法学评述、实验评估、优缺点；将总结保存到按目录组织的本地文件并按规范命名；记录实际使用的提示词以便复现；明确关注实验中使用的训练与评估数据集。
使用方式：输入论文标题、作者、摘要、主题分类（受支持类型之一）以及研究背景（关键词、子主题）。输出为本地文件 {paper_title}.md，路径为 research/{domain}/ai_summaries/；内容结构包括论文信息、核心贡献、方法学评述、实验评估、优缺点、向作者提出的关键问题、影响评估。示例命令：paper_summarize --title "SongEcho: Cover Song Generation" --topic "method" --abstract "..." --authors "..."；paper_summarize --title "MusicSem: Language-Audio Dataset" --topic "dataset" --abstract "..." --authors "..."。同时生成 research/{domain}/prompts/{paper_title}_prompt.txt，目录不存在时自动创建。
质量要求：方法学评述 2000 字符以上，涵盖流程、新颖性、数学原理、假设、与先前工作对比、计算成本与失败模式；实验评估 1000 字符以上，关注数据集的训练与测试使用、协议严谨性、基线公平性、消融完整性与统计显著性；整体分析 3000 字符以上并具批判视角；术语、方法名与指标须准确。
工作流集成：可与 arXiv 搜索结果配合，处理通过相关性筛选的论文，支持批量调用，输出用于最终研究报告。SOP 模板定义于 src/lib/agents/topic-sops.ts（主要位置）与 summarization_prompt.ts（备份/参考），两处内容一致。限制：资料未提供具体价格、平台支持范围或性能数据。