用途：阅读 AI/CS 学术论文，产出资深博士研究者水准的中文分析报告，同时生成 Markdown（.md）与排版精良的 LaTeX（.tex，XeLaTeX 编译）两种格式。
输入方式：支持本地 PDF 文件路径，也支持 arXiv 链接（如 https://arxiv.org/abs/2401.12345 或 https://arxiv.org/pdf/2401.12345），后者会用 curl 下载 PDF。读取标题页后即创建输出子目录并建立 figures/ 子目录。
主要能力与流程：先读取 references/analysis-prompt.md 载入完整的十段式分析与写作规范；并行抽取文本与图片——文本用 scripts/extract_text.py（基于 PyMuPDF，输出带 === PAGE N === 分隔的纯文本），图片用 scripts/extract_figures.py 自动检测图注并渲染 300 DPI 图片，生成 figures_manifest.json；随后用 scripts/validate_figures.py 做无额外依赖的质量校验，必要时用 scripts/verify_extraction.py（需 tesseract）做 OCR 深度诊断；再用 haiku 模型转录图中文字到 paper_figures_text.txt。之后直接撰写 .tex（不先写 Markdown），使用模板 assets/template.tex 与 references/latex-guide.md 中的规则（含 xeCJK 注意事项、数学公式中 \text{} 处理中文等）。
事实核验：写作前用 paper_text.txt 做 grep 校验；完成后进行两阶段验证，先由 haiku 逐条核对断言并输出 verification_report.txt，再由主模型修正 NOT FOUND / MISMATCH 项，无法核实的事实标注为“原文未明确提及”。
编译与转换：首次可用 kpsewhich xeCJK.sty 检查环境，缺失时运行 bash scripts/setup-tex.sh；在输出目录执行两次 xelatex -interaction=nonstopmode <filename>.tex 编译；最后用 scripts/tex2md.py 生成 Markdown。
限制：资料未提供收费、价格与平台信息；抽取失败或扫描件（文本层过小）需更多依赖图片并谨慎陈述；编译最多重试 3 次。