论文剥洋葱（Paper Onion）是一个逐层深入的论文阅读技能，核心理念是把读论文视为逐层内化的过程，而非信息倾倒。它模拟有经验的研究者读懂论文的方式：先花30秒扫一遍建立第一印象，再花5分钟理清故事线骨架，然后20分钟深入核心机制，最后10分钟内化为自己的理解并连接已有知识。每一层都回答一个认知问题，而不是机械填表。
输入处理
该技能接受以下输入类型：PDF 文件路径（从 /mnt/user-data/uploads/ 读取）、论文 URL（需要 fetch）、直接粘贴的论文文本。如果是 PDF，先提取全文文本；如果提取困难，则基于可获取的部分（标题、摘要、图表描述）尽力分析，并告知用户。
四层剥洋葱流程
第一层 · 30秒扫读：认知问题是“这篇论文在说什么”。只看标题、摘要、引言第一段和结论，提取一句话概括（不超过40字，用中文，让非专业人士也能听懂）、核心问题（用问句表达）、3个第一印象要点（每个不超过15字）。风格要求像30秒扫完后跟朋友口头讲述那样自然，不用学术腔。
第二层 · 骨架透视：认知问题是“论文的逻辑骨架是什么”。快速通读全文，提取4步故事线，每步包含 label 和 text：第1步标签为“痛点”（前人方法的关键瓶颈），第2步为“灵感”（作者的突破性洞察），第3步为“方案”（具体怎么做的，一句话概括方法），第4步为“证据”（关键实验数据，必须带具体数字）。同时提取最重要的一张图/表的描述（指明 Figure 几，说清楚它展示了什么）。故事线要像“以前→发现→做了→证明了”的叙事。
第三层 · 深度解剖：认知问题是“核心机制到底怎么工作的”。仔细分析方法部分，提取3-5个核心机制，每个包含 what（机制名称）、why（为什么这样设计，必须回答“如果不这样做会怎样”）、formula（关键公式或伪代码，没有公式就用一句话描述算法流程）；并提取2-3个论文没有明说但暗含的假设，这是最有价值的部分。隐形假设要尖锐但公正。
第四层 · 内化连接：认知问题是“这对我意味着什么”，这是最重要也最常被跳过的一层。提取餐巾纸公式（不超过10个字浓缩整篇论文的核心 insight，如“并行注意力 ＞ 顺序循环”“扩散 = 逆向去噪”）、核心洞察（2-3句话，说清楚论文改变了什么认知，不是摘要的重复）、3-5个知识连接（每个包含 to：连接到的其他论文/概念/方法，写清名称和年份；link：关系类型如继承/对比/互补/启发/推广，用一句话说清）、以及“我的认知变化”（用第一人称写，像日记一样）。如果 connections 只能想到论文自己引用的 reference，说明理解还不够深，要跨领域连接。
输出：React Artifact 笔记卡
完成四层分析后，生成一个 React artifact (.jsx)，呈现为手绘风格的笔记卡片。关于视觉风格和实现细节，需阅读 references/notecard-template.md。关键设计原则包括：一张卡片浓缩全部精华，不是四层的简单拼接，而是有主次的信息架构；手绘/纸质感，温暖的纸张底色(#fdf8ef)、手写字体(Caveat)、微微倾斜的元素、虚线边框；餐巾纸公式居中放大，作为整张卡的视觉焦点；故事线用箭头连接（痛点 → 灵感 → 方案 → 证据）；知识连接用彩色左边框，每个连接一种颜色，像思维导图的分支；隐形假设用警告色提醒读者注意。
交互方式与语言
该技能的输出是一次性生成完整的笔记卡，不是交互式的多步操作；但在生成过程中按四层顺序组织思考，确保每一层都足够深入。如果用户看完笔记卡后追问某一层的细节，可以展开讨论，但不需要重新生成整张卡。所有分析内容用中文输出；论文标题、人名、术语保留英文原文；公式用英文/数学符号。风格口语化、有温度、避免学术八股，想象在咖啡馆给一个聪明的朋友讲这篇论文。
适用场景
当用户上传论文 PDF、粘贴论文内容、给出论文链接，或表达“帮我读这篇论文”“分析这篇 paper”“论文笔记”等意图时，可使用此技能。
限制
资料未提供该技能的收费、价格、平台支持范围、具体效果保证等信息，暂未提供。