用途：把 AI 论文解析为可直接发布到技术社区（如知乎、掘金、公众号）的阅读笔记，要求核心技术细节不遗漏、创新点阐述清晰、基于论文内容客观分析。
主要能力：按固定结构组织笔记，包括元信息（论文、作者、发表、阅读时长、难度、前置知识）、TL;DR、论文概述、背景与动机、核心方法、实验分析、深度理解问答、总结与思考；核心方法部分要求给出整体架构、数据流、模块输入输出、核心公式逐项解释、伪代码或代码实现及设计原因分析。写作上要求先直觉后细节、公式与代码配合、长公式分步解释，并避免 AI 套话、空洞评价、过度格式装饰与不必要的第一人称。
使用方式：以自然语言指令调用，例如“请阅读这篇论文，生成一篇专业的阅读笔记，适合发布到技术社区”，也可指定重点分析方向或做多篇论文对比。笔记与论文按统一目录组织，每篇论文一个目录，含 paper.pdf、README.md 与 images/，图片命名采用 fig{序号}{类型}{简述}.png。
图表提取：资料给出基于 PyMuPDF 的三种方法——get_images() 提取嵌入式位图、cluster_drawings() 识别矢量图形区域并截图、手动指定坐标裁剪；可调 x_tolerance/y_tolerance 控制聚类粒度，调 dpi 提升清晰度。依赖安装：pip install pymupdf；可选 pip install pdf2image。资料还给出可选的 MCP 配置示例（filesystem、notion）。
适用场景：需要快速产出高质量论文精读笔记、做论文对比分析、整理个人论文库并发布到技术社区。
限制：资料未提供具体收费、价格、平台支持范围与效果保证；笔记质量依赖论文原文与模型能力，图表自动识别在复杂排版下可能需要手动调整区域。