用途
Paperzilla 技能用于让 AI 智能体与 Paperzilla 中的项目、推荐和经典论文进行对话。当你希望围绕研究项目获取最新推荐、理解某条推荐的价值、抓取并总结经典论文,或查看项目信息流时,可以使用该技能。它是 Paperzilla 的核心技能,为智能体提供对 Paperzilla 数据的直接访问,但不强制任何工作流,也不包含外部投递集成。
主要能力
你可以向智能体提出以下类型的请求:
- “给我项目 X 的最新推荐。”
- “打开推荐 Y 并解释它为什么重要。”
- “以 markdown 抓取经典论文 Z 并总结。”
- “告诉我这篇论文与我的研究有什么关系。”
- “显示项目 X 的信息流。”
- “对某条推荐留下反馈。”
- “将这篇论文、推荐或信息流导出为 JSON。”
使用方式
访问方法
该仓库中大多数当前配置使用 pz CLI。如果当前配置附带额外的智能体专用说明,也应一并遵循。
安装
macOS:
brew install paperzilla-ai/tap/pz
Windows(Scoop):
scoop bucket add paperzilla-ai https://github.com/paperzilla-ai/scoop-bucket
scoop install pz
Linux:使用官方 Linux 安装指南:
https://docs.paperzilla.ai/guides/cli-getting-started
从源码构建(Go 1.23+):参见 CLI 仓库:
https://github.com/paperzilla-ai/pz
更新
检查 CLI 是否为最新版本并获取与安装方式对应的升级步骤:
pz update
如果检测结果不明确,可显式覆盖:
pz update --install-method homebrew
pz update --install-method scoop
pz update --install-method release
pz update --install-method source
支持的值包括 auto、homebrew、scoop、release 和 source。
认证
pz login
CLI 参考
如果当前配置使用 pz,以下是核心命令。
列出项目:
pz project list
显示单个项目:
pz project <project-id>
浏览项目信息流:
pz feed <project-id>
常用参数:
--must-read--since YYYY-MM-DD--limit N--json--atom
示例:
pz feed <project-id> --must-read --since 2026-03-01 --limit 5
pz feed <project-id> --json
pz feed <project-id> --atom
信息流输出可能包含已有的推荐反馈标记:
[↑]点赞[↓]点踩[★]星标
读取经典论文:
pz paper <paper-id>
pz paper <paper-id> --json
pz paper <paper-id> --markdown
pz paper <paper-id> --project <project-id>
打开来自某个项目的推荐:
pz rec <project-paper-id>
pz rec <project-paper-id> --json
pz rec <project-paper-id> --markdown
留下推荐反馈:
pz feedback <project-paper-id> upvote
pz feedback <project-paper-id> star
pz feedback <project-paper-id> downvote --reason not_relevant
pz feedback clear <project-paper-id>
输出与自动化
- 机器解析优先使用
--json。 pz paper --markdown仅在 markdown 已准备好时才返回 markdown。pz rec --markdown可以排队生成 markdown,并在仍在准备时打印友好的重试提示。--atom返回用于 feed 阅读器的个人信息流 URL。
配置
export PZ_API_URL="https://paperzilla.ai"
参考
- 文档:https://docs.paperzilla.ai/guides/cli
- 快速开始:https://docs.paperzilla.ai/guides/cli-getting-started
- 仓库:https://github.com/paperzilla-ai/pz
智能体操作流程
- 检查环境。确认研究问题、数据库、日期范围和纳入标准。
- 确定输入。从数据或用户处确认格式、标识符和参数。对于任何会改变结果的取值,应询问而不是猜测。
- 先运行小规模版本。在单个数据库上用窄查询运行搜索,检查结果是否相关。
- 使用上述说明和参考执行完整任务。
- 验证结果。每条引用都来自具有可解析标识符的真实记录;计数和搜索字符串均被记录。
- 报告。说明运行了什么(版本、命令、参数)、检查了什么,以及仍不确定的内容。
异常处理
- 如果 API 触发速率限制或返回错误:退避并重试,减小批量大小,或切换数据库,并报告缺口。
- 如果这些说明中的函数、参数或端点在已安装版本中缺失:查阅已安装版本自身的文档(help()、--help、官方文档),进行调整,并告知用户。绝不虚构 API。
- 如果必需的输入、标识符或参数不明确:询问用户,或在运行前明确说明假设。
完整性规则
- 绝不虚构结果、参数、标识符、引用或统计数据。如果某些内容无法运行或验证,应如实说明。
- 绝不总结未检索到的论文;绝不凭记忆引用。
- 将此处特定版本的细节视为可能已过时:请对照已安装版本的官方文档进行确认。
- 在涉及花钱、消耗共享 GPU 或云配额、接触个人或患者数据,或不可撤销的操作之前,先询问。
适用场景
适合需要与研究智能体对话、检索项目推荐、阅读和总结经典论文、管理推荐反馈以及导出研究数据的用户。
限制
该技能不强制特定工作流,也不包含外部投递集成。pz paper --markdown 仅在 markdown 已准备好时才返回;pz rec --markdown 可能需要排队生成。具体收费、价格、平台支持范围等信息暂未提供。