SuperAPI AI 工具集

paperzilla

写作与研究

查看项目

更新于 10-21 16:18

技能介绍

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

  1. 检查环境。确认研究问题、数据库、日期范围和纳入标准。
  2. 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。
  3. 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。
  4. 使用上述说明和参考执行完整任务。
  5. 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。
  6. 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。