用途：帮助研究者和学生系统化地阅读、标注并提取学术论文中的要点，包含 AI 辅助摘要与批判性分析的工作流。
主要能力：提供 Keshav 三遍阅读法（第一遍速览 5-10 分钟，判断类别、背景、正确性、贡献与清晰度；第二遍理解 30-60 分钟，细看图表、标注主张与方法、逐节一句话总结；第三遍复现 1-4 小时，尝试重新推导关键结果并挑战假设）。附带统一的结构化笔记模板，涵盖元数据、摘要、问题、方法、关键结果、优点、局限、疑问、与自身研究的相关性以及待追踪参考文献。还给出 AI 辅助摘要与批判性分析的提示词模板，要求输出一句话总结、关键发现、方法、局限与相关性，以及效度、新颖性、可复现性、替代解释和后续问题。
使用方式：按三遍法逐层深读；每读一篇使用模板记录笔记；将提示词中的 {paper_text} 替换为论文文本调用模型。PDF 处理需要 PyMuPDF（import fitz），示例提供 extract_paper_text(pdf_path) 抽取章节，以及 process_paper_batch(pdf_dir, output_file) 批量生成 JSON 笔记；命令与代码保持原样。
适用场景：按论文类型分配时间——奠基性论文 3-4 小时，综述 1-2 小时，方法论文 1-2 小时，结果论文 30-60 分钟，立场论文 30-60 分钟，外围相关工作仅做第一遍。资料还给出标注工具对比（Zotero + ZotFile、Paperpile、ReadCube Papers、Semantic Reader、Elicit、Scholarcy）及建立阅读习惯的建议。
限制：该技能未提供安装命令、收费与价格信息，暂未提供；章节识别依赖粗体与字号启发式，可能对排版不标准的 PDF 失效；AI 分析效果取决于所用模型与论文文本质量。