Synthèse automatique
Fournit des commandes CLI pour lister, rechercher, afficher et ajouter des articles académiques, servant de point d'entrée principal avant d'utiliser les outils MCP RAG.
Points forts
- Recherche rapide sans LLM via des expressions régulières et le texte exact
- Escalade progressive des méthodes de recherche, de la plus économique à la plus coûteuse
- Gestion locale et exportation des fichiers par article (résumés, équations, figures)
Limites
- Nécessite une base de données locale configurée via papi path
- Ne remplace pas la synthèse approfondie par RAG pour des questions complexes
- Les capacités de recherche sémantique dépendent des modèles d'embedding disponibles
Utilisez cette compétence lorsque vous connaissez le nom ou des termes exacts d'un article et souhaitez accéder rapidement à ses métadonnées ou sections.
Évitez cette compétence pour des questions nécessitant une synthèse entre plusieurs articles ou une citation formelle avec numéro de page ; préférez alors les outils MCP RAG dédiés.
Analyse de sécurité
SûrThe skill only uses safe CLI commands (papi, grep) and has no destructive or exfiltration instructions. No network access, file deletion, or obfuscation.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
papi show 2303.13476 -l summarypapi search --rg "attention mechanism"papi listname: papi description: CLI reference for paperpipe (papi). Use BEFORE MCP RAG tools. For listing, searching, showing, adding papers. allowed-tools: Read, Bash, Glob, Grep
Paper Reference Assistant (CLI)
Entry point skill. Use papi CLI first; MCP RAG tools only when CLI is insufficient.
For specialized workflows, invoke dedicated skills:
/papi-ask— RAG queries requiring synthesis/papi-verify— verify code against paper/papi-compare— compare papers for decision/papi-ground— ground responses with citations/papi-curate— create project notes
Setup
papi path # DB location (default ~/.paperpipe/; override via PAPER_DB_PATH)
papi list # available papers
papi list | grep -i "keyword" # check if paper exists before searching
When NOT to Use MCP RAG
- Paper name known →
papi show <paper> -l summary - Exact term search →
papi search --rg "term" - Checking equations →
papi show <paper> -l eq - Only use RAG when above methods fail or semantic matching required
Decision Tree
| Question | Tool |
|----------|------|
| "What does paper X say about Y?" | papi show X -l summary, then papi search --rg "Y" |
| "Does my code match the paper?" | /papi-verify skill |
| "Which paper mentions X?" | papi search --rg "X" first, then leann_search() if no hits |
| "Compare approaches across papers" | /papi-compare skill or papi ask |
| "Need citable quote with page number" | retrieve_chunks() (PQA MCP) |
| "Cross-paper synthesis" | papi ask "..." |
Search Commands
papi search --rg "query" # exact text (fast, no LLM)
papi search --rg --regex "pattern" # regex (OR, wildcards)
papi search "query" # ranked BM25
papi search --hybrid "query" # ranked + exact boost
papi ask "question" # PaperQA2 RAG
papi ask "question" --backend leann # LEANN RAG
papi notes {name} # open/print implementation notes
Search Escalation (cheapest first)
papi search --rg "X"— exact text, fast, no LLMpapi search "X"— ranked BM25 (requirespapi index --backend searchfirst)papi search --hybrid "X"— ranked + exact boostleann_search()— semantic search, returns file paths for follow-upretrieve_chunks()— formal citations (DOI, page numbers)papi ask "..."— full RAG synthesis
MCP Tool Selection (when papi CLI insufficient)
| Tool | Speed | Output | Best For |
|------|-------|--------|----------|
| leann_search(index, query, top_k) | Fast | Snippets + file paths | Exploration, finding which paper to dig into |
| retrieve_chunks(query, index, k) | Slower | Chunks + formal citations | Verification, citing specific claims |
| papi ask "..." | Slowest | Synthesized answer | Cross-paper questions, "what does literature say" |
- Check indexes:
leann_list()orlist_pqa_indexes() - Embedding priority: Voyage AI → Google/Gemini → OpenAI → Ollama
Adding Papers
papi add 2303.13476 # arXiv ID
papi add https://arxiv.org/abs/... # URL
papi add --pdf /path/to.pdf # local PDF
papi add --pdf "https://..." # PDF from URL
papi add --from-file papers.bib # bulk import
Per-Paper Files
Located at {db}/papers/{name}/:
| File | Best For |
|------|----------|
| equations.md | Code verification |
| summary.md | Understanding approach |
| source.tex | Exact definitions |
| notes.md | Implementation gotchas |
| figures/ | Architecture diagrams, plots |
If agent can't read ~/.paperpipe/, export to repo: papi export <papers...> --level equations --to ./paper-context/
Use --figures to include extracted figures in export.
See commands.md for full reference.
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/paper-reference-assistant-cli-mma3jrlg' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/paper-reference-assistant-cli-mma3jrlg/download' --output '.skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md.part' && mv '.skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md.part' '.skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Bash, Glob, Grep
Extrait original : Setup
papi path # DB location (default ~/.paperpipe/; override via PAPER_DB_PATH)
papi list # available papers
papi list | grep -i "keyword" # check if paper exists before searching
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md' && test -s '.skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/papi' && cp -R '.skill-downloads/paper-reference-assistant-cli-mma3jrlg' '.claude/skills/papi'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/paper-reference-assistant-cli-mma3jrlg'openskills read 'paper-reference-assistant-cli-mma3jrlg'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/paper-reference-assistant-cli-mma3jrlg/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.