最近给自己做了一个小工具，名字叫 DeepPaperNote。
起因其实很简单。 我平时精读论文的时候，基本都会顺手在 Notion 或 Obsidian 里留一篇对应的笔记。因为对我来说，论文真正麻烦的地方，往往不是“看完”，而是“看完以后怎么把它真正留下来”。
自从开始用 Codex 之后，我一直在想，能不能把“整理笔记”这件事也交给它。 但试了一圈之后发现，如果只是给一个很简单的 prompt，大多数时候 AI 产出的都更像是“摘要复述”或者“泛泛而谈的总结”，离我真正想要的“精读笔记”还有很大距离。
我想要的笔记，不是只讲一句“这篇文章提出了什么方法”，而是能够把文章的重要部分真正拆开说明白。比如：
- 论文的故事逻辑是什么
- 数据和任务设定是什么
- 方法流程到底怎么走
- 关键公式是什么意思
- 实验到底说明了什么
- 图表里真正值得看的信息是什么
而且还有一个硬要求，就是尽量别有幻觉，别全是水话。
NotebookLM 在“围绕论文去问细节”这件事上其实做得不错，但它更像一个问答助手。你还是得自己一轮轮去问，再把答案手动整理进笔记里。对我来说，这一步依然很耗时间。
所以最后我干脆自己做了一个专门给 Codex 用的 skill，也就是 DeepPaperNote。
项目GitHub：
https://github.com/917Dhj/DeepPaperNote
DeepPaperNote 是干什么的
一句话说，它做的不是“论文摘要”，而是更接近论文精读笔记。
现在你只需要对 Codex 说一句：
给这篇文章生成一个深度笔记
它就会围绕这篇论文去生成一份结构化的高质量笔记，尽量把论文的各个部分拆开讲清楚，而不是只给你一段表面总结。
我比较在意的是，它最后产出的东西，应该是那种真的可以放进 Obsidian 里长期保存、以后还能继续翻出来看的笔记，而不是一次性看完就结束的回答。
它现在能做什么
目前 DeepPaperNote 主要做两件事：
1. 给任意论文生成深度精读笔记
支持的输入比较灵活，比如：
- 论文标题
- DOI
- 网页链接
- arXiv 链接
2. 把生成好的笔记整理进你的 Obsidian 库
如果你本来就在用 Obsidian 做知识管理，这一点会比较顺手。 当然，不用 Obsidian 也可以先直接体验生成效果。
用DeepPaperNote生成精读笔记的案例
这个 skill 我比较满意的几个点
1. 公式不只是摘出来，还会解读
很多 AI 工具看到公式就绕开，或者只做一句很虚的描述。 DeepPaperNote 会尽量把重要公式保留下来，并补上必要的解释。
2. 会在笔记里插入论文中的图表
如果论文里有关键图片、流程图、实验图，笔记里会尽量保留相关内容，而不是只剩一段文字空讲。
3. 输出目标是“精读笔记”，不是“摘要扩写”
这点其实是我做这个项目的核心出发点。 我不太想再要那种“看起来很完整，但其实没多少信息量”的 AI 总结了。
4. 对质量要求比较严格
整个流程里我专门加了比较严的约束和检查逻辑，尽量减少幻觉和无效废话。 当然，这种事情很难说做到绝对完美，但目标很明确，就是尽量往“能用的研究笔记”去靠。
简单说一下怎么用
如果你本身就在用 Codex，那上手其实不复杂。
你甚至不用看我写的使用说明，只需要跟Codex说：“帮我安装一下这个Skill：github.com/917Dhj/Deep…”，它就能帮你全部搞定。
当然如果你不那么信任Codex，或者还是想了解一下安装过程，以下是手动安装的简要说明，详细的安装配置可以在github上查阅~
第一步，把仓库放到 skills 目录
git clone https://github.com/917Dhj/DeepPaperNote.git ~/.codex/skills/DeepPaperNote
第二步，安装最基本的依赖
python3 -m pip install PyMuPDF
第三步，重启 Codex，然后直接调用
比如你可以这样说：
给这篇文章生成一个深度笔记：Attention Is All You Need
或者：
把这篇论文整理成 Obsidian 笔记：https://arxiv.org/abs/1706.03762
更完整的配置和使用方式，README 里已经写得比较细了，这里就不展开重复了。
⚠️一个实际使用时的小提醒
这个项目走的是“精读拆解”路线，不是那种几秒钟糊一个摘要出来的轻量流程。 所以它的处理时间会比普通 summary 工具长一些。
如果是一篇结构比较复杂、公式和图表比较多的论文，跑上十分钟甚至更久，其实都是正常的。 这个等待时间，本质上是拿来换更完整的结构化输出。
如果你只想快速知道论文大意，那普通摘要工具可能更快。 如果你想要的是一篇以后还能继续用的笔记，那 DeepPaperNote 会更适合。
项目地址
GitHub：
https://github.com/917Dhj/DeepPaperNote
欢迎来看看。 如果你觉得这个方向有点意思，也欢迎 star ⭐️、提 issue，或者交流你自己在论文阅读和笔记工作流里的痛点。
