自动追踪、筛选、聚类、总结 arXiv 论文。每天帮你从海量论文中找到真正相关的研究。
# 1. 安装
pip install -e .# 2. 配置
cp .env.example .env
# 编辑 .env，填入 API 地址、密钥和模型名# 3. 运行
papertools run| 变量 | 说明 | 必填 |
|---|---|---|
OPENAI_BASE_URL | API 地址 | 是 |
OPENAI_API_KEY | API 密钥 | 是 |
MODEL | 模型名 | 是 |
FILTER_MODEL | 筛选阶段模型，默认 qwen | 否 |
PAPERTOOLS_FILTER_MODEL_CHAIN | 筛选模型回退链；OpenRouter 下自动把短别名归一化为 provider-prefixed ID | 否 |
CLUSTER_MODEL | 聚类阶段模型，默认跟随 FILTER_MODEL | 否 |
CLUSTER_OPENAI_BASE_URL | 聚类阶段 API 地址；不填则使用 OPENAI_BASE_URL | 否 |
PAPERTOOLS_CLUSTER_MODEL_CHAIN | 聚类模型回退链；OpenRouter 下自动把短别名归一化为 provider-prefixed ID | 否 |
SUMMARY_MODEL_CHAIN | 总结/翻译模型回退链，默认 sjtu:minimax,sjtu:glm,sjtu:qwen,sjtu:deepseek-chat,sjtu:deepseek-reasoner；可显式加入 prism:gpt-5.5 | 否 |
SUMMARY_SJTU_OPENAI_API_KEY | 致远一号总结/翻译 API，不用于筛选 | 否 |
SUMMARY_PRISM_OPENAI_API_KEY | Prism 总结/翻译 API，不用于筛选 | 否 |
SUMMARY_SJTU_RPM | SJTU 总结 provider 的共享 RPM 限制，默认 2；同一 key/base URL 下多个模型共用冷却 | 否 |
SUMMARY_PRISM_RPM | Prism 每分钟请求上限，默认 5 | 否 |
SUMMARY_PRISM_REASONING_EFFORT | Prism reasoning_effort，默认 xhigh | 否 |
SUMMARY_PRISM_WINDOW_SECONDS | Prism 滚动限额窗口秒数，默认 300 | 否 |
SUMMARY_PRISM_WINDOW_SAFETY_REQUESTS | Prism 滚动窗口安全余量，默认 1 | 否 |
SUMMARY_PRISM_429_COOLDOWN_SECONDS | Prism 429 后冷却秒数，默认 300 | 否 |
REVIEWGROUNDER_API_KEY | ReviewGrounder key；默认优先复用 SUMMARY_PRISM_OPENAI_API_KEY | 否 |
REVIEWGROUNDER_BASE_URL | ReviewGrounder base URL；默认优先复用 SUMMARY_PRISM_OPENAI_BASE_URL | 否 |
REVIEWGROUNDER_MODEL | ReviewGrounder backbone，默认 gpt-5.5 | 否 |
REVIEWGROUNDER_REASONING_EFFORT | ReviewGrounder reasoning effort，默认 xhigh | 否 |
REVIEWGROUNDER_RPM | ReviewGrounder backbone 的滚动 RPM 限制，默认 5 | 否 |
REVIEWGROUNDER_MAX_RELATED_PAPERS | 每篇最多纳入的 related papers，默认 1 | 否 |
FILTER_MAX_WORKERS | 筛选阶段并发上限，默认 5 | 否 |
PAPERTOOLS_FILTER_LLM_TIMEOUT | 筛选阶段单次 LLM 请求超时秒数，默认 120 | 否 |
PAPERTOOLS_FILTER_LLM_MAX_RETRIES | 筛选阶段 LLM 重试次数，默认 1 | 否 |
PAPERTOOLS_FILTER_EXTRACT_CHAIN | 筛选阶段 prestige 机构抽取链，默认 docling,pymupdf4llm,jina | 否 |
PAPERTOOLS_TOPIC_HEURISTIC_TOPIC_BYPASS_MIN_SCORE | 强主题确定性命中的 LLM 细筛旁路最低分，默认 30；硬排除风险仍交给 LLM | 否 |
PAPERTOOLS_FILTER_SUSPICIOUS_ZERO_MIN_INPUT | 可疑零结果源论文阈值，默认 500 | 否 |
PAPERTOOLS_FILTER_SUSPICIOUS_ZERO_MIN_PREFILTERED | 可疑零结果关键词候选阈值，默认 100 | 否 |
PAPERTOOLS_OPENAI_TRUST_ENV | OpenAI-compatible API 是否继承系统代理环境，默认 false | 否 |
PAPERTOOLS_PIPELINE_STAGE_TIMEOUT_SECONDS | 单个 pipeline 子进程阶段超时秒数，默认 21600；设为 0 可禁用 | 否 |
WEBHOOK_URL | 失败/完成通知 webhook | 否 |
PAPERTOOLS_DAILY_WINDOW_DAYS | 每日任务滚动补抓天数，默认 4 | 否 |
PAPERTOOLS_DAILY_PIPELINE_TIMEOUT_SECONDS | 每日自动发布单次 pipeline 超时秒数，默认 21600（6 小时） | 否 |
PAPERTOOLS_DAILY_PREFLIGHT_OFFLINE_OK | 设为 1 时每日 wrapper 跳过远端 /models 预检；默认 0。默认预检会按筛选、聚类、总结 provider 的实际 endpoint 分组检查模型 | 否 |
JINA_API_TOKEN | Jina Reader API（全文获取） | 否 |
筛选规则在 src/utils/config.py 的 PAPER_FILTER_PROMPT 中定义。
papertools run # 运行完整流水线
papertools run --mode quick # 快速测试（10篇）
papertools run --date 2026-03-28 # 指定日期
papertools run --start-date 2026-03-26 --end-date 2026-03-28
papertools serve # 启动本地服务器
papertools clean # 清理缓存
papertools check # 检查环境
papertools check --install-missing # 显式安装缺失的基础依赖项目支持 CPython 3.10-3.14；CI 会覆盖 pyproject.toml 中声明的所有
CPython 版本。
pip install -e ".[dev]"
pre-commit install # 可选：提交前运行快速检查
make test# 隔离外部 pytest 插件，避免全局环境影响测试
make lint # Ruff lint + format check
make security # Bandit medium/high security gate
make validate-data # 校验当前 webpages/data 发布 payload
make pre-commit # 对已跟踪文件运行提交前检查
make ci # 本地复现主要 CI 检查crontab -e
# 每天早上 8 点自动运行、校验并发布 webpages/
0 8 ***cd /path/to/PaperTools && ./daily_update.sh >> logs/cron.log 2>&1爬取 arXiv → LLM 筛选 → LLM 聚类 → 摘要/总结生成 → 网页生成
每个阶段产出独立的 JSON 文件，可以从任意阶段恢复：papertools run --start-from cluster