论文推送

出于想要openclaw帮我查找论文以及每日推送的想法，我在openclaw的仓库以及GitHub中折腾了很久，找到几个可以直接使用的项目、skill，但是实际上使用的体验不符合预期，加上想自己动手做点东西，所以我基于 findpapers（Jonatas Grosman的开源项目）和自己重构过的RSS推送工具做了一个。

我遇到的问题

我使用到的：
1.Daily Paper Digest 使用的平台是arXiv和HuggingFace（国内不可用）。关注的时间点是每一天，可以关注多个细分领域。
2.paper-recommendation 使用的平台是arXiv。它也可以日常推送，但是更多的是关注一个大领域近期的论文，经过一套评估流程后生成简介。

问题：
1.它们两个和rss-ai-reader一样，对推送摘要格式有要求，但是对结果没有审查，格式与内容常常波动；
2.获取信息的渠道单一，都有局限性，无法获得高质量论文；
3.时间跨度不够，只关注近期的内容，无法查询到过去几年的文章；
4.paper-recommendation，在想要找到新的论文时，让ai自行探索，最后获得的内容只是贴近想要的，不精确。
5.paper-recommendation的评估流程对我来说有些臃肿、浪费，我只需要了解大致的内容，然后我自己去看、去思考；
6.Daily Paper Digest只推送当天更新的论文，

改进后的技术逻辑

针对上面遇到的问题，我逐一对应解决：

1.三层验证机制
原版prompt写了格式要求但没人检查。我加了三个关卡：

• 第一关 _is_content_valid：过滤空内容、只有链接、"Please enable JavaScript" 等垃圾，不配浪费 token

• 第二关 _is_summary_valid：长度 ≥60 字、🏷️📌💡📋⭐ 至少出现 3 个、没有"我无法总结"等拒绝回复

• 第三关 Reflection Retry：不合格时把具体原因告诉 LLM 让它重写，最多 2 轮

2.findpapers多库搜索
findpapers包装了arXiv、OpenAlex、Semantic Scholar、PubMed、IEEE等7个学术搜索引擎（我实际只开了arXiv和OpenAlex），一套DSL自动翻译到各家的原生查询语法。

3. --search 自定义时间窗
定时推送默认只查 7 天内的新论文。但临时查询模式 --search 支持 --since YYYY-MM-DD 和 --sort citations，可以一次性拉几年范围、按引用量排序挖经典，解决了"查不到旧文章"的问题。

4.写死 query + 简化链路

• config.yaml每条query是精确DSL，不让AI发散什么"相关方向"，搜什么完全可控
• 去掉paper-recommendation复杂的评估流程，简化到：搜索→去重→AI摘要→推送，三步走完。

5.pending队列
当天多出来的不进数据库标记为已处理，而是存下来等下一轮。如果下一轮新内容不足，自动从pending队列里补上来，把多的匀给少的。

整体链路

config.yaml 配 N 条 query → findpapers 搜 7 个库 → 去重 → 配额分配 → DeepSeek 摘要 → 飞书卡片

推送逻辑、待推送队列、内容审查机制都直接复用了之前在rss-ai-reader写的。每轮最多8篇，按分组配额轮询分配，获取的多了进pending队列下次补出。每篇论文用AI生成结构化中文摘要——标题翻译、一句话贡献、推荐理由、关键要点、适合谁读——然后推一张飞书卡片，带原文链接和PDF下载按钮。

另外还做了一个对话式查询：想知道某个方向最近有什么论文，直接和openclaw说关键字，结果会以列表卡片的形式推送到飞书。在列表里看到感兴趣的，挑几篇告诉openclaw，然后就会为每篇生成摘要再推过来。类似"搜一下→看看→细读"的两步式体验。

实际效果

老实说，跑了一段时间，在查询质量上和直接让openclaw调用OpenAlex查差别不大，甚至不如。让openclaw使用paper-push的查询可以找到论文，不过目前只能使用arXiv，而OpenAlex不稳定，剩下的需要有企业邮箱或者教育邮箱才可以申请，我没有使用到。而让openclaw直接调用OpenAlex，只要连通就可以获得不错的论文，因为可以根据引用量来排序。就我做出的查询效果而言，比不上在知网、谷歌学术直接查询，有很大的改善空间。不过话说回来，虽然它查询的效果不符预期，但是在推送上面，比openclaw仓库上的skill还是强上一些，把我遇到的问题基本解决好了。

未来可期

我做出来的也存在不少问题——库看似被拓展了实际上并没有，稳定的只有arXiv，以及在小服务器上使用查询并不流畅，底层搜索库占用的内存较多，容易触发限制。针对这两个问题，我还在探索中，目前考虑的计划：构建中转服务器并重构底层搜索库，这样应该解决网络限制和内存占用高的问题。

代码

底层搜索库：

• findpapers（Jonatas Grosman的开源项目）

本人作品：

• rss-ai-reader — RSS 摘要推送工具

• Paper-push — 论文搜索摘要推送工具