ReMe/plugins/daily_paper/README_ZH.md

每日论文插件

English

每日论文从 Hugging Face Papers 的周榜和月榜中筛选三篇论文，下载 arXiv PDF，生成中文论文解读和一篇约五分钟可读完的中文简报。本目录是一个 独立 Python distribution：daily-paper entry point 通过 package 内的 plugin.yaml 暴露五个 Step backend 和完整 Job 默认配置；安装后使用 plugins=["daily-paper"] 显式启用。

快速开始

要求 Python 3.11 或更高版本、可用的 AgentScope LLM，以及能访问 Hugging Face Papers 和 arXiv 的网络。

python -m pip install "reme-ai[core]>=0.4.1.8"
reme plugins install reme-daily-paper
export LLM_API_KEY="your-api-key"
export LLM_MODEL_NAME="qwen3.7-plus"
export LLM_BASE_URL="https://your-provider.example/v1"
reme start plugins='["daily-paper"]' job=daily_paper

内置 LLM 组件默认配置为：

• 模型：qwen3.7-plus
• endpoint：无内置 LLM_BASE_URL；请设置服务商要求的 OpenAI 兼容 endpoint
• 环境变量：LLM_API_KEY、LLM_MODEL_NAME、LLM_BASE_URL

每日论文使用 Application 的 default LLM 和 default AgentScope wrapper。Select 和 Analyze 调用不带工具；Digest 只使用只读的 ReMe Job 工具 memory_search 和 read。

默认 workspace 是启动目录下的 .reme/；可通过 workspace_dir=... 或与插件组合使用的 Application 配置覆盖。

从内置 Cookbook 迁移

Daily Paper 不再由核心 reme-ai distribution 导入或配置。需要安装本 package 并显式启用 daily-paper，而不是通过 config=daily_cookbook 获取 Daily Paper Job：

# 旧方式
reme start config=daily_cookbook job=daily_paper

# 新方式
reme plugins install reme-daily-paper
reme start plugins='["daily-paper"]' job=daily_paper

工作流 schema 已从 reme.schema.daily_paper 移至 reme_daily_paper.schema。原先位于 reme.utils 的 arXiv 和 Hugging Face client 现在是 reme_daily_paper 下的插件实现细节；直接使用这些模块的应用需要安装本 package 并更新 import。已有 workspace 笔记、下载的 PDF 和索引不会被迁移或改写；将 Application 指向原 workspace_dir 即可继续使用。

工作流

Hugging Face 周榜/月榜
          │
          ▼
Collect ──► Rank ──► Select 3 篇 ──► Analyze PDF ──► Digest ──► DingTalk（可选）
                                       │                │
                                       ├─ PDF           ├─ 每日简报
                                       └─ 论文解读      └─ 当日索引

1. Collect

daily_paper_collect_step 根据运行日期并发读取：

• 该日期所在 ISO week 的 Hugging Face 周榜；
• 该日期所在自然月的 Hugging Face 月榜；
• 严格前一个自然日的 Hugging Face Daily Papers。

周榜和月榜按 arXiv ID 合并，并保留各自排名。随后排除：

• 昨日 Daily Papers 中的论文；
• history_days 窗口内，已出现在 daily/<date>/*.md frontmatter arxiv_id 中的论文。

如果当天已经存在 kind: daily-paper-brief 的 Markdown 且 force=false，整个生成流程会跳过；已有简报仍可进入钉钉发送步骤。没有剩余候选论文时，Job 直接失败。

2. Rank

daily_paper_rank_step 使用 reciprocal-rank fusion：

score = 1 / (rrf_k + monthly_rank)
      + weekly_weight / (rrf_k + weekly_rank)

缺失的榜单排名贡献为零。论文按融合分、upvotes、arXiv ID 排序，候选池最多保留 candidate_limit 篇。Rank 阶段不应用任何主题倾向。

3. Select

daily_paper_select_step 将候选元数据交给无工具的 AgentScope Agent，并要求返回恰好三项：

{"papers": [{"arxiv_id": "2601.01234", "reasoning": "具体且可核验的选择理由"}]}

三个 ID 必须唯一且都属于候选池，理由不能为空。校验失败后，错误信息会反馈给 Agent 并重试一次。只有非空 topics 会向精选提示注入个性化主题，且不会改变固定的三篇数量。

4. Analyze

daily_paper_analyze_step 按精选顺序逐篇处理：

1. 校验新版 arXiv ID 格式 YYYY.NNNN 或 YYYY.NNNNN；
2. 下载 PDF 到 resource/papers/<arxiv-id>.pdf；
3. 如果目标文件已存在且以 %PDF- 开头，直接复用；
4. 用 pypdf 提取分页文本，受 max_pdf_pages 和 max_pdf_chars 限制；
5. 将论文元数据、选择理由和 PDF 文本交给无工具 Agent；
6. 将中文解读写入 daily/<date>/<中文标题>.md。

下载采用临时文件并在校验 PDF 文件头后原子替换，同时限制 max_pdf_bytes。当前没有 OCR；扫描版或无文本层 PDF 会失败。提取被截断时，笔记 frontmatter 中的 pdf_text_truncated 会记录为 true。

5. Digest

daily_paper_digest_step 以内存中的三篇解读作为本期事实来源生成中文简报，同时搜索并按需读取较早的 daily 文章来识别相关报道；历史文章只能用于建立上下文 wikilink，不能用于补充本期论文事实。输出必须包含 title、desc 和 body 。代码会：

• 去掉模型可能生成的 YAML frontmatter；
• 规范化中文标题并用作文件名；
• 只保留指向真实存在、日期早于运行日期的 daily/ Markdown 文件的模型生成 wikilink；
• 确定性追加三篇源笔记的 wikilink；
• 写入 daily/<date>/<中文简报标题>.md；
• 重建 daily/<date>.md 当日索引。

最终响应 metadata 包含日期、周/月范围、入选 arXiv ID、选择理由、笔记/PDF/简报路径、源榜单数量和排重数量。

6. DingTalk

最后的 dingtalk_markdown_send_step 是可选步骤。未设置群会话 ID 时无副作用跳过；配置后会去掉 frontmatter，并把简报正文依次发送给所有群：

DINGTALK_APP_KEY=your-app-key
DINGTALK_APP_SECRET=your-app-secret
DINGTALK_ROBOT_CODE=your-robot-code
DINGTALK_CONVERSATION_IDS=cid-group-one,cid-group-two

任一群发送失败不会阻止继续尝试后续群，全部尝试结束后统一报告失败。

产物

.reme/
├── daily/
│   ├── YYYY-MM-DD.md
│   └── YYYY-MM-DD/
│       ├── <中文论文标题>.md       # 三篇，kind: daily-paper-analysis
│       └── <中文简报标题>.md       # 一篇，kind: daily-paper-brief
└── resource/
    └── papers/
        └── <arxiv-id>.pdf

每次成功生成会写入三篇论文解读和一篇简报。强制重跑后，当日目录中可能保留其他内容或此前入选论文的解读；ReMe 不会把它们作为清理对象删除。文件名来自 Agent 返回的中文标题。代码会清理路径不安全字符，并处理同名文件。Markdown 和 PDF 都通过同目录临时文件写入后原子替换。

参数与默认值

可在调用时传入的 Job 参数：

参数	默认值	作用
date	""	运行日期；空值使用应用时区当天，非空值必须为 YYYY-MM-DD
force	false	已有当日简报时仍重新生成
use_hf_mirror	false	是否使用 Hugging Face 镜像站；优先读取 HF_MIRROR_URL，未配置时使用 https://hf-mirror.com
topics	""	精选论文时优先考虑的主题
weekly_weight	0.7	RRF 中周榜权重
history_days	30	历史推荐排重窗口

daily_paper Job 的步骤级配置：

配置	默认值	作用
candidate_limit	20	送入 Select 的最大候选数
rrf_k	60	RRF 常数
hf_timeout	600 秒	Hugging Face 单次请求超时
hf_max_retries	3	Hugging Face 最大尝试次数
pdf_timeout	600 秒	arXiv PDF 下载超时
max_pdf_bytes	52428800	PDF 上限，50 MiB
max_pdf_pages	35	最多提取页数
max_pdf_chars	300000	最多送入 Agent 的 PDF 字符数

镜像站

数据客户端使用 httpx 默认的环境处理，因此存在 HTTP_PROXY、HTTPS_PROXY 或 NO_PROXY 时会自动生效。两个数据源启用镜像的方式不同：Hugging Face 由 use_hf_mirror 任务参数控制，arXiv 仅由环境变量驱动。

# 插件提供的 daily_paper_cron Job 默认启用镜像站；设为 false 可改用官方服务
DAILY_PAPER_USE_HF_MIRROR=false

# 仅在手动任务或定时任务启用镜像时读取；未配置时使用 https://hf-mirror.com
HF_MIRROR_URL=https://hf-mirror.com

# 可选覆盖；未设置时代码使用 https://arxiv.org
ARXIV_MIRROR_URL=https://export.arxiv.org

# 也支持带路径前缀的中转地址
# HF_MIRROR_URL=http://relay-host:18080/hf
# ARXIV_MIRROR_URL=http://relay-host:18080/arxiv

HF_MIRROR_URL 必须提供当前代码使用的 /papers/...、/api/daily_papers 和 /api/papers/... 路径。ARXIV_MIRROR_URL 必须支持 /pdf/<arxiv-id>。两种 base URL 都会保留路径前缀，末尾 / 可有可无。不存在备用地址回退：客户端选定哪个 base URL，就只访问该地址。

行为变更： 以往只要设置 HF_MIRROR_URL 就会改变 Hugging Face 的访问地址；现在该变量仅在任务启用镜像时才会读取，否则直接访问官方站点，并输出一条“已忽略该变量”的告警日志。手动调用需传入 use_hf_mirror=true。插件提供的 daily_paper_cron Job 默认启用镜像；设置 DAILY_PAPER_USE_HF_MIRROR=false 可让该定时任务改用官方服务。

运行方式

生成指定日期的简报：

reme start \
  plugins='["daily-paper"]' \
  job=daily_paper \
  date=2026-08-06 \
  topics="Agent memory" \
  history_days=30

强制重跑；有效的本地 PDF 仍会复用：

reme start plugins='["daily-paper"]' job=daily_paper date=2026-08-06 force=true

启动 HTTP 服务和定时任务：

reme start plugins='["daily-paper"]'

使用 ReMe 默认配置时，HTTP 服务监听 127.0.0.1:2333。daily_paper_cron 按 Application 时区每天 08:00 运行， 默认优先关注 大模型长期记忆，并使用 Hugging Face 镜像站。设置 DAILY_PAPER_USE_HF_MIRROR=false 可改用官方服务； 可通过常规 ReMe 配置或启动参数覆盖监听地址和端口。

curl -s http://127.0.0.1:2333/daily_paper \
  -H 'Content-Type: application/json' \
  -d '{"date":"2026-08-06","force":false,"topics":"Agent memory"}'

失败与重跑

• Hugging Face HTTP 请求失败会指数退避重试，最多尝试 hf_max_retries 次；响应数据格式无效时立即失败。
• 候选少于三篇、Agent 精选不合法、PDF 无效/过大/无文本或 Agent 输出为空都会终止 Job。
• 三篇论文按顺序处理；中途失败时，之前已完成的 PDF 和笔记会保留。
• force=true 会重新生成本次入选论文的解读和简报，并复用有效 PDF；不会删除当日目录中已有的其他笔记。
• 多文件流程不是事务，也没有同一日期的全局运行锁。

测试

单元测试会 mock Hugging Face、arXiv、AgentScope 和 DingTalk 边界，不访问真实服务：

python -m pip install -e packages/reme_ai_studio -e ".[dev,core]" -e plugins/daily_paper
python -m pytest plugins/daily_paper -v