---
id: gh-ljg-paper-river
name: "ljg-paper-river"
url: https://skills.yangsir.net/skill/gh-ljg-paper-river
author: lijigang
domain: science
tags: ["paper", "research", "history", "citation", "science"]
install_count: 2600
rating: 4.40 (10 reviews)
github: https://github.com/lijigang/ljg-skills
---

# ljg-paper-river

> 论文溯源工具，采用倒读法递归挖掘前序论文（最多5层）并追踪最新进展，从源头讲述问题的完整演化史。

**Stats**: 2,600 installs · 4.4/5 (10 reviews)

## Before / After 对比

### 论文溯源工具，采效果

**Before**:

手动处理此类任务耗时且质量不稳定，依赖个人经验和工具熟练度。

**After**:

通过 ljg-paper-river Skill 一键完成，AI 自动分析并生成高质量结果，大幅提升效率。

| Metric | Before | After | Change |
|---|---|---|---|
| 效率提升 | 100分钟 | 15分钟 | -85% |

## Readme

# ljg-paper-connects: 倒读法

一篇论文不是孤岛。它站在前人的肩上，也踩着前人的伤疤。倒着挖到根，再正着看过来——问题怎么长出来的，每个人看到了什么别人没看到的，解法怎么一步步逼近真相。

## 核心逻辑

读论文最常见的错：只看眼前这一篇，不知道它从哪来。倒读法反过来——先找到这篇论文在批判谁、改进谁，再找那篇论文又在批判谁，递归五层，挖到源头。然后掉头，从源头正向读回来。

这样读完，你拿到的不是一篇论文的知识，是一整条问题演化线的理解。

## 格式约束

### Org-mode 语法

- 加粗用 `*bold*`（单星号），禁止 `**bold**`
- 标题层级从 `*` 开始，不跳级

### ASCII Art

所有图表用纯 ASCII 字符。允许：`+ - | / \ > < v ^ * = ~ . : # [ ] ( ) _ , ; ! ' "` 和空格。禁止 Unicode 绘图符号。

### 模板权威性

输出结构依据 `references/template.org`。

### Denote 文件规范

- 时间戳：`date +%Y%m%dT%H%M%S`
- 可读时间：`date "+%Y-%m-%d %a %H:%M"`
- 文件名：`{时间戳}--paper-river-{简短标题}__paper_river.org`
- 输出目录：`~/Documents/notes/`

### Org 文件头

```
#+title:      paper-river-{简短标题}
#+date:       [{YYYY-MM-DD Day HH:MM}]
#+filetags:   :paper:river:
#+identifier: {YYYYMMDDTHHMMSS}
#+source:     {URL 或来源描述}
#+authors:    {目标论文作者}
#+venue:      {发表场所/年份}
```

## 红线

1. *问题为轴* — 整篇文章的主线是"问题怎么演化的"，不是"论文怎么排列的"。论文是配角，问题是主角
2. *口语检验* — 你会这样跟朋友讲一个领域的发展史吗？不会就改
3. *差异为核* — 每篇论文的讲解重心是"它和前一篇的差异在哪"，不是独立地介绍每篇论文
4. *零术语* — 先用大白话落地，再顺带提术语名
5. *逻辑不断链* — 从第一篇到最后一篇，因果链条不能断。读者能感受到"所以他们才会这样做"
6. *诚实* — 找不到五层就说找到几层。论文之间的关系不确定就说不确定。不编造引用关系

## 写作原则

1. *差异驱动叙事* — 不要给每篇论文写独立摘要再拼起来。以"这篇看到了前一篇的什么问题"作为每段的开头，让差异本身推动叙事往前走
2. *变形替代定义* — 讲两个方案的区别时，把方案A连续变形成方案B。"如果你把X去掉，再加上Y，你就得到了Z"——比"Z和X的区别是..."有力十倍
3. *推理外显* — 每个解法出现前，先让读者感受到"不这么做不行了"的压力。模拟发现的过程，不是汇报发现的结果
4. *一张图胜千言* — 在演化叙事之前画溯源地图，在叙事之后画压缩总览图。让读者先有全景再入细节，细节看完再回全景

## 执行

### 1. 获取目标论文

- arxiv URL → WebFetch
- PDF → Read（注意 pages 参数限制）
- 论文名称 → WebSearch 找到全文

确保拿到：标题、作者、摘要、引言（尤其是 related work / introduction 中对前人工作的批判）。

### 2. 提取批判链线索

仔细读目标论文的引言和相关工作部分。找出：

- 它明确说"前人方法 X 有问题 Y"的地方
- 它声称自己改进了哪篇/哪几篇论文
- 它对比的 baseline 是谁

从中锁定 *被批判/被改进的核心论文*（通常 1-3 篇，选最直接的那条线）。

### 3. 递归溯源（深度研究）

对第 2 步找到的核心前序论文，重复同样的过程：它又在批判谁？改进谁？

递归规则：
- 最多递归 5 层（到第 5 层或到该领域的奠基论文为止）
- 每层只追 *问题最相关的那条线*，不发散
- 如果某层找不到明确的被批判对象，停在那里

使用 Research skill（deep research 模式）获取每层论文的关键信息。每篇论文至少拿到：标题、作者、年份、核心问题、核心解法、对前人的批判点。

### 4. 前沿延伸

反方向：目标论文之后，有没有新论文在批判/改进它？

同样用 Research skill 搜索：
- 引用了目标论文的后续工作
- 同一问题上的最新进展

找到最相关的 1-3 篇后续论文，获取同样的信息。

### 5. 构建演化线

把第 3、4 步的结果整理成时间线：

```
[最老] Paper_0 → Paper_1 → ... → [目标论文] → [后续论文]
```

每条箭头标注：后者看到了前者的什么问题。

### 6. 正向费曼叙事

从最老的论文开始，正向讲述。关键：不是逐篇独立介绍，而是以问题演化为线索串联。

每篇论文讲三件事（以差异为重心）：
1. 它看到了前人方案的什么具体问题（用例子或场景说明）
2. 它的解法核心思路（用类比讲清楚）
3. 这个解法又留下了什么新的问题（自然过渡到下一篇）

### 7. 画图

两张图：
- *溯源地图*：放在演化叙事之前，展示论文间的引用/批判关系
- *问题-解法总览*：放在叙事之后，把整条线压缩到一屏。让人扫一眼就知道这条线怎么长出来的

### 8. 提炼洞见

读完整条线，回答：
- 这条演化线背后真正在发生什么变化？（不是表面的技术迭代，是更深层的认知转变）
- 下一步最可能往哪走？

### 9. 过红线 + 生成文件

逐条扫红线。额外检查：
- 因果链条是否连贯——把所有"它看到了什么问题"串起来读，逻辑通不通
- 差异是否突出——每篇论文的重点是不是在讲"和前面有什么不同"

读 `references/template.org`，按 Denote 规范写入 `~/Documents/notes/`。

## 验收

- *问题是主角*：读完后记住的是"问题怎么演化的"，不是"有哪些论文"
- *因果不断*：从第一篇到最后一篇，每个转折都有"所以"
- *差异清晰*：每篇论文的独特贡献一句话能说清
- *外行能跟*：不懂这个领域的聪明人读完能复述这条演化线
- *两张图能独立看*：不读正文，只看图也能抓住大意
- *诚实标注*：哪些是确认的引用关系，哪些是推测的，标清楚


---
*Source: https://skills.yangsir.net/skill/gh-ljg-paper-river*
*Markdown mirror: https://skills.yangsir.net/api/skill/gh-ljg-paper-river/markdown*