Smithery is now a part of Arcade.dev! Read more in our announcement here
将学术论文转化为深度技术文章，支持多种写作风格选择。 使用 MinerU Cloud API 高精度解析 PDF，自动提取图片、表格、公式。 可选公式讲解、GitHub 代码分析，生成 Markdown 和 HTML 格式。
export MINERU_TOKEN="your_token_here"
pip install requests markdown
python scripts/mineru_api.py <pdf_path> <output_dir>
或者直接传入 token：
python scripts/mineru_api.py paper.pdf ./output YOUR_TOKEN
输出结果：
output_dir/*.md - Markdown 文件（含公式、表格）output_dir/images/ - 高质量提取的图片python scripts/extract_paper_info.py <output_dir>/*.md paper_info.json
在生成文章前，必须询问用户以下选项：
| 风格 | 特点 | 适用场景 |
|---|---|---|
| storytelling（故事型） | 从直觉出发，用比喻和例子，像讲故事 | 公众号、技术博客、科普 |
| academic（学术型） | 专业术语，严谨表述，保留原文概念 | 学术报告、论文综述、研究组分享 |
| concise（精炼型） | 直击核心，表格列表，信息密度高 | 快速了解、论文速览、技术调研 |
| 选项 | 说明 |
|---|---|
| with-formulas | 插入公式图片并详细讲解符号含义 |
| no-formulas（默认） | 纯文字描述，不包含公式图片 |
| 选项 | 说明 |
|---|---|
| with-code | 克隆仓库，贴关键源码，代码与论文对照讲解 |
| no-code（默认） | 不包含代码分析 |
询问示例：
请选择文章风格：
- academic - 学术型，专业严谨（默认推荐）
- storytelling - 故事型，朴素接地气
- concise - 精炼型，快速阅读
是否需要公式讲解？（论文包含数学公式时推荐） 是否需要结合 GitHub 代码分析？（检测到开源仓库：xxx）
如果用户不确定选哪个，默认使用 academic（学术型）风格。
根据用户选择的风格，阅读对应的风格定义文件：
styles/storytelling.md - 故事型风格指南styles/academic.md - 学术型风格指南styles/concise.md - 精炼型风格指南styles/with-formulas.md - 公式讲解指南styles/with-code.md - 代码分析指南重要：为避免上下文膨胀，请遵循以下原则：
避免：
$\mathcal{O}(1)$）- 使用提取的公式图片采用：
以下方法论仅在用户选择 storytelling 风格时应用：
1. 从直觉切入，不要直接讲技术
2. 先讲历史背景，再讲创新
3. 用简单例子贯穿全文
4. 使用生动的比喻
5. 逻辑递进，层层深入
6. 提炼核心洞见
1. 论文信息
**论文标题**：xxx
**论文链接**：[arXiv](https://arxiv.org/abs/xxxx)
**作者团队**：xxx
2. 直觉引入（2-3段）
3. 背景知识（3-4段）
4. 核心创新（4-5段）
5. 实验验证（2-3段）
6. 深入分析（2-3段）
7. 思考与展望（1-2段）
默认输出 Markdown，文章写完后询问用户是否需要其他格式：
"文章已生成：
article.md。需要生成 HTML 版本吗？（HTML 会嵌入图片，方便直接分享）"
格式对比：
| 格式 | 优势 | 适用场景 |
|---|---|---|
| MD（默认） | 轻量、易编辑、公众号可直接导入 | 日常使用 |
| HTML | 图片嵌入、单文件分享 | 预览效果、分享给他人 |
如果用户需要 HTML：
python scripts/generate_html.py <article.md> <output.html>
风格定义：
styles/storytelling.md - 故事型风格styles/academic.md - 学术型风格styles/concise.md - 精炼型风格styles/with-formulas.md - 公式讲解styles/with-code.md - 代码分析脚本：
scripts/mineru_api.py - MinerU Cloud API 调用（推荐）scripts/convert_pdf.py - 本地转换（备选，需要 PyMuPDF）scripts/extract_paper_info.py - 提取论文元数据scripts/generate_html.py - 生成 HTML（base64 图片）