DeepXiv Skill：让 AI 代理做端到端学术论文研究与深度阅读

Skill超级捕获手技术创作者 2026-07-31 10 阅读

DeepXiv 是一个为 AI 编码代理设计的学术论文研究 Skill，基于 DeepXiv 学术搜索引擎实现端到端的论文检索与分层阅读。只需一句触发词，代理即可自动完成主题检索、论文筛选、逐层深入阅读、摘要生成的全流程。2026 年 7 月 14 日刚更新，GitHub 仓库累计约 13,900 颗星，是当前学术类 Skill 中热度最高的新星之一。

功能与原则

DeepXiv 的核心能力是把一篇论文”切开读”——不是粗暴地丢给模型一整篇 PDF，而是按段落、按层次、按阅读目标递进输出。用户可以指定想读Introduction、Method、Experiment 还是某个具体图表，DeepXiv 会只提取相关内容而非全篇灌给 LLM，最大化 token 效率。

设计原则三条：
– 分层递进：从标题到摘要到正文，按需索取，不做无差别加载
– 源头可溯：每段话都标注来源段落和页码，方便回查原始文献
– 代理原生：为 Claude Code、Codex、OpenClaw 等 LLM Agent 量身定制，触发词明确，安装即用

认可度

GitHub Stars：wanshuiyin/Auto-claude-code-research-in-sleep 仓库约 13,900 星（截至 2026-07-30）
SkillsMP 收录：在 SkillsMP 的 academic research 类目中排名靠前，页面展示 Stars 13,885 / Forks 1,241
更新频率：2026-07-14 刚更新，保持活跃维护状态
同仓库其他 Skill：deepxiv 与 arxiv、alphaxiv、exa-search、web-debug-search 等同出自 ARIS（Auto-Research-In-Sleep）体系，协作构成完整学术研究工具链

链接

GitHub：https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep

技能目录：https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/main/skills/deepxiv

原作者

GitHub：@wanshuiyin
定位：ML/AI 研究工具开发者，ARIS 项目维护者
项目全称：ARIS ⚔️ Auto-Research-In-Sleep — 面向 AI 代理的轻量级 Markdown only 研究框架，支持 Claude Code、Codex、OpenClaw 或任何 LLM Agent

介绍

ARIS 是一个开源的自主 ML 研究框架，所有技能均为纯 Markdown 文件，无框架依赖，跨 Agent 平台通用。DeepXiv 是其技能体系中专注于学术论文智能检索与分层阅读的模块。

传统的论文搜索工具要么只返回标题列表，要么直接丢 PDF 给 LLM 造成上下文溢出。DeepXiv 的做法是：接收用户研究主题 → 调用 DeepXiv 引擎搜索相关论文 → 按相关性/时间/引用数排序 → 提供分层阅读接口（标题预览 → 摘要 → 指定章节 → 全文），Agent 可按任务需要选择性调用，无需一次消化整篇论文。

DeepXiv 背后对接的 DeepXiv（deepxiv.com）是一个专注于 AI/ML 领域的学术搜索引擎，专门优化了对 Transformer、RLHF、Vision-Language 等细分方向的论文索引与检索。

特点

分层阅读粒度：支持按 Introduction / Method / Experiment / Conclusion 等章节精确提取，不丢上下文
多论文并行综述：给定主题，一次性检索多篇相关论文并生成对比摘要
源头可查：所有引用均标注 arXiv ID、页码、段落号，方便人工核实
零框架依赖：纯 Markdown SKILL.md + Python 脚本，部署极简
跨 Agent 通用：Claude Code、Codex、OpenClaw、Cursor、Copilot 均支持，触发词一致

使用方法

安装

通过 SkillsMP 安装到 Claude Code：

npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill deepxiv

或手动克隆：

git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git
# 在 Claude Code 中激活后输入 /deepxiv 开始使用

触发词

"deepxiv"、"search papers"、"find academic papers"、"研究论文"、"找论文"、"paper search"

最小调用示例

/deepxiv检索过去30天内关于"vision-language model alignment"的论文，找出3篇高引用量且开源的，按分层阅读输出摘要

DeepXiv 会自动：搜索 DeepXiv → 筛选开源可下载论文 → 排序 → 输出带来源标注的分层摘要。

使用场景与人群

适用场景：
– 科研人员快速调研某个细分方向的最新进展
– ML 工程师在做技术选型前查论文依据
– AI 开发者为 RAG 系统检索相关工作
– 学生写文献综述时做系统性检索

目标用户：
– 学术研究者（CS/AI 方向优先）
– AI/ML 工程师和技术决策者
– 需要在项目中引入学术依据的开发者

输入与输出案例

输入：

用 DeepXiv 检索关于"test-time scaling laws"的最新论文，找出2篇，给出每篇的摘要 + 核心方法一句话总结

输出：

论文1：《Test-Time Scaling for LLM Reasoning》
来源：arXiv:2506.xxxxx | 引用量：高
摘要：本文提出在推理阶段通过增加计算量（bonus tokens）提升推理能力的 scaling 法则…
方法总结：通过在推理时引入验证链长度，实现后训练 scaling 的替代方案…

论文2：《Beyond Pre-training: Test-Time Adaptation via Thought Chains》
来源：arXiv:2505.yyyyy | 引用量：中
摘要：研究测试时自适应机制，提出在部署阶段而非预训练阶段注入领域知识…
方法总结：通过动态调整 attention head 的激活模式实现即时领域适配…

GitHub: https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep

评论区

0 条评论

登录后可评论。