⚠️ 入行提示：本文档为官方英文原版文献，社区中文精翻版本正在筹备中。
HF Papers 研究发现工作流
AI 原生双语结构
跟进机器学习研究的最新进展，意味着每天都要刷新 Hugging Face Papers 页面，浏览几十条标题，逐一点击查看摘要，再手动交叉比对 GitHub 仓库。你希望能够以对话的方式发现、筛选并深度阅读热门论文，而不必离开当前的工作环境。
AI 原生双语结构
本工作流组合了两个技能，搭建出一条完整的研究发现流水线：
-
AI 原生双语结构浏览 Hugging Face 当日的热门论文——可按点赞数或日期排序
-
AI 原生双语结构通过关键词搜索论文，定位任意主题下的相关工作
-
AI 原生双语结构获取完整的论文元数据：摘要、作者、GitHub 仓库、社区点赞数以及 AI 自动生成的总结
-
AI 原生双语结构阅读任意论文下的社区讨论与评论
-
AI 原生双语结构通过 arXiv ID 深度阅读任意论文的完整 LaTeX 源码（借助 arxiv-source 技能）
你需要的技能
- hf-papers 技能（包含 4 个工具：
hf_daily_papers、hf_search_papers、hf_paper_detail、hf_paper_comments） - arxiv-source 技能（包含 3 个工具：
arxiv_fetch、arxiv_sections、arxiv_abstract）——用于获取论文全文
AI 原生双语结构
无需 Docker 或身份验证——两个技能均使用公开 API，并启用本地缓存。
如何进行配置
- 安装这两个技能：
clawhub install hf-papers
clawhub install arxiv-source
- 向 OpenClaw 描述你的研究工作流：
<DualLang en="I want to stay on top of ML research. Here's my daily workflow:
1. Every morning, show me the top 10 trending papers on Hugging Face (sorted by upvotes)
- For each paper, show: title, upvotes, GitHub repo (if any), and 1-line AI summary
2. When I say "search [topic]":
- Search HF Papers and show the most relevant results
- Highlight papers with linked GitHub repos or high upvote counts
3. When I pick a paper (by ID):
- Show the full abstract, authors, and linked resources
- Show community comments if any
- Ask if I want a deep read
4. For deep reads:
- Fetch the full paper via arxiv-source
- Summarize key contributions, methodology, and results
- Note any linked code repos I should check out
Keep a running list of papers I've reviewed today with one-line takeaways.">
我希望能时刻掌握机器学习研究的最新进展。这是我每天的工作流：
1. 每个早上，向我展示 Hugging Face 上点赞数最高的 10 篇热门论文（按点赞数排序）
- 对每篇论文显示：标题、点赞数、GitHub 仓库（如果有）以及一行 AI 摘要
2. 当我说 "search [主题]" 时：
- 搜索 HF Papers 并展示最相关的结果
- 重点突出已挂接 GitHub 仓库或点赞数较高的论文
3. 当我选定一篇论文（通过 ID）时：
- 展示完整的摘要、作者以及关联资源
- 如果有社区评论也一并展示
- 询问我是否要进行深度阅读
4. 进行深度阅读时：
- 通过 arxiv-source 拉取论文全文
- 总结其主要贡献、研究方法以及实验结果
- 注明我应当关注的关联代码仓库
请维护一份我今天已阅读论文的动态清单，并为每篇附上一句话的要点。
</DualLang>
- 试一试："What's trending on Hugging Face Papers today?"