每天早上醒来，Telegram 上已经躺好了 3–8 篇和你研究方向最相关的论文，每篇都有一份完整的 HTML 档案——不是摘要，是从 PDF 原文拆出来的结构化笔记，随时能回头查。
这就是 Research Intel 在干的事。
arXiv 每天几千篇。现有工具要么给你一个噪声很大的关键词订阅，要么给你一段 GPT 摘要——看完就扔，第二天想回头看已经找不到了。
我想要的是：
- 只给我真正相关的。不是关键词命中就推，而是根据我在做什么研究、读过什么论文、给过什么反馈来筛。
- 每篇论文有一份像样的档案。研究动机、方法拆解、实验、评论都整理好，不是一次性消费品。
- 数据在我自己手里。推荐逻辑、阅读历史、方法脉络都是本地文件，不锁在任何平台里。
你的研究画像
(方向 / 关键词 / 种子论文 / 反馈)
│
▼
┌─────────────────────────────┐
│ arXiv 搜索 + 打分筛选 │
│ OpenReview 评审数据增强 │
└──────────────┬──────────────┘
│
┌─────────┴─────────┐
▼ ▼
must-read watchlist
(3-8 篇精选) (备选池)
│
▼
┌─────── 每篇论文 ───────┐
│ │
│ 1. 下载 paper.pdf │
│ 2. 独立工作目录 │
│ 3. Codex 生成 HTML │
│ 4. 浏览器校验 │
│ │
└───────────┬────────────┘
│
┌──────────┼──────────┐
▼ ▼ ▼
Telegram Web 控制台 方法账本
(每日推送) (历史回看) (长期积累)
几个值得一提的设计：
- PDF 优先。所有档案从原始 PDF 出发生成，不是拼二手摘要。
- 一篇一隔离。每篇论文有自己的目录、自己的 Codex 会话，互不污染。
- 产物会落盘。生成的 HTML 是独立文件，不依赖任何在线服务就能打开。
- 方法账本。读过的论文会沉淀到一棵方法树里，时间久了就是你研究方向的知识图谱。
每篇论文不是一段话的摘要，而是一份结构化的 HTML 页面：
| 板块 | 内容 |
|---|---|
| 研究动机 | 这篇论文要解决什么，为什么现在值得看 |
| 数学与建模 | 核心公式、模型结构拆解 |
| 实验设计 | 做了什么实验、对比了谁 |
| 结果与结论 | 关键指标、主要发现 |
| 评论 | 盲点、局限、不能轻信的地方 |
| 审稿回复 | OpenReview 上的审稿意见和 rebuttal（如有） |
| One More Thing | 延伸思考、和你研究的关联 |
每份档案都经过 Puppeteer 浏览器校验——远程依赖能不能加载、页面结构是否完整、控制台有没有报错——不是生成完就不管了。
需要：Node.js 20+ / tmux / pdftotext / Chrome / Codex CLI
# 1. 克隆安装
git clone https://github.com/cnfjlhj/research-intel.git
cd research-intel && npm install
# 2. 配置
cp .env.example .env
# 编辑 .env，至少填 Web 密码。Telegram 先不急，等跑通再配。
# 3. 加载示例画像（先确认链路通了，再换成自己的方向）
npm run profile:example
# 4. 跑一轮试试
npm run daily:no-telegram跑完之后 research-intel-records/daily/ 下面会出现当天的产物。启动 Web 看结果：
npm run web:start
# 打开 http://127.0.0.1:3086/research-intel/确认本地没问题了，再接 Telegram 推送和 cron 定时任务：
# .env 里补上 TELEGRAM_BOT_TOKEN 和 TELEGRAM_CHAT_ID
npm run daily # 带推送的完整流程
npm run cron:install # 安装每日定时任务详细的配置说明、部署选项和环境变量文档见 部署说明。
推荐结果好不好，取决于你的画像写得好不好。画像就是几个 Markdown 和 JSONL 文件：
| 文件 | 作用 |
|---|---|
research_brief.md |
你的研究方向、关键词、正负信号、每日篇数 |
seed_papers.jsonl |
锚点论文，系统用来理解"你想看什么风格的东西" |
feedback.jsonl |
你对推过的论文的反馈——喜欢、不喜欢、为什么 |
method_taxonomy.json |
方法树结构，读得越多越丰富 |
初始化画像有三种方式：
npm run profile:example— 用示例画像先跑通npm run profile:init— 终端交互式填写- Web 控制台 → 编辑区 → 研究画像向导
research-intel/
├── scripts/research-intel/ # 主逻辑：调度、生成、推送、Web
│ └── lib/ # 核心模块（~25 个文件）
├── scripts/bootstrap/ # 画像初始化
├── examples/profile/ # 示例画像
├── tests/ # 测试
├── docs/ # 文档
├── work/ # 运行态数据 (gitignore)
└── research-intel-records/ # 产出档案 (gitignore)
| 命令 | 干什么 |
|---|---|
npm run daily |
跑一轮完整流程（含 Telegram 推送） |
npm run daily:no-telegram |
只生成不推送，适合本地调试 |
npm run web:start |
启动 Web 控制台 |
npm run web:stop |
停止 Web 控制台 |
npm run verify |
检查并补发漏掉的推送 |
npm run profile:init |
交互式初始化研究画像 |
npm run cron:install |
安装每日 cron 定时任务 |
npm test |
跑测试 |
说清楚边界比吹功能更重要：
- 想要团队协作——这是给个人用的，没有多用户、没有权限管理。
- 不想自己部署——需要一台 Linux 机器，需要自己配 Codex CLI。没有 SaaS 版本。
- 想覆盖所有论文源——目前只接了 arXiv 和 OpenReview。Semantic Scholar 之类的没做。
- 对 AI 生成内容零容忍——档案是 Codex 基于 PDF 生成的，质量很好但不是人工撰写。
你的研究数据存储在本地。对外通信仅限三处：arXiv API（查询论文）、Codex API（生成档案内容）、Telegram API（推送通知）。除此之外没有任何数据外发。.env、work/、research-intel-records/ 都在 .gitignore 里。
MIT
