Skim

大家好，Product Hunt！

注意力才是稀缺资源：算力可以自由扩容，但研究人员一天能读的论文量不行。我不信任那种替我读论文然后直接给结论的工具——读论文这一步我绝不会交给别人代劳。所以 Skim 不是帮你做判断，而是把「读」这一步从关键路径上移开。它会在你处理其他工作的时候提前预读你的待读列表，标记出值得停下来仔细读的内容，过程完全公开，最终判断还是留给你自己。

这才是我们要解决的问题，而不是给你手里的论文写摘要。如果你已经决定要读某篇论文，把 PDF 粘贴进 GPT 或 Claude 已经能搞定了。问题在于你每周错过的那一百多篇没读的论文：问题出在待读队列，而不是单篇 PDF。

所以 Skim 做的是待读队列分流，不是论文摘要。它会在你工作的时候遍历你的阅读列表，根据你保存在 YAML 中的个性化阅读配置给每一行打分。符合要求的内容会直接标记出来，并写入你的笔记（Obsidian / Notion / Markdown，深度链接到 PDF 的对应页码和行号，一键即可查看），一周大概只会有两次触发邮件提醒。

你无需申请邀请就能体验：官网现在就可以直接在线试用。它**不是**什么：冲 benchmark 的模型，也不是单篇论文摘要工具；缺点也都写出来了（冷启动问题、 heuristic 打分）：

https://paperskim.org/why

目前需要邀请才能使用；发布当天申请可以插队进入本周批次。

真心希望能得到大家对这几点的反馈：

1. 待读队列分流对你来说是真痛点，还是锦上添花的功能？

2. 标记结果放在哪里才适合你的工作流？

3. 一周两次的提醒要做到什么程度你才会放心信任？

在线试用 + 申请邀请：

https://paperskim.org

我会逐一看完这里的每条回复。

最后对关注架构的朋友说一句：会话日志本身就是接口：阅读、分流和执行解耦，因此日志可以和下游的自主代理组合使用。分流过程保持透明，判断永远由你做主。

点赞

举报

分享

12 小时前