YuriyLin/PaperRead

從研究探索到論文精讀的個人研究工作區
以繁體中文介面閱讀論文、整理候選清單、規劃閱讀路徑，並保留可回到原文核對的研究脈絡。

下載 PaperRead · 回報問題 · English

PaperRead 是以 EasyRead 為基礎整理的個人研究工具。它保留原有的 PDF 排版、雙語閱讀、原文定位、批註與 AI 對話能力，再加入研究探索和閱讀規劃流程，讓「找到論文」與「真正讀懂論文」接在同一個工作區裡。

研究探索
    ↓
加入候選清單
    ↓
查看候選論文與背景摘要
    ↓
選擇要整理的論文
    ↓
產生／查看／匯出摘要
    ↓
加入閱讀看板並拖曳調整順序
    ↓
建立閱讀路徑與論文心智圖
    ↓
開啟 PDF 精讀、核對原文、批註與問 AI

這些狀態彼此分開：搜尋結果不等於候選論文，候選論文不等於已整理摘要，也不會因為加入候選就自動加入閱讀看板。

研究探索是 PaperRead 的研究入口，提供兩種搜尋方式：

輸入研究概念或問題，例如：

• Long Video Understanding
• Vision-Language Models
• 3D Scene Understanding

PaperRead 會先取得可用的公開書目資料，再顯示標題、作者、年份、摘要、來源、DOI、引用資訊和 PDF 可用性。搜尋結果會標示資料來源，缺少的欄位顯示「未提供」，不把缺漏資料當成零。

可一次輸入一個或多個出版來源，例如：

CVPR
ICCV ECCV CVPR
MICCAI

PaperRead 會依來源拆分查詢，支援常見的學術會議與期刊。結果會保留出版來源、DOI 和可查證連結，並區分正式出版資料與預印本；搜尋結果中的會議名稱不會被直接當成正式發表證明。

目前探索資料主要使用 OpenAlex，會議／期刊書目查詢也可使用 DBLP 與 Crossref 補充。服務限流或網路中斷時會保留既有結果並提供重試，不會把「服務失敗」誤顯示成「沒有論文」。

每張論文卡片只保留研究探索階段需要的操作：

• 加入候選：先保存論文，不會立刻生成摘要或下載 PDF。
• 論文來源：開啟可查證的出版頁、DOI 或來源連結。

閱讀看板是研究探索頁面的主要工作區。論文可以拖曳到不同狀態欄位，狀態由使用者決定，不會因為開啟 PDF 或讀到最後一頁而自動改變。

預設狀態包含：

• 待閱讀
• 閱讀中
• 待整理
• 已完成

閱讀進度百分比獨立顯示，只代表閱讀位置，不代表已經理解或完成筆記。看板支援分類、PDF 可用性、感興趣標記與手動優先順序篩選；首頁、閱讀器研究面板和看板的星標會同步。

加入閱讀看板時，分類使用可複選的分類卡片，不需要使用鍵盤搭配下拉選單。一次可以將論文放入多個研究方向；沒有分類時也可以先加入看板，之後再整理。

候選清單用來保存「值得之後研究」的論文。它會跨頁面保留，與閱讀看板及已整理摘要分開管理。

加入候選後，PaperRead 會在背景批次整理來源摘要。一次加入多篇時會排入佇列，避免同時發送大量請求。你仍然可以自行決定：

1. 查看候選論文。
2. 移除不再需要的論文。
3. 對個別論文重新整理摘要。
4. 查看 Markdown 摘要。
5. 使用「匯出摘要」保存檔案。
6. 將選定論文加入閱讀看板。

候選論文不會自動變成已讀，也不會自動覆蓋你的正式筆記。

已整理摘要會獨立保存，即使論文之後移出候選清單，摘要仍可保留。摘要內容以 Markdown 儲存並使用與筆記一致的安全渲染方式，支援：

• 標題與副標題
• 粗體、斜體
• 有序與無序清單
• 程式碼區塊
• 表格
• 系統已支援的數學公式

主要操作順序是：

查看摘要 → 重新整理摘要 → 匯出摘要 → 移到回收站

摘要由模型根據實際取得的論文資料產生；缺少的來源資訊會標示「未提供」，不捏造研究結果或出版資訊。

閱讀路徑可以從研究主題或指定論文開始。例如：

主題：Long Video Understanding
研究目標：先建立基礎，再理解主流方法並尋找研究方向

PaperRead 會依目前可取得的論文資料，將推薦結果整理成有順序的路徑。每篇論文會附上：

• 閱讀順序
• 閱讀角色，例如基礎入門、方法理解、代表性研究、延伸探索或前沿研究
• 推薦理由
• 與主題或起點論文的關聯
• 年份與出版來源（可取得時）

AI 只能重組已查詢到的論文資料，不能自行新增不存在的論文。資料不足時會明確說明，基礎搜尋與看板功能也不會因 AI 不可用而停止。

在論文閱讀頁的「研究脈絡」區塊，可以要求 PaperRead 根據目前論文生成繁體中文 Mermaid 心智圖。心智圖優先呈現研究邏輯，而不是單純複製論文章節：

論文標題
├── 研究問題
├── 理論框架
├── 方法設計
│   ├── 輸入與輸出
│   ├── 核心模組
│   └── 實驗設定
├── 核心發現
├── 研究貢獻
└── 研究限制

節點會盡量保持簡短，內容只使用目前論文提供的文字、公式和數據。生成中的狀態會顯示載入動畫，失敗時可以重試；生成後可在閱讀頁查看，也能透過筆記匯出流程一併匯出。

PaperRead 的 Human Reading Interface 仍以原文核對為中心：

• 原文、譯文、AI 解釋和個人筆記分開顯示。
• 圖片與表格保留排版位置，點擊後回到原 PDF 查看。
• 螢光筆、下劃線、問題和筆記會綁定原文 block、頁碼與定位資訊。
• 可以選取文字後執行 AI 改寫，不會固定套用搜尋結果中的第一組詞。
• AI 回答和摘要都會顯示載入、失敗與重試狀態。

閱讀器的「筆記」面板提供「智慧標註」，用來找出值得回看的研究內容。分析前可以選擇：

• 全文或指定章節。
• AI 自動標註、逐筆審閱的AI 建議標註，或依研究目的篩選。
• 是否輸入研究目的，例如「找出可用於 3D segmentation 的方法與限制」。

每筆建議都會顯示原文定位、頁碼、顏色、標註類型、AI 註記與標註原因。使用者可以逐筆接受、修改或拒絕，也可以批次接受已確認能定位的項目。未能可靠定位的內容會保留在待確認清單，不會直接套用到正文。

顏色有固定語意：黃色表示核心概念與主要主張，綠色表示方法與實作細節，藍色表示實驗證據與量化結果，紅色表示限制、失敗案例與待研究問題。接受後會沿用既有螢光筆或底線標註系統，不會覆蓋手動建立的標註。

AI 分析同時參考穩定的英文原文與目前的繁體中文譯文，正式標註優先落在中文譯文上。論文重新翻譯後，PaperRead 會重新檢查定位；無法確認的新位置會要求重新分析或人工修改，不會猜測座標。

匯出筆記時勾選「每條附上原文引用」，引文與注記會分開呈現：中文譯文放在 Markdown 引用區塊，使用者說明標示為「我的注記」，問題則標示為「我的問題」。

可在設定中選擇主流 API 或本地模型：

Ollama 使用本機 API，例如 http://127.0.0.1:11434。啟用 thinking 的模型會依模型支援的參數傳遞；只有支援布林值的模型會使用 think: true/false，不會強行送出不相容的 low/high 層級。

從 PaperRead Releases 下載 PaperRead-Setup-x.x.x.exe。安裝程式會包含 Electron 桌面程式與打包好的 Python 後端，不需要另外安裝 Python 或 Node.js。

目前 Windows 安裝檔尚未使用程式碼簽署憑證，因此 Windows 可能顯示未驗證發行者提示。這不影響程式功能，但不等同於「已驗證的發行者」。

從 PaperRead Releases 下載 PaperRead-x.x.x.AppImage。Linux AppImage 會包含 Electron 桌面程式與打包好的 Python 後端；下載後加入執行權限即可：

chmod +x PaperRead-*.AppImage
./PaperRead-*.AppImage

目前正式 Release 提供 Linux x64 AppImage。

目前正式 Release 提供 Apple Silicon（arm64）DMG：從 PaperRead Releases 下載 PaperRead-x.x.x-arm64.dmg，開啟後將 PaperRead 拖曳至 Applications。Intel Mac 請使用 Docker 瀏覽器版，或自行從原始碼建置相容架構。

Docker 版本適合 Linux、macOS 或 Windows 上沒有原生桌面安裝需求的情境。它啟動 PaperRead 網頁服務，論文庫與設定持久保存於 Docker volume：

git clone https://github.com/YuriyLin/PaperRead.git
cd PaperRead
docker compose up -d

接著開啟 http://localhost:8765。停止服務但保留資料可使用 docker compose down；重新啟動仍會使用同一個 paperread-data volume。

若 Ollama 執行在主機上，Docker Compose 已提供 host.docker.internal 對應，可在 PaperRead 設定中使用 http://host.docker.internal:11434/v1。不要把 PaperRead port 直接暴露到公網；若要給其他裝置使用，請另外設定防火牆與登入驗證的反向代理。

每個版本也會發布預建的 GitHub Container Registry 映像，不必在本機編譯：

docker pull ghcr.io/yuriylin/paperread:v1.4.7
docker run -d --name paperread --restart unless-stopped -p 8765:8765 -v paperread-data:/data/PaperRead ghcr.io/yuriylin/paperread:v1.4.7

接著開啟 http://localhost:8765。paperread-data volume 會保留論文庫與設定。

需要 Python 3.10+、Node.js 22+ 和 PyInstaller：

git clone https://github.com/YuriyLin/PaperRead.git
cd PaperRead
python -m pip install -e .
python -m pip install pyinstaller
npm install

啟動本機服務：

python -m easyread serve

啟動 Electron 桌面版：

npm run dev

建立安裝檔：

npm run dist

輸出位於 dist/electron/。在 Windows 會產生 NSIS 安裝檔，在 macOS（Apple Silicon）會產生 DMG，在 Linux 會產生 AppImage。Docker 瀏覽器版則不需要 Electron 或 Node.js。

安裝版預設將論文庫與設定放在：

Windows: C:\Users\<使用者名稱>\PaperRead
macOS: `~/PaperRead`
Linux Docker: Docker volume `paperread-data` 內的 `/data/PaperRead`

舊版 EasyRead 資料會在首次啟動時嘗試遷移；若遷移失敗，程式會保留原資料並以相容方式讀取。為了避免破壞既有腳本與使用者資料，程式內部仍保留 easyread 的 Python module、CLI、環境變數和舊連結協定名稱。

前端使用原生 HTML、CSS、JavaScript，沒有額外的前端 build step；後端使用 Python。修改 easyread/web/ 後重新整理頁面即可查看變更。

python -m unittest discover tests
node --test tests/test_*.cjs
python scripts/i18n_check.py

研究探索、繁中介面與資料格式說明：

• Personal Research OS 使用說明
• 資料格式
• API 說明
• 貢獻指南

MIT License。公式渲染使用 KaTeX，同樣採 MIT License。

PaperRead 是個人研究工具 fork；上游 EasyRead 的資料格式與相容性設計仍保留，詳細來源與貢獻者請參考 Git 歷史紀錄。