HF 论文发布助手
把 arXiv 论文索引到 Hugging Face Hub，并将其关联到模型、数据集卡片，一站管理作者身份与引用。
脚本仅请求 HF_TOKEN 并执行文档声明范围内的操作（写入 README、查询 arXiv/HF），无隐藏外发或敏感数据滥用；但 link 命令直接向远程仓库提交 README 修改，无确认、无 dry-run、无回滚或备份机制，--create-pr 选项实际未实现却静默降级为直接提交；文档建议将 token 写入 .env 文件而未提示泄露风险。扣分点：缺少写入确认、隔离与恢复手段。
核心路径（check/index/create）在源码层面自洽，错误信息可读；但 SKILL.md 宣传的 convert、list-my-papers、toggle-visibility、check-authorship、validate 子命令在 paper_manager.py 中完全不存在，search 仅打印'coming soon'，--create-pr 静默不生效，citation 年份用 arXiv ID 前两位猜测（旧论文会出错），README 注入的 '## Paper' 小节位置机械且可能破坏排版。扣分点：文档与实现严重不一致、无测试、边界处理薄弱。
面向 AI 工程师/研究者的论文发布场景明确，触发语义清晰（arXiv ID、HF 仓库操作），YAML 元数据与链接格式说明充分；但未声明能力边界（哪些命令真实可用），且核心功能完全依赖 huggingface.co 与 arxiv.org，中国大陆网络可达性存疑，无中文支持。扣分点：环境适配依赖境外服务且未披露、边界声明不足。
SKILL.md 分层清晰（概览→依赖→用法→排错→参考），版本号 1.0.0，MIT 许可，模板与示例分离，progressive disclosure 良好；但无 changelog、无维护责任声明，文档承诺的能力超过实现，'Future Enhancements' 未明确标注哪些功能缺失。扣分点：版本治理与文档-实现对齐不完整。
存在且可运行的路径（create 模板、check、citation bibtex）有边际价值，四个模板内容充实可直接使用；但 link 直接改写远程 README 且格式机械，示例输出（JSON、BibTeX）为虚构演示而非验证结果，部分宣传命令不可用导致用户需自行排查。扣分点：输出可用性未经验证、命令面缩水增加返工成本。
全部源码、模板、示例可审计，事实与推断基本分离；但 examples 中的'Expected output'是作者编造的演示，无测试套件、无 CI 覆盖本 skill 关键路径，静态审查无法复现网络行为。扣分点：缺乏第三方执行证据，示例输出不可独立验证。
- link 命令会直接向远程 HF 仓库提交 README 修改且无确认/回滚机制，建议在关键仓库上先手动备份或使用只读验证流程。
- SKILL.md 宣传的 convert、list-my-papers、toggle-visibility、check-authorship、validate 等命令在脚本中不存在，search 不可用，--create-pr 静默失效；使用前请核对脚本实际的 argparse 子命令。
- citation 年份由 arXiv ID 前两位推断，对 2000 年前的论文会生成错误年份，引用结果需人工核对。
- 核心功能依赖 huggingface.co 与 arxiv.org，中国大陆网络环境可能无法直接访问；文档建议的 .env 方式保存 HF_TOKEN 有泄露风险，建议使用系统级密钥管理。
- 本评估为静态源码审查，未执行任何脚本，所有运行时行为结论置信度有限。
这个 Skill 能做什么，适合哪些场景？
这是一个面向 AI 研究者和工程师的技能，围绕 Hugging Face Hub 的论文生态封装了一套 Python 脚本。它可以从 arXiv ID 索引论文页面、把论文链接写入模型/数据集卡的 YAML 元数据（Hub 会自动生成 arxiv: 标签）、发起作者身份认领，并用四种模板生成 Markdown 研究文章。使用前需要配置具备写权限的 HF_TOKEN。它属于 patchy631/ai-engineering-hub 仓库中的一个技能，仓库本身以 MIT 协议发布。
通过 scripts/paper_manager.py 执行：index（按 arXiv ID 索引论文页）、check（检查是否已索引）、link（向模型/数据集/Space 的 README 写入论文链接与引用，支持多篇论文和自定义 BibTeX）、claim 和 check-authorship（作者身份认领）、toggle-visibility 和 list-my-papers（管理个人主页上的论文展示）、create（用 standard/modern/arxiv/ml-report 四种模板生成研究文章）、convert（Markdown 转 HTML）、search、info、citation、validate 等子命令。它调用 Hugging Face Hub API，读写仓库 README 的 YAML frontmatter，并支持 --create-pr 等选项。
- 研究人员刚把论文提交到 arXiv，想立刻在 Hugging Face 上建立论文页面
- 模型作者想在自己的模型卡中规范地引用方法论文，让 Hub 自动打上 arxiv 标签
- 论文作者想认领 Hugging Face 论文页上的作者身份并控制在个人主页的展示
- 团队想把一篇论文同时关联到多个模型、数据集和 Space 仓库
- 需要快速生成结构规范的 Markdown 研究报告并转换为 HTML 分享
这个 Skill 有哪些优点和局限？
- 覆盖论文发布全流程：索引、关联、认领、可见性管理、文章生成
- 命令行脚本可直接复用，也可通过 PaperManager 类以 Python API 调用
- 文档非常详尽，包含完整的命令参考、YAML 示例、错误处理与工作流示例
- 支持批量关联多篇论文与自定义引用文本
- 依赖 Hugging Face 生态，对其他平台（如 arXiv 之外的出版渠道）暂不支持，官方列为未来计划
- 作者身份认领依赖 HF 管理员人工审核，时间不可控
- 源文档未提供测试套件或独立版本发布记录（技能版本标注为 1.0.0）
- 需要持有写权限的 HF_TOKEN，存在凭据管理成本
如何安装这个 Skill？
该技能位于 patchy631/ai-engineering-hub 仓库的 hugging-face-skills/skills/hugging-face-paper-publisher/ 目录。安装其依赖：uv add huggingface_hub pyyaml requests markdown python-dotenv，然后设置 HF_TOKEN 环境变量（需要写权限），并激活虚拟环境：source .venv/bin/activate。将技能文件夹放入支持 Agent Skills 的客户端技能目录即可；具体目录路径源文档未说明。
如何使用这个 Skill？
典型用法：python scripts/paper_manager.py index --arxiv-id "2301.12345" 索引论文；python scripts/paper_manager.py link --repo-id "username/model-name" --repo-type "model" --arxiv-id "2301.12345" 将论文关联到模型卡；python scripts/paper_manager.py create --template "modern" --title "论文标题" --output paper.md 生成文章；python scripts/paper_manager.py claim --arxiv-id "..." --email "..." 认领作者身份。在 Agent Skills 客户端中可通过自然语言触发这些操作。
这个 Skill 与同类方案有什么区别？
技能文档提到 tfrere 的 research-article-template（一个 Hugging Face Space），定位互补：该模板用于撰写研究文章，本技能负责在 Hub 上索引、关联和元数据管理。除此之外源材料未提及其他竞品。