任务目标

• •仅处理PDF论文；支持单个或多个文件。
• •根据用户意图执行：
  • •仅转换（convert）
  • •转换并拆分（convert + split）
  • •仅拆分（split）
  • •拆分并归类（split + group）
• •拆分后的章节文件使用章节名作为文件名。
• •归类时按“章节名清洗 + 轻度规则”合并；不把 Background 归为 Introduction。
• •所有输出写入当前工作目录（运行脚本所在目录）。

工作流程

1. •

   解析用户需求

   • •判断动作：convert / split / group。
   • •判断输入：单个PDF路径或目录。
2. •

   选择脚本参数

   • •单PDF：直接传入路径。
   • •多PDF：传入目录路径（脚本会扫描目录下的PDF）。
3. •

   运行脚本

   • •脚本路径：/home/jin/.codex/skills/paper-convert/scripts/paper_pipeline.py
   • •规则文件（可选）：/home/jin/.codex/skills/paper-convert/references/section_rules.json
4. •

   检查输出

   • •每个PDF生成一个同名目录。
   • •sections/ 内是拆分后的章节文件。
   • •_grouped/ 内按章节名归类并编号。

常用命令示例

• •

  仅转换

  bash

  python /home/jin/.codex/skills/paper-convert/scripts/paper_pipeline.py --convert <paper.pdf>
  

• •

  转换并拆分

  bash

  python /home/jin/.codex/skills/paper-convert/scripts/paper_pipeline.py --convert --split <paper.pdf>
  

• •

  仅拆分（仍会临时转换，但最终只保留拆分结果）

  bash

  python /home/jin/.codex/skills/paper-convert/scripts/paper_pipeline.py --split <paper.pdf>
  

• •

  拆分并归类（目录输入）

  bash

  python /home/jin/.codex/skills/paper-convert/scripts/paper_pipeline.py --split --group <pdf_dir>
  

章节清洗与归类规则

• •标题清洗：
  • •去掉编号前缀：1.Introduction -> Introduction
  • •去掉编号片段：Introduction 1.1 Introduction -> Introduction
  • •去掉尾部冒号：Introduction: -> Introduction
  • •折叠多余空格
• •归类匹配：
  • •以清洗后的标题为主，再应用轻度规则（见 section_rules.json）。
  • •Introduction 可匹配 Intro / Idea Introduction。
  • •Background 不归入 Introduction。

可调整项

• •如需调整归类范围，编辑：
  • •/home/jin/.codex/skills/paper-convert/references/section_rules.json
• •如需更严格/更宽松的匹配，修改脚本中的规则或传入自定义规则文件。