Zotero-arXiv-Daily:智能学术推荐系统使用指南
一、核心价值:解决学术追踪痛点
如何在信息爆炸时代高效获取领域前沿论文?Zotero-arXiv-Daily提供自动化解决方案:基于Zotero图书馆内容,每日智能筛选相关arXiv论文并推送至邮箱。该系统采用GitHub Actions实现零成本自动化,无需本地部署,配置完成后即可享受个性化学术推送服务,帮助研究者节省文献筛选时间,聚焦核心研究工作。
二、功能原理:智能推荐的工作机制
系统通过三阶流程实现学术推荐:首先从Zotero图书馆提取文献特征,构建用户研究兴趣画像;接着基于预配置的arXiv分类(如cs.AI+stat.ML)检索最新论文;最后通过相似度算法匹配用户兴趣,生成个性化推荐列表。工作流采用定时触发机制,每日自动执行检索-匹配-推送全流程,全程无需人工干预。
三、环境准备:快速部署前置条件
3.1 代码仓库获取
git clone https://gitcode.com/GitHub_Trending/zo/zotero-arxiv-daily
3.2 核心依赖说明
- Zotero账户:需启用API访问权限
- 邮件服务:支持SMTP协议的邮箱账户(推荐Gmail/Outlook)
- GitHub账户:用于运行Actions工作流
四、配置部署:从环境变量到工作流触发
4.1 关键参数配置
进入项目仓库的"Settings > Secrets"页面,添加以下环境变量:
核心配置项说明:
ZOTERO_ID:Zotero个人ID(在账户设置中获取)ZOTERO_KEY:创建具有"读取库"权限的API密钥ARXIV_QUERY:研究领域分类(如"cs.CV+cs.LG"表示计算机视觉与机器学习)MAX_PAPER_NUM:每日推荐上限(建议值:5-10篇)SMTP_SERVER:邮件服务器地址(如smtp.gmail.com)
4.2 工作流触发
在仓库"Actions"页面选择"Send emails daily"工作流,点击"Run workflow"手动触发首次执行:
五、场景拓展:多样化应用案例
5.1 研究团队协作场景
团队管理员配置共享Zotero库,设置多接收邮箱(用逗号分隔),实现团队成员同步获取领域动态,适合实验室群体学习。
5.2 跨学科研究支持
通过配置多个arXiv分类(如"physics.comp-ph+cs.NA"),帮助交叉学科研究者同时追踪不同领域进展。
5.3 文献计量分析
结合导出的邮件历史记录,分析领域热点变化趋势,为研究选题提供数据支持。
六、常见问题:故障排除指南
Q1:工作流执行失败,提示"Zotero API error"
A:检查ZOTERO_KEY权限是否包含"读取库"权限,或尝试重新生成API密钥。
Q2:收到的推荐论文相关性低
A:建议:1)优化Zotero库质量,移除无关文献;2)调整ARXIV_QUERY分类,使用更具体的子领域标签。
Q3:邮件未送达
A:确认SMTP配置正确性:端口(通常587)、加密方式(TLS)及邮箱授权码(非登录密码)是否正确。
Q4:如何停止每日推送
A:在GitHub Actions设置中禁用"Send emails daily"工作流,或删除相关环境变量。
七、效果展示:推荐邮件样例
系统生成的邮件包含论文标题、作者、相关度评分及TLDR摘要,支持一键访问PDF和代码链接:
通过以上配置,研究者可构建个人化学术雷达,实现前沿文献的自动化追踪与精准推送。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust092- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00


