我把一个强迫自己真正弄懂论文的工具开源了

爱思考的伊伊子

介绍如何配置与使用开源 paper-sense-making(示例为 ClaudeProject 的 Claude skill):把仓库中的 system-prompt.md 粘入项目 system prompt,发送 /sensemaking profile: + 一句身份描述并粘贴论文全文,跟随三阶段交互(理解 → 冲突 → 重构),最后将 AI 输出的 JSON 粘贴到 sensemaking-canvas.html 中渲染出结构·冲突·认知变化的可视化轨迹。适合想把读论文变成可复现理解过程的研究者与内容设计者。需核实仓库 URL、文件路径与模型兼容性。

图片解读

以下按第 1 张图的可见内容逐项整理。先列“事实”(直接可读或直观看到的内容),再列“推测/不确定项”。对图中文字尽量逐字抄录;无法辨认或不确定的字用“(无法辨认)/(疑似...)”标注。已忽略图中任何指示类操作内容(例如“请做 X”之类),仅记录视觉证据。

一、页面整体与界面元素(事实)

- 页面左上角有文字 LOGO:Sensemaking Canvas。

SkillPI 作品解读

作品用途:该项目(paper-sense-making,作者称为一个 Claude skill)旨在把对论文的“被动摘要”转为“主动理解轨迹”。输出不是论文内容的再次总结,而是记录“这篇论文如何改变了我”的认知轨迹,包括:核心主张的结构化拆分、与既有认知的冲突点、以及读后打算如何调整。

图片证据要点(来自图1,逐项可验证):

- 界面标识为“Sensemaking Canvas”;页面顶端显示导航项“理解 / 冲突 / 重构”,页面副标题为 COMPREHENSION;右上角标注“2026-03-19 · edu-ai-builders”。

- 主体包含“核心主张”蓝色框,内文有明确可读句子:“AI agents 的 delegation boundary 是认知维度的,不是阶段维度的……过度授权会产生 verification gap:用户如果从未亲自做过某件事,就无法判断 AI 做得对不对。”

- 有“学习机制 · LEARNING LOOP”流程:1 研究者授权 AI 执行 → 2 AI 生成选项和草稿 → 3 研究者评估/选择/修订;右侧警告框写明“若从未掌握执行能力,评估失效”。

- 存在“从你的视角 · YOUR CONTEXT”紫色框,示例文本提到“edu-ai-builders skill pipeline”“Zhang 研究的 scholar-skill 在架构上高度同构”等。

关联 Skill 的使用步骤(根据来源说明,可复现的操作清单):

1) 获取并打开仓库中说明文件(文中提到文件名:system-prompt.md)。

2) 将 system-prompt.md 的内容粘入 ClaudeProject 的 system prompt(作者指示用 ClaudeProject,但注:是否仅适用于 Claude 或也可用于其他 LLM 平台需核实)。

3) 在会话中触发指令:/sensemaking profile: <一句话个人身份与工作场景> 然后粘贴论文全文。示例触发为:/sensemaking profile: 我是初中数学老师,在做 AI 反馈工具 [粘贴论文全文]。

4) 跟随 AI 引导完成三幕对话:

- 幕一(理解):AI 从你的视角读懂并结构化论文要点;

- 幕二(冲突):AI 指出与原有认知的摩擦并要求你表态/论证;

- 幕三(重构):AI 帮你整理认知变化,问你打算如何调整。

每幕结束均需用户回应以形成互动式理解。

5) 对话完成后 AI 输出一个 JSON(sensemaking 数据格式);打开本地/仓库提供的 sensemaking-canvas.html → 粘贴该 JSON → 渲染为可视化 Canvas(显示结构·冲突·重构)。

复现前提(已知与必须具备的条件):

- 可访问并复制仓库中的 system-prompt.md(来源声明有“已开源,见图4”,但本摘录中未提供仓库 URL,需核实仓库位置与权限)。

- 使用的 LLM 平台需支持将 system prompt 覆盖/加载为项目级 system prompt(作者示例为 ClaudeProject)。

- 能将论文全文粘入会话(注意可能的长度限制与隐私/版权问题)。

- 能在本地或托管环境打开并使用 sensemaking-canvas.html 渲染 JSON(需要基本的浏览器与本地文件操作能力)。

- 有能力理解并响应 AI 在三幕对话中提出的反思问题(人为参与是关键)。

待核实项(来源中未明确或需验证的要点):

- 仓库 URL、分支与文件路径(system-prompt.md、sensemaking-canvas.html 等具体路径在原摘要中未给出)。

- 许可证与使用条款(开源许可类型会影响复现与商用)。

- 与其他 LLM/平台(如 OpenAI ChatGPT、Anthropic Claude 的不同版本、私有部署模型)之间的兼容性;作者示例以 Claude 为主,但是否已适配其它模型需验证。

- 对长文稿(整篇论文)处理的 token/截断策略与隐私风险(粘贴全文到云端 LLM 的法律与合规问题)。

- Canvas UI/UX 的当前成熟度与是否需额外前端依赖(摘要中提到“UIUX 还在打磨”)。

保留的原始标识与关键词:system-prompt.md、ClaudeProject、/sensemaking profile:、sensemaking-canvas.html、Sensemaking Canvas、LEARNING LOOP、delegation boundary、verification gap、edu-ai-builders、Zhang 研究、2026-03-19。

结论性备注(事实与可验证项):该工具主张通过“结构化对话 + 强制表态 + 认知轨迹记录”把阅读转为可验证的理解过程;图像证据支持界面设计与交互流程的存在,但仓库位置、具体实现细节(JSON schema、兼容性、许可)需要查看原始仓库并进一步验证。

作品来源 ↗