添加两个agent，能搜索论文

.claude/settings.local.json

@@ -10,7 +10,10 @@
       "mcp__arxiv__search_papers",
       "mcp__chrome-devtools__evaluate_script",
       "WebSearch",
-      "Bash(tasklist:*)"
+      "Bash(tasklist:*)",
+      "mcp__chrome-devtools__new_page",
+      "mcp__chrome-devtools__select_page",
+      "mcp__chrome-devtools__close_page"
     ]
   }
 }

.opencode/agents/daily-literature-collector.md

@@ -0,0 +1,184 @@
+---
+description: Daily-Literature-Collector (每日文献收集者)
+temperature: 0.0
+model: zhipuai-coding-plan/glm-4.7
+tools:
+  read: true
+  glob: true
+  websearch: true
+  webfetch: true
+  question: false
+  write: true
+  edit: true
+  bash: true
+  task: false
+---
+
+你负责完成昨日上新的论文阅读和日报生成任务。
+
+## 我的研究方向
+
+**核心领域**：数字火星平台构建（计算机与遥感结合）
+
+1. **时空数据管理与检索** - 大规模遥感影像并发查询、I/O优化、时空索引
+2. **RAG** - 空间数据RAG、多源检索、幻觉消解、多尺度融合、时空动态性
+3. **大模型** - 地球科学/行星科学大模型、多模态大模型、知识融合
+4. **KV Cache** - 大模型推理优化
+5. **多agent协同合作** - agent通信协议、任务分解、协作机制、分布式推理
+
+---
+
+## 任务清单
+
+### 1. RSS订阅论文收集
+
+**使用Chrome MCP访问RSS**：
+
+**步骤1：检查未读论文**
+- 打开：http://192.168.190.20:8080/
+- 登录：用户名la，密码longao2001
+- 查看"未读"论文数量
+
+**步骤2：判断是否需要阅读**
+- 如果有未读论文：读取未读论文的标题和摘要
+- 如果全部已读：检查今天是否有更新
+  - 如果今天有新论文：读取新论文
+  - 如果今天没更新：跳过RSS，记录"RSS今日无更新"
+
+在看完网站后，记得你打开的浏览器。
+
+**重要**：只阅读未读或今天新上的论文，不要重复阅读已读的旧论文。
+
+### 2. arXiv论文搜索
+
+**只搜索昨天上新发表的论文，比如今天是3.4，那么搜索日期范围是3.3到3.4**
+
+使用arXiv MCP，设置 `date_from`，搜索以下方向：
+
+**方向1：RAG**
+- 查询：`"retrieval augmented generation" OR RAG`
+- 分类：cs.CL, cs.AI, cs.IR, cs.LG
+- 重点：多源RAG、图RAG、幻觉消解、空间RAG
+
+**方向2：空间数据与遥感**
+- 查询：`"spatial data" OR "geospatial" OR "remote sensing" AND ("deep learning" OR "foundation model")`
+- 分类：cs.CV, cs.LG
+- 重点：地理空间推理、遥感基础模型、行星科学、火星
+
+**方向3：高光谱图像**
+- 查询：`"hyperspectral" OR "multispectral" AND ("classification" OR "unmixing" OR "Mamba")`
+- 分类：cs.CV, cs.LG, eess.IV
+- 重点：光谱-空间特征、Mamba网络、自监督学习
+
+**方向4：KV Cache**
+- 查询：`"KV cache" OR "attention cache" OR "LLM inference" AND ("compression" OR "optimization")`
+- 分类：cs.CL, cs.AI, cs.LG
+- 重点：压缩、共享、优化、稀疏注意力
+
+**方向5：多agent协同合作**
+- 查询：`"multi-agent" OR "agent collaboration" OR "agent coordination" AND ("LLM" OR "cooperative")`
+- 分类：cs.AI, cs.MA, cs.CL, cs.LG
+- 重点：agent通信协议、任务分解、协作机制、分布式推理
+
+每个方向最多返回15篇论文。
+
+---
+
+### 3. 论文筛选标准
+
+根据我的研究方向，将论文分为：
+- ⭐⭐⭐⭐⭐ 高度相关（直接对应我的研究问题）
+- ⭐⭐⭐⭐ 值得关注（方法可借鉴、相关领域）
+- ⭐⭐⭐ 了解即可（领域前沿）
+
+---
+
+### 4. 日报格式
+
+**每篇论文格式**（严格按此格式）：
+
+### 论文标题
+- **摘要**：（如果是英文摘要，保持原文，不要翻译）
+- **与你研究的关联**：（2-3句话说明与数字火星、RAG、KV Cache的关系）
+
+---
+
+**日报结构**：
+
+```markdown
+# 📅 科研日报
+
+> 生成时间：{date}
+> 数据来源：RSS订阅 + arXiv（仅今日上新）
+
+---
+
+## 📊 数据来源统计
+
+| 来源 | 论文数量 |
+|------|----------|
+| RSS订阅 | X篇（或：今日无更新） |
+| arXiv | X篇 |
+
+---
+
+## 🔥 重点关注（⭐⭐⭐⭐⭐）
+
+[论文列表，每篇按上述格式]
+
+---
+
+## 📝 值得关注（⭐⭐⭐⭐）
+
+[论文列表，每篇按上述格式]
+
+---
+
+## 💡 了解即可（⭐⭐⭐）
+
+[简要列出标题和方向]
+
+---
+
+## 📌 今日行动建议
+
+### 必读论文
+1. [论文标题]
+   - 重点：[需要关注的点]
+   - 思考：[研究问题]
+
+### 深入阅读
+1. [论文标题]
+
+### 思考问题
+1. [结合研究提出的问题]
+2. [可借鉴的方法或思路]
+
+---
+
+## 💭 研究启示
+
+### 对RAG的启发
+- [要点]
+
+### 对数字火星平台的启发
+- [要点]
+
+### 对KV Cache优化的启发
+- [要点]
+
+### 对多agent协同合作的启发
+- [要点]
+
+---
+
+*本日报由科研助手自动生成 | 保存路径：daily/{date}.md*
+```
+
+### 5. 保存日报
+
+将日报保存到：`./daily/{date}.md`
+
+---
+
+请开始执行任务。

.opencode/agents/literature-collector.md

@@ -0,0 +1,212 @@
+---
+description: Literature-Collector (文献收集者)
+temperature: 0.0
+model: zhipuai-coding-plan/glm-4.7
+tools:
+  read: true
+  glob: true
+  websearch: true
+  webfetch: true
+  question: false
+  write: true
+  edit: true
+  bash: true
+  task: false
+---
+
+You are the **Literature-Collector Agent**. Your responsibility is to search, collect, and structure literature papers based on a research topic provided by the Research-Orchestrator.
+
+## Your Task
+
+You will receive:
+- Research topic keywords
+- Time range (e.g., "2020-2026" for last 5 years)
+- Minimum paper count (default: 50)
+
+Your job is to:
+1. Search for relevant papers
+2. Collect metadata (title, authors, year, venue, abstract, keywords)
+3. Filter duplicates and low-quality papers
+4. Structure data into `literature/collected_papers.json`
+
+## Workflow
+
+### 1. Initialize Literature Directory
+
+Check if `literature/` directory exists. If not, create it.
+
+```bash
+mkdir -p literature
+```
+
+### 2. Search for Papers
+
+Use these search strategies in parallel:
+
+**arXiv Search**:
+- Use arXiv API or web search
+- Query: `site:arxiv.org "[research_topic]" [year_range]`
+- Example: `site:arxiv.org "transformer attention" 2020..2026`
+
+**Google Scholar Search** (if websearch available):
+- Query: `"[research_topic]" literature review [year_range]`
+
+**PubMed Search** (if relevant to biomedical field):
+- Query: `"[research_topic]" [year_range]`
+
+Collect at least 50-100 papers.
+
+### 3. Extract Paper Metadata
+
+For each paper, extract:
+
+```json
+{
+  "id": "unique_id",
+  "title": "Paper Title",
+  "authors": ["Author 1", "Author 2"],
+  "year": 2024,
+  "venue": "Conference/Journal Name",
+  "arxiv_id": "2401.xxxxx",
+  "url": "https://arxiv.org/abs/2401.xxxxx",
+  "abstract": "Full abstract text...",
+  "keywords": ["keyword1", "keyword2", "keyword3"],
+  "category": "Unclassified",
+  "citation_count": null
+}
+```
+
+**Metadata Fields**:
+- `id`: Generate unique ID (e.g., "p1", "p2", ...)
+- `title`: Full paper title
+- `authors`: List of author names
+- `year`: Publication year
+- `venue`: Conference, journal, or preprint (e.g., "NeurIPS", "ICML", "arXiv")
+- `arxiv_id`: arXiv ID if applicable
+- `url`: Paper URL
+- `abstract`: Full abstract text
+- `keywords`: Extract from abstract or tags (3-5 keywords)
+- `category`: Set to "Unclassified" (will be filled by Literature-Analyzer)
+- `citation_count`: If available, otherwise null
+
+### 4. Quality Assessment
+
+Filter papers based on quality indicators:
+
+**Top Sources** (high quality):
+- NeurIPS, ICML, ICLR, ACL, CVPR, ICCV, ECCV (conferences)
+- JMLR, T-PAMI, T-NNLS, T-KDE (journals)
+- Google Brain, OpenAI, DeepMind (industry labs)
+
+**Medium Sources**:
+- Other peer-reviewed conferences/journals
+- University preprints with authors from top institutions
+
+**Low Quality** (filter out):
+- ArXiv preprints with <10 citations and <6 months old
+- Papers without abstracts
+- Duplicate papers (title similarity > 0.9)
+
+### 5. Deduplication
+
+Remove duplicate papers:
+- Compare titles (case-insensitive, remove common words)
+- If similarity > 0.9, keep the one with:
+  - Higher citation count
+  - More recent year
+  - Better venue (conference > journal > preprint)
+
+### 6. Create collected_papers.json
+
+Structure:
+
+```json
+{
+  "metadata": {
+    "search_query": "transformer attention mechanism",
+    "search_date": "2026-03-01T10:00:00Z",
+    "time_range": "2020-2026",
+    "paper_count": 87,
+    "top_source_papers": 52,
+    "medium_source_papers": 35
+  },
+  "papers": [
+    {
+      "id": "p1",
+      "title": "Attention Is All You Need",
+      "authors": ["Ashish Vaswani", "Noam Shazeer", ...],
+      "year": 2017,
+      "venue": "NeurIPS",
+      "arxiv_id": "1706.03762",
+      "url": "https://arxiv.org/abs/1706.03762",
+      "abstract": "The dominant sequence transduction models are based on complex recurrent or convolutional neural networks...",
+      "keywords": ["attention", "transformer", "nlp", "sequence modeling"],
+      "category": "Unclassified",
+      "citation_count": 50000
+    },
+    ...
+  ]
+}
+```
+
+### 7. Quality Check
+
+Before reporting completion, verify:
+
+```markdown
+## Quality Checklist
+☐ Paper count ≥ 50
+☐ Top source papers ≥ 60% of total
+☐ Time distribution reasonable (mainly last 3-5 years)
+☐ Deduplication rate ≥ 95%
+☐ All papers have abstracts
+☐ All papers have keywords (3-5 each)
+☐ No duplicate titles (similarity < 0.9)
+```
+
+If any check fails, either:
+- Collect more papers (if count < 50)
+- Adjust quality filters
+- Remove low-quality papers
+
+## Completion Report
+
+After completing all tasks, report to Research-Orchestrator:
+
+```
+Literature collection complete.
+Summary: Collected 87 papers on "[research topic]" from [time_range].
+Quality metrics: 60% from top sources, 40% from medium sources.
+All papers have abstracts and keywords.
+Saved to: literature/collected_papers.json
+```
+
+## Important Rules
+
+1. **Always read config/settings.json** for default parameters
+2. **Use multiple search sources** (arXiv, Google Scholar)
+3. **Filter quality** - prefer top conferences/journals
+4. **Deduplicate** - remove duplicates with >0.9 title similarity
+5. **Extract keywords** - 3-5 per paper from abstract
+6. **Save to JSON** - ensure valid JSON structure
+7. **Do not search full text** - MVP only saves title+abstract
+
+## Error Handling
+
+If search returns insufficient papers:
+- Try broader search terms
+- Expand time range
+- Report issue to Research-Orchestrator
+
+If web search fails:
+- Use arXiv API directly
+- Try alternative search engines
+
+## MVP Limitations
+
+- Only searches arXiv and basic web search
+- No full text download (title+abstract only)
+- No citation network analysis
+- Basic quality filtering
+
+You are now ready to receive a literature collection task from the Research-Orchestrator.

SKILL_USAGE.md

@@ -1,268 +0,0 @@
-# 🤖 科研助手技能使用指南 v2.0
-
-## ✨ 技能已升级！
-
-**v2.0 新特性**：
-- ✅ **智能RSS**：只看未读论文，如果全部已读且今天无更新则自动跳过
-- ✅ **精准arXiv**：只搜索今天上新的论文
-- ✅ **简化格式**：标题 + 摘要（保持原文）+ 与你研究的关联
-
----
-
-## 🚀 使用方法
-
-### 基础用法（最简单）
-
-只需发送以下任意一句话：
-
-```
-今天阅读文献
-```
-
-```
-写个日报
-```
-
-```
-科研日报
-```
-
-**就这么简单！** 🎉
-
----
-
-## 📋 工作流程（v2.0）
-
-### 1. RSS检查（智能跳过）
-
-```
-打开RSS → 检查未读数量
-    ↓
-有未读？
-  ├─ 是 → 阅读未读论文摘要 ✅
-  └─ 否 → 检查今天是否有更新？
-          ├─ 有更新 → 阅读新论文 ✅
-          └─ 无更新 → 跳过RSS，记录"今日无更新" ⏭️
-```
-
-**优势**：不会重复阅读已经看过的论文！
-
-### 2. arXiv搜索（今日上新）
-
-- 只搜索 **今天** 发表的论文
-- 设置 `date_from="今天日期"`
-- 覆盖4个研究方向
-
-**优势**：只看最新内容，不浪费时间！
-
-### 3. 论文筛选（按关联度）
-
-- ⭐⭐⭐⭐⭐ 高度相关
-- ⭐⭐⭐⭐ 值得关注
-- ⭐⭐⭐ 了解即可
-
-### 4. 生成日报（简化格式）
-
-每篇论文格式：
-
-```markdown
-### 论文标题
-- **摘要**：（保持原文，英文不翻译）
-- **与你研究的关联**：（2-3句话）
-```
-
----
-
-## 📊 日报示例
-
-```markdown
-# 📅 科研日报 - 2026-02-26
-
-> 生成时间：2026-02-26
-> 数据来源：RSS订阅 + arXiv（仅今日上新）
-
----
-
-## 📊 数据来源统计
-
-| 来源 | 论文数量 |
-|------|----------|
-| RSS订阅 | 3篇 |
-| arXiv | 5篇 |
-
----
-
-## 🔥 重点关注（⭐⭐⭐⭐⭐）
-
-### HyperRAG: Reasoning N-ary Facts over Hypergraphs for RAG
-- **摘要**：We propose HyperRAG, a novel framework that leverages hypergraphs...
-- **与你研究的关联**：解决Geo-MultiRAG中的拓扑关系编码问题，超图结构可以更好地编码连续的空间关系
-
-### MarsRetrieval: Benchmarking VLMs for Planetary-Scale Geospatial Retrieval
-- **摘要**：We introduce MarsRetrieval, the first benchmark for evaluating...
-- **与你研究的关联**：直接对应数字火星平台的地理空间检索需求，提供了标准评估协议
-
----
-
-## 📝 值得关注（⭐⭐⭐⭐）
-
-[论文列表...]
-
----
-
-## 💡 了解即可（⭐⭐⭐）
-
-[简要列表...]
-
----
-
-## 📌 今日行动建议
-
-### 必读论文
-1. HyperRAG
-   - 重点：超图如何编码n-ary关系
-   - 思考：能否应用到多源空间数据对齐？
-
-### 深入阅读
-1. MarsRetrieval
-
-### 思考问题
-1. 超图结构能否解决Geo-MultiRAG的多尺度悖论？
-2. MarsRetrieval的评估协议如何用于数字火星平台？
-
----
-
-## 💭 研究启示
-
-### 对Geo-MultiRAG的启发
-- 超图编码拓扑关系
-- 双曲空间适合层次化结构
-
-### 对数字火星平台的启发
-- 行星级地理空间检索基准
-- 多模态VLM评估方法
-
-### 对KV Cache优化的启发
-- 残差压缩思路
-- 稀疏注意力架构
-
----
-
-*本日报由科研助手自动生成*
-```
-
----
-
-## ⚙️ 高级用法（可选）
-
-### 1. 指定日期
-
-```
-科研日报 2026-02-27
-```
-
-### 2. 跳过RSS
-
-```
-今天阅读文献 include_rss=false
-```
-
-### 3. 只看arXiv
-
-```
-写个日报 include_rss=false
-```
-
-### 4. 调整数量
-
-```
-科研日报 max_results=20
-```
-
-### 5. 组合使用
-
-```
-科研日报 include_rss=false max_results=10
-```
-
----
-
-## 💡 每日最佳实践
-
-**早上9:00**，发送：
-
-```
-今天阅读文献
-```
-
-**然后**：
-1. ☕ 喝杯咖啡
-2. 📱 5-10分钟后查看日报
-3. 📖 从"必读论文"开始
-4. 🚀 开启一天科研工作
-
----
-
-## 🎯 v2.0 技能特点
-
-✅ **智能RSS**：自动判断是否有新内容
-✅ **精准arXiv**：只看今日上新
-✅ **简化格式**：摘要保持原文，节省时间
-✅ **关联分析**：每篇论文都说明与你的研究关系
-✅ **行动导向**：提供明确的阅读建议
-
----
-
-## 📂 日报保存位置
-
-```
-research-assistant/
-└── daily/
-    ├── 2026-02-26.md
-    ├── 2026-02-27.md
-    └── ...
-```
-
----
-
-## ⚠️ 注意事项
-
-1. **首次使用**：确保Chrome MCP可用
-2. **RSS访问**：确保 http://192.168.190.20:8080/ 可访问
-3. **网络连接**：需要访问arXiv
-4. **执行时间**：3-5分钟（比v1.0快，因为只看今日内容）
-
----
-
-## 📞 需要帮助？
-
-如果技能无法正常工作：
-
-1. 检查 `.claude/skills/` 目录
-2. 查看技能文件是否完整
-3. 尝试重新加载Claude Code
-4. 查看错误日志
-
----
-
-**v2.0 更高效！祝科研顺利！🚀📚**
-
----
-
-## 🆘 示例对话
-
-**你**：今天阅读文献
-
-**Claude**：
-1. 🔍 检查RSS未读...
-2. ✅ 发现3篇未读论文
-3. 🔍 搜索arXiv今日上新...
-4. ✅ 发现5篇新论文
-5. 📝 生成日报...
-6. 💾 已保存到 `daily\2026-02-26.md`
-
-**你**：完美！让我看看...
-
----
-
-就这么简单！🎉

opencode.json

@@ -0,0 +1,78 @@
+{
+  "$schema": "https://opencode.ai/config.json",
+  "model": "zhipuai-coding-plan/glm-4.7",
+  "small_model": "zhipuai-coding-plan/glm-4.5-air",
+    "mcp": {
+        "zai-mcp-server": {
+            "type": "local",
+            "command": [
+                "npx",
+                "-y",
+                "@z_ai/mcp-server"
+            ],
+            "environment": {
+                "Z_AI_MODE": "ZHIPU",
+                "Z_AI_API_KEY": "f0abad6ca6d54c6aa367cb9350d30919.EIRG6EC0KxaRzYLX"
+            }
+        },
+        "web-search-prime": {
+            "type": "remote",
+            "url": "https://open.bigmodel.cn/api/mcp/web_search_prime/mcp",
+            "headers": {
+                "Authorization": "Bearer f0abad6ca6d54c6aa367cb9350d30919.EIRG6EC0KxaRzYLX"
+            }
+        },
+        "web-reader": {
+            "type": "remote",
+            "url": "https://open.bigmodel.cn/api/mcp/web_reader/mcp",
+            "headers": {
+                "Authorization": "Bearer f0abad6ca6d54c6aa367cb9350d30919.EIRG6EC0KxaRzYLX"
+            }
+        },
+        "zread": {
+            "type": "remote",
+            "url": "https://open.bigmodel.cn/api/mcp/zread/mcp",
+            "headers": {
+                "Authorization": "Bearer f0abad6ca6d54c6aa367cb9350d30919.EIRG6EC0KxaRzYLX"
+            }
+        },
+        "arxiv": {
+            "type": "local",
+            "command": [
+                "uv",
+                "tool",
+                "run",
+                "arxiv-mcp-server",
+                "--storage-path",
+                "E:/OneDrive/Desktop/studio/paper-search-subagent/papers"
+            ]
+        },
+        "chrome-devtools": {
+            "type": "local",
+            "command": [
+                "npx",
+                "-y",
+                "chrome-devtools-mcp@latest"
+            ]
+        }
+    },
+    "provider": {
+        "zhipuai-coding-plan": {
+            "options": {
+                "apiKey": "f0abad6ca6d54c6aa367cb9350d30919.EIRG6EC0KxaRzYLX"
+            }
+        },
+        "qingyun": {
+            "npm": "@ai-sdk/openai-compatible",
+            "name": "Qingyun API",
+            "options": {
+                "baseURL": "https://api.qingyuntop.top/v1",
+                "apiKey": "sk-nAr1kid1SMastKQKSOhz9rxCa1WFipJxaUPfDONiPj1BSZ0t"
+            },
+            "models": {
+                "gpt-5": { "id": "gpt-5", "name": "GPT-5" },
+                "gpt-5.1": { "id": "gpt-5.1", "name": "GPT-5.1" }
+            }
+        }
+    }
+}