paper2code：论文转代码技能
将任意 arXiv 论文转化为带引用锚定的可运行实现
- Star 数
- ★ 1.5k
- 最近更新
- 6 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 36/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用Claude Code
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 研究人员希望快速理解一篇论文的实现细节，而不是从头阅读冗长的代码库。
- 不适合
- 只使用 Claude Code 之外编程代理的团队
- 期望直接得到可训练、可复现结果的用户
- 需要自动下载数据集并跑通训练的团队
这个 Agent 能做什么，适合哪些场景？
paper2code 是一个针对 Claude Code 的 Agent 技能，输入 arXiv 论文 URL，输出一个结构化的代码项目，其中每行关键代码都标注了对应的论文章节和公式。它通过歧义审计将实现选择分类为 SPECIFIED、PARTIALLY_SPECIFIED 或 UNSPECIFIED，并在代码中明确标记未指定的部分，避免模型静默填补空白。该技能会生成包含模型、损失、训练、数据、评估等模块的 src 目录，以及超参数配置文件和教学 Notebook。它强调诚实的不确定性，并包含附录挖掘功能，将附录、脚注和图注作为一等信息来源。
paper2code 通过命令 /paper2code <arxiv_url> 触发，可接受完整 URL 或裸 arXiv ID。它首先获取论文文本，进行解析和歧义审计，然后生成代码项目：包含 README.md、REPRODUCTION_NOTES.md（歧义审计结果）、requirements.txt、src/ 下的 model.py、loss.py、train.py、data.py、evaluate.py、utils.py、configs/base.yaml 以及 notebooks/walkthrough.ipynb。每个代码文件中的非平凡决策都用 §X.Y 或 §X.Y, Eq. N 注释锚定到论文章节，未指定的选择用 [UNSPECIFIED] 注释标记，并附带常见替代方案。skill 还支持 --framework、--mode full、--mode educational 等参数。
- 研究人员希望快速理解一篇论文的实现细节，而不是从头阅读冗长的代码库。
- 机器学习工程师需要验证一篇论文的可复现性，并查看哪些超参数是论文明确指定的。
- 学生想要通过一个可运行的 Notebook 来学习论文的每个组件如何对应到代码。
- 开发者需要为特定框架（如 JAX）生成论文实现。
- 论文作者希望检查自己的论文是否存在歧义，以便改进描述。
如何安装或部署这个 Agent？
使用 npx 命令安装：npx skills add PrathamLearnsToCode/paper2code/skills/paper2code。安装过程中会提示选择代理（如 Claude Code）、范围（全局或项目级）和方法（符号链接或复制）。
如何使用这个 Agent？
安装后，启动 Claude Code，然后运行 skill 命令，例如：/paper2code https://arxiv.org/abs/1706.03762。也可以指定框架（--framework jax）、模式（--mode full 或 --mode educational），或直接使用裸 arXiv ID（/paper2code 1706.03762）。
这个 Agent 有哪些优点和局限？
- 引用锚定：每行代码都带有论文章节引用，便于验证。
- 歧义审计：明确标注未指定和部分指定的实现选择，避免幻觉。
- 诚实不确定性：
[UNSPECIFIED]注释列出常见替代方案。 - 附录挖掘：将附录、脚注和图注作为一等信息来源。
- 包含教学 Notebook，便于学习和验证。
- 仅支持 Claude Code，平台绑定。
- 不保证实现正确性，如果论文本身有误，代码也会出错。
- 不实现基线或标准组件，需要外部依赖。
- 不下载数据集，提供的是骨架而非完整数据管道。
- 不提供训练基础设施，如分布式训练等。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| paper2code：论文转代码技能 当前 | 36 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 1.5k | 6 个月前 | Python | Claude Code |
| Trace 生成式优化框架 | 67 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 762 | 1 年前 | Python | OpenAI API · Claude API |
| Weco 自动研究优化器 | 63 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 117 | 2 天前 | Python | Codex · Claude Code · OpenAI API |
| AWorld 智能体编排平台 | 48 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.2k | 5 天前 | Python | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据：仓库仅包含README和LICENSE，无代码或可执行文件，因此没有权限请求、数据流或外部影响。扣分：由于没有实际实现，无法评估最小权限、用户确认、数据流透明度、敏感数据处理、依赖安全、外部影响、回滚和来源归属；这些标准均得0分。
证据：README内部一致，描述了清晰的工作流程和设计原则。扣分：没有实际代码或测试，依赖可用性仅基于README中提到的npx和Python包，未验证；失败消息未描述，因此得1分。
证据：README明确了目标受众（ML从业者）和多种使用场景（不同模式、框架）。扣分：能力边界有说明（不会做什么），但环境适配仅提到Claude Code，未覆盖其他代理；触发精度有示例但未验证。
证据：信息架构清晰，安装说明存在，示例和FAQ部分有，已知限制明确，许可证为MIT。扣分：命名稳定性未提及，版本控制/变更日志缺失，维护责任仅由贡献指南暗示，未明确。
证据：输出可用性描述详细（生成的文件结构），边际价值明确（解决论文实现中的模糊性）。扣分：成本效益未量化，没有实际运行证据，因此得1分。
证据：声明可追溯性通过引用锚定机制体现，事实与推断分离通过UNSPECIFIED标签体现。扣分：跨来源佐证仅提到官方代码，未提供实际验证，因此得1分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 仓库仅包含README和LICENSE，没有实际代码或测试，无法验证功能。
- 安装命令依赖npx skills add，可能涉及外部服务，需谨慎。
- 生成代码的准确性和安全性未经验证，使用前应审查。