paper-talent 0.1.0

从学术论文中发现企业人才,自动搜索脉脉并加入招聘项目

Paper Talent - 学术论文人才发现系统

从学术论文中发现企业人才，自动搜索脉脉并加入招聘项目

项目概述

Paper Talent 是一个智能化的技术人才招聘辅助工具，通过自动化流程从学术论文平台（arxiv）中发现潜在的优秀技术人才。

核心功能

1. 论文搜索：基于关键词在 arxiv 上搜索相关学术论文
2. 智能识别：使用 LLM（大语言模型）识别论文中的企业作者
3. 人才搜索：在脉脉平台搜索并验证候选人身份
4. 自动入库：将符合条件的技术人才自动加入招聘项目
5. 定时执行：支持每日定时任务，持续发现新人才

应用场景

• 技术招聘：从前沿论文中发现活跃在企业界的研究人员
• 人才储备：构建特定技术领域的人才库
• 竞对分析：了解竞争对手在哪些技术领域有研究布局
• 引用挖掘：通过论文引用关系发现更多相关人才

---

设计思路

核心设计理念

Paper Talent 采用 "论文→作者→人才" 的三步发现模型：

学术论文 (arxiv)
    ↓ 提取第一页内容
企业作者 (LLM 识别)
    ↓ 多策略搜索
脉脉候选人 (验证评估)
    ↓ 符合条件
招聘项目 (自动入库)

1. arxiv 论文搜索策略

系统采用多策略搜索确保全面性：

• 全字段搜索：在标题、摘要、作者中搜索关键词
• 标题搜索：仅搜索标题中包含关键词的论文（更精准）
• 摘要搜索：仅搜索摘要中包含关键词的论文（更广泛）
• 去重机制：通过 arxiv ID 自动去重，避免重复处理

2. LLM 企业作者识别

使用大语言模型从论文第一页文本中智能识别企业作者：

识别流程：

1. 使用 PyMuPDF 提取论文第一页文本（包含作者、单位、邮箱）
2. 构造 Prompt 发送给 LLM，要求识别在企业工作的作者
3. LLM 返回结构化数据：作者姓名、邮箱、企业全称、企业简称
4. 解析 LLM 输出，生成 EnterpriseAuthor 对象

优势：

• 无需维护企业列表，LLM 自动识别
• 支持各种企业表述形式（公司、研究院、实验室等）
• 可同时提取企业全称和简称，便于后续搜索

3. 脉脉候选人搜索与验证

采用多策略搜索 + LLM 验证的双重保障机制：

搜索策略（按优先级）：

1. 名字 + 公司全称（最精准）
2. 名字 + 公司简称（较精准）
3. 仅名字搜索（兜底策略）

验证流程：

1. 公司验证：使用 LLM 验证候选人当前/历史公司是否与论文作者公司匹配
2. 技术人员判断：使用 LLM 判断候选人是否为技术人员（研发、算法、工程等）
3. 置信度评分：综合公司和职位信息给出匹配置信度（0-1）
4. 阈值过滤：只保留置信度高于设定阈值的候选人

4. 三个核心场景

场景 1：关键词搜索

用户输入关键词 → arxiv 搜索 → 领域判断 → 下载 PDF → 识别企业作者 → 脉脉搜索 → 加入项目

适用场景： 快速搜索某个技术领域的人才

场景 2：引用论文挖掘

本地已有论文 → 提取引用 → 搜索引用论文 → 领域判断 → 识别企业作者 → 脉脉搜索 → 加入项目

适用场景： 从已有论文的引用关系中发现更多相关人才

场景 3：每日定时执行

定时触发 → 搜索最新论文（按提交日期排序） → 查重 → 执行场景 1 → 执行场景 2

适用场景： 持续监控某个技术领域，自动发现新人才

---

架构说明

项目目录结构

paper-talent/
├── paper_talent/                 # Python 包
│   ├── __init__.py              # 包初始化（版本信息）
│   ├── config.py                # 配置管理模块
│   ├── paper_search.py          # arxiv 论文搜索模块
│   ├── author_identify.py       # 企业作者识别模块
│   ├── maimai_search.py         # 脉脉搜索与评估模块
│   ├── pipeline.py              # 场景流程编排模块
│   └── cli.py                   # 命令行接口模块
├── papers/                      # 论文存储目录（自动生成）
│   ├── pdf/                     # PDF 文件
│   └── *.json                   # 论文元数据
├── results/                     # 结果存储目录（自动生成）
│   ├── *.json                   # 作者识别结果
│   └── maimai/                  # 脉脉搜索结果
├── pyproject.toml               # 项目配置与依赖
├── requirements.txt             # 依赖清单
└── README.md                    # 项目文档

核心模块职责

1. config.py - 配置管理

功能：

• 定义 Settings 数据类，集中管理所有配置项
• 支持从环境变量加载配置
• 自动创建必要的目录

核心配置项：

• papers_dir: 论文存储根目录
• results_dir: 识别结果存储目录
• maimai_project_name: 脉脉项目名称
• maimai_cookies_file: 脉脉 cookies 文件路径
• domain_keywords: 论文领域关键词列表
• confidence_threshold: 置信度阈值
• max_search_results: arxiv 最大搜索结果数
• max_citation_papers: 引用论文最大处理数
• schedule_time: 定时任务执行时间

使用方式：

from paper_talent.config import Settings

# 从环境变量加载
settings = Settings.from_env()

# 或直接实例化
settings = Settings(
    papers_dir=Path("papers"),
    maimai_project_name="Agent人才",
    confidence_threshold=0.7,
)

2. paper_search.py - 论文搜索模块

功能：

• arxiv 论文搜索（多策略）
• PDF 下载与管理
• 论文第一页文本提取
• LLM 领域判断
• 引用论文提取
• 论文持久化（JSON 存储）

核心函数：

• search_papers(): 多策略搜索 arxiv 论文
• download_paper_pdf(): 下载 PDF 到本地
• extract_first_page_text(): 提取第一页文本（PyMuPDF）
• is_target_domain_paper(): LLM 判断是否属于目标领域
• extract_citations_from_pdf(): LLM 提取引用论文列表
• search_paper_by_title(): 按标题搜索论文
• save_paper_info() / load_paper_info(): 论文信息序列化
• load_all_papers(): 加载本地所有论文
• check_paper_exists(): 检查论文是否已存在

数据流：

用户关键词 → arxiv API → PaperInfo 对象 → 下载 PDF → 提取文本 → LLM 判断 → 保存 JSON

3. author_identify.py - 企业作者识别

功能：

• 使用 LLM 从论文第一页识别企业作者
• 提取作者姓名、邮箱、企业全称/简称
• 识别结果持久化

核心函数：

• identify_enterprise_authors(): LLM 识别企业作者
• save_identification_result(): 保存识别结果
• load_identification_results(): 加载识别结果

LLM Prompt 设计：

请从以下论文第一页内容中，识别出在企业或公司工作的作者。
要求：
1. 只识别明确标注了企业/公司/研究院 affiliation 的作者
2. 排除纯高校/大学的作者
3. 返回 JSON 格式：[{name, email, company_full, company_short}]

4. maimai_search.py - 脉脉搜索与评估

功能：

• 多策略脉脉搜索
• LLM 公司验证
• LLM 技术人员判断
• 加入脉脉项目
• 搜索结果持久化

核心函数：

• search_person_on_maimai(): 多策略搜索候选人
• verify_candidate_company(): LLM 验证公司匹配度
• judge_tech_person(): LLM 判断是否为技术人员
• add_to_maimai_project(): 加入脉脉项目
• search_and_evaluate_author(): 完整搜索评估流程
• save_maimai_results(): 保存脉脉结果

搜索策略实现：

# 策略 1: 名字 + 公司全称
search = Search()
results = search.search_by_keyword(f"{author.name} {author.company_full}")

# 策略 2: 名字 + 公司简称（策略 1 无结果时）
results = search.search_by_keyword(f"{author.name} {author.company_short}")

# 策略 3: 仅名字（前两者无结果时）
results = search.search_by_keyword(author.name)

5. pipeline.py - 场景流程编排

功能：

• 实现三个核心场景的完整流程
• 进度条显示（Rich）
• 结果统计与汇总
• 定时任务调度（schedule 库）

核心函数：

• run_scenario1(): 场景 1（关键词搜索）
• run_scenario2(): 场景 2（引用论文挖掘）
• run_scenario3(): 场景 3（每日定时执行）
• start_scheduled_task(): 启动定时任务
• _print_result_summary(): 打印结果汇总

数据流（场景 1）：

query → search_papers() → [PaperInfo]
    ↓ for each paper
is_target_domain_paper() → 领域判断
    ↓ if True
download_paper_pdf() → PDF 下载
extract_first_page_text() → 文本提取
identify_enterprise_authors() → [EnterpriseAuthor]
    ↓ for each author
search_and_evaluate_author() → [MaimaiCandidate]
    ↓ for each candidate
add_to_maimai_project() → 加入项目

6. cli.py - 命令行接口

功能：

• 基于 Typer 构建现代化 CLI
• 四个命令：search、citations、daily、run-now
• Rich 控制台输出
• 参数验证与默认值

命令列表：

• paper search: 场景 1
• paper citations: 场景 2
• paper daily: 场景 3（定时）
• paper run-now: 场景 3（立即执行）

模块交互关系

cli.py (用户入口)
    ↓ 调用
pipeline.py (流程编排)
    ↓ 协调
┌──────────────────┬──────────────────┬──────────────────┐
│ paper_search.py  │author_identify.py│ maimai_search.py │
│ (论文搜索)       │ (作者识别)       │ (脉脉搜索)       │
└──────────────────┴──────────────────┴──────────────────┘
    ↓ 使用              ↓ 使用              ↓ 使用
┌──────────────────┬──────────────────┬──────────────────┐
│ arxiv API        │ llmdog (LLM)     │ maimai-cat API   │
│ PyMuPDF          │                  │                  │
└──────────────────┴──────────────────┴──────────────────┘
    ↓ 数据存储          ↓ 数据存储          ↓ 数据存储
┌──────────────────────────────────────────────────────┐
│ config.py (配置管理) + JSON 文件持久化               │
└──────────────────────────────────────────────────────┘

---

快速开始

环境要求

• Python 版本：≥ 3.9（推荐 3.10+）
• 操作系统：macOS / Linux / Windows
• 系统依赖：无特殊要求
• LLM API：需要配置 llmdog（大语言模型接口）
• 脉脉账号：需要有效的脉脉 cookies

安装步骤

1. 克隆项目

git clone <your-repo-url>
cd paper-talent

2. 创建虚拟环境

# macOS / Linux
python -m venv venv
source venv/bin/activate

# Windows
python -m venv venv
venv\Scripts\activate

3. 安装依赖

# 升级 pip
pip install --upgrade pip

# 安装项目依赖
pip install -e .

4. 验证安装

# 查看帮助
paper --help

# 查看版本
python -c "import paper_talent; print(paper_talent.__version__)"

配置说明

方式 1：命令行参数（推荐新手）

直接在命令中指定所有参数：

paper search "agent" \
  --project "Agent人才" \
  --max-results 50 \
  --threshold 0.6 \
  --papers-dir papers \
  --results-dir results \
  --cookies cookies.json

方式 2：环境变量

# 脉脉配置
export MAIMAI_PROJECT_NAME="Agent人才"
export MAIMAI_COOKIES_FILE="cookies.json"

# 论文配置
export PAPERS_DIR="papers"
export RESULTS_DIR="results"
export MAX_SEARCH_RESULTS=50
export CONFIDENCE_THRESHOLD=0.6

# LLM 配置（根据 llmdog 要求）
export LLMDOG_API_KEY="your-api-key"
export LLMDOG_BASE_URL="https://your-llm-api.com"

然后运行：

paper search "agent" --project "Agent人才"

方式 3：配置文件

创建 .env 文件：

# .env
MAIMAI_PROJECT_NAME="Agent人才"
MAIMAI_COOKIES_FILE="cookies.json"
PAPERS_DIR="papers"
RESULTS_DIR="results"
MAX_SEARCH_RESULTS=50
CONFIDENCE_THRESHOLD=0.6

获取脉脉 Cookies

1. 登录脉脉网页版（https://maimai.cn）
2. 打开浏览器开发者工具（F12）
3. 进入 Application/存储 → Cookies
4. 复制所有 cookies 并保存为 cookies.json 文件

cookies.json 格式示例：

{
  "name": "your-cookie-name",
  "value": "your-cookie-value",
  "domain": ".maimai.cn"
}

使用示例

示例 1：搜索 Agent 领域人才

# 基本用法
paper search "agent" --project "Agent人才"

# 指定搜索数量和阈值
paper search "LLM agent" --project "Agent人才" --max-results 30 --threshold 0.7

# 自定义目录
paper search "multi-agent" \
  --project "Agent人才" \
  --papers-dir my_papers \
  --results-dir my_results

示例 2：挖掘引用论文人才

# 先运行一次搜索，建立本地论文库
paper search "agent" --project "Agent人才" --max-results 20

# 然后挖掘这些论文的引用
paper citations --project "Agent人才" --max-citations 30

示例 3：每日定时执行

# 每天 9:00 自动执行
paper daily "agent" --project "Agent人才" --time "09:00"

# 立即执行一次（不启动定时）
paper run-now "agent" --project "Agent人才"

示例 4：查看帮助

# 查看所有命令
paper --help

# 查看具体命令帮助
paper search --help
paper citations --help
paper daily --help
paper run-now --help

---

扩展指南

1. 添加新的搜索策略

在 paper_search.py 中添加 arxiv 搜索策略

def search_papers_by_author(
    author_name: str,
    max_results: int = 50,
) -> list[PaperInfo]:
    """按作者名搜索论文"""
    search = arxiv.Search(
        query=f"au:{author_name}",
        max_results=max_results,
        sort_by=arxiv.SortCriterion.Relevance,
    )
    results = _client.results(search)
    return [_to_paper_info(r) for r in results]

在 maimai_search.py 中添加脉脉搜索策略

def search_by_email_on_maimai(
    author: EnterpriseAuthor,
    cookies_file: str = "cookies.json",
) -> list[MaimaiCandidate]:
    """通过邮箱搜索脉脉候选人"""
    # 实现基于邮箱的搜索逻辑
    pass

2. 集成其他招聘平台

添加新的平台模块（如 LinkedIn）

创建 linkedin_search.py：

"""LinkedIn 搜索与评估模块"""

from dataclasses import dataclass
from typing import Optional

@dataclass
class LinkedInCandidate:
    """LinkedIn 候选人信息"""
    profile_url: str
    name: str
    company: str
    position: str
    is_tech_person: bool = False

def search_person_on_linkedin(
    author: EnterpriseAuthor,
    api_key: str,
) -> list[LinkedInCandidate]:
    """在 LinkedIn 上搜索候选人"""
    # 调用 LinkedIn API
    pass

def verify_candidate_on_linkedin(
    candidate: LinkedInCandidate,
    author: EnterpriseAuthor,
) -> float:
    """验证候选人公司匹配度"""
    # LLM 验证逻辑
    pass

在 pipeline.py 中集成

from .linkedin_search import search_person_on_linkedin

def run_scenario1_with_linkedin(query: str, settings: Settings):
    # ... 原有逻辑 ...
    
    # 添加 LinkedIn 搜索
    linkedin_candidates = search_person_on_linkedin(author, settings.linkedin_api_key)
    
    # 合并结果
    all_candidates = maimai_candidates + linkedin_candidates

3. 自定义 LLM 提示词

修改企业作者识别 Prompt

编辑 author_identify.py 中的 identify_enterprise_authors() 函数：

def identify_enterprise_authors(
    first_page_text: str,
    paper_title: str = "",
    paper_arxiv_id: str = "",
) -> list[EnterpriseAuthor]:
    
    prompt = f"""你是一个专业的学术论文分析助手。

请从以下论文第一页内容中识别企业作者。

**识别标准：**
1. 作者单位包含：公司、企业、研究院、实验室等
2. 排除纯高校/大学作者
3. 如果作者同时在高校和企业任职，只保留企业身份

**输出格式：**
```json
[
  {{
    "name": "作者姓名",
    "email": "邮箱",
    "company_full": "企业全称",
    "company_short": "企业简称"
  }}
]

论文标题：{paper_title} 论文第一页内容： {first_page_text} """ # ... 后续逻辑 ...

#### 修改领域判断 Prompt

编辑 `paper_search.py` 中的 `is_target_domain_paper()` 函数：

```python
def is_target_domain_paper(
    paper: PaperInfo,
    domain_keywords: list[str] = None,
) -> bool:
    prompt = f"""请判断以下论文是否属于目标研究领域。

**目标领域关键词：**
{', '.join(domain_keywords or [])}

**判断标准：**
1. 论文主题与关键词直接相关
2. 论文方法可应用于该领域
3. 宁可漏判，不可误判（保守策略）

**输出：** 只回答 "是" 或 "否"

论文标题：{paper.title}
论文摘要：{paper.abstract}
"""
    # ... 后续逻辑 ...

4. 模块化设计的优势与扩展点

优势

1. 职责分离：每个模块独立负责一个功能域
2. 易于测试：模块间通过明确的数据结构交互
3. 可替换性：可轻松替换某个模块（如更换 LLM 提供商）
4. 可扩展性：新功能只需添加新模块或扩展现有模块

扩展点

模块	扩展方向	示例
config.py	添加新配置项	新平台 API Key、新阈值参数
paper_search.py	新论文源	Google Scholar、Semantic Scholar
author_identify.py	新识别策略	基于规则的企业作者识别
maimai_search.py	新招聘平台	LinkedIn、Boss 直聘、拉勾
pipeline.py	新场景	批量导入论文、人才去重
cli.py	新命令	查看统计、导出报告

扩展示例：添加 Google Scholar 支持

# 创建 google_scholar_search.py
from scholarly import scholarly

def search_scholar_papers(query: str) -> list[PaperInfo]:
    """搜索 Google Scholar"""
    search_results = scholarly.search_pubs(query)
    return [_scholar_to_paper_info(r) for r in search_results]

# 在 pipeline.py 中使用
from .paper_search import search_papers
from .google_scholar_search import search_scholar_papers

def run_scenario1_multi_source(query: str, settings: Settings):
    # 从多个来源搜索
    arxiv_papers = search_papers(query)
    scholar_papers = search_scholar_papers(query)
    
    # 合并并去重
    all_papers = merge_and_deduplicate(arxiv_papers, scholar_papers)
    
    # 继续后续流程...

---

命令行使用说明

全局选项

paper [OPTIONS] COMMAND [ARGS]...

命令 1：search（场景 1）

在 arxiv 搜索论文，识别企业作者，搜索脉脉并加入项目。

paper search QUERY [OPTIONS]

参数：

参数	类型	必填	默认值	说明
QUERY	str	✅	-	搜索关键词（如 "agent"）
--project, -p	str	❌	""	脉脉项目名称
--max-results, -n	int	❌	50	最大搜索结果数
--threshold, -t	float	❌	0.6	置信度阈值（0-1）
--papers-dir	str	❌	"papers"	论文存储目录
--results-dir	str	❌	"results"	结果存储目录
--cookies	str	❌	"cookies.json"	脉脉 cookies 文件路径

示例：

# 基本搜索
paper search "agent" --project "Agent人才"

# 精确搜索（高阈值）
paper search "LLM agent" -p "Agent人才" -t 0.8

# 限制结果数
paper search "multi-agent" -p "Agent人才" -n 20

# 完整参数
paper search "autonomous agent" \
  -p "Agent人才" \
  -n 30 \
  -t 0.7 \
  --papers-dir my_papers \
  --results-dir my_results \
  --cookies my_cookies.json

命令 2：citations（场景 2）

读取本地论文，提取引用论文，搜索并处理。

paper citations [OPTIONS]

参数：

参数	类型	必填	默认值	说明
--project, -p	str	❌	""	脉脉项目名称
--max-citations, -n	int	❌	50	最大处理引用论文数
--threshold, -t	float	❌	0.6	置信度阈值
--papers-dir	str	❌	"papers"	论文存储目录
--results-dir	str	❌	"results"	结果存储目录
--cookies	str	❌	"cookies.json"	脉脉 cookies 文件路径

示例：

# 处理所有引用
paper citations --project "Agent人才"

# 限制处理数量
paper citations -p "Agent人才" -n 20

# 高阈值过滤
paper citations -p "Agent人才" -n 30 -t 0.75

前置条件：

• 必须先运行 paper search 建立本地论文库
• 本地 papers/ 目录下需要有已下载的论文

命令 3：daily（场景 3 - 定时）

每日定时执行，搜索新论文，查重后执行场景 1 和场景 2。

paper daily QUERY [OPTIONS]

参数：

参数	类型	必填	默认值	说明
QUERY	str	✅	-	搜索关键词
--project, -p	str	❌	""	脉脉项目名称
--time	str	❌	"09:00"	定时执行时间（HH:MM）
--threshold, -t	float	❌	0.6	置信度阈值
--papers-dir	str	❌	"papers"	论文存储目录
--results-dir	str	❌	"results"	结果存储目录
--cookies	str	❌	"cookies.json"	脉脉 cookies 文件路径

示例：

# 每天 9:00 执行
paper daily "agent" --project "Agent人才" --time "09:00"

# 每天凌晨 2:00 执行
paper daily "LLM agent" -p "Agent人才" --time "02:00"

# 使用默认时间（09:00）
paper daily "multi-agent" -p "Agent人才"

注意事项：

• 程序会持续运行，直到按 Ctrl+C 停止
• 建议使用 nohup 或 tmux 后台运行
• 示例：nohup paper daily "agent" -p "Agent人才" &

命令 4：run-now（场景 3 - 立即）

立即执行一次场景 3（不启动定时任务）。

paper run-now QUERY [OPTIONS]

参数：

参数	类型	必填	默认值	说明
QUERY	str	✅	-	搜索关键词
--project, -p	str	❌	""	脉脉项目名称
--threshold, -t	float	❌	0.6	置信度阈值
--papers-dir	str	❌	"papers"	论文存储目录
--results-dir	str	❌	"results"	结果存储目录
--cookies	str	❌	"cookies.json"	脉脉 cookies 文件路径

示例：

# 立即执行一次
paper run-now "agent" --project "Agent人才"

# 立即执行（高阈值）
paper run-now "LLM agent" -p "Agent人才" -t 0.75

与 daily 的区别：

• daily: 启动定时任务，持续运行，每天定时执行
• run-now: 立即执行一次，执行完毕后退出

---

故障排除

1. 安装问题

问题：pip install 报错 "Could not find a version that satisfies the requirement"

原因： Python 版本过低或 pip 版本过旧

解决方案：

# 检查 Python 版本
python --version  # 需要 ≥ 3.9

# 升级 pip
pip install --upgrade pip

# 如果 Python 版本过低，请升级 Python
# macOS 使用 Homebrew:
brew install python@3.10

问题：PyMuPDF 安装失败

原因： 缺少系统依赖

解决方案：

# macOS
brew install pkg-config

# Ubuntu/Debian
sudo apt-get install python3-dev build-essential

# 然后重新安装
pip install PyMuPDF

2. LLM 相关问题

问题：llmdog 调用失败，报错 "API key not found"

原因： 未配置 LLM API 密钥

解决方案：

# 设置环境变量
export LLMDOG_API_KEY="your-api-key"
export LLMDOG_BASE_URL="https://your-llm-api.com"

# 或在使用命令时指定
LLMDOG_API_KEY="your-key" paper search "agent" -p "Agent人才"

问题：LLM 返回格式错误，无法解析 JSON

原因： LLM 输出格式不稳定

解决方案：

1. 在 Prompt 中加强格式要求
2. 使用更强大的模型（如 GPT-4）
3. 添加重试机制：

# 在 author_identify.py 中添加重试
from tenacity import retry, stop_after_attempt

@retry(stop=stop_after_attempt(3))
def identify_enterprise_authors(first_page_text: str, ...):
    # ... 原有逻辑 ...

3. 脉脉相关问题

问题：脉脉搜索返回空结果

原因： Cookies 过期或无效

解决方案：

1. 重新登录脉脉网页版
2. 重新获取 cookies 并更新 cookies.json
3. 检查 cookies 格式是否正确

问题：加入脉脉项目失败

原因： 项目名称不存在或无权限

解决方案：

# 检查项目名称是否正确
# 在脉脉网页版确认项目是否存在
# 确保你有权限向该项目添加候选人

问题：脉脉 API 频率限制

原因： 短时间内请求过多

解决方案：

1. 降低 --max-results 参数
2. 在代码中添加延迟：

import time

# 在 maimai_search.py 中添加
time.sleep(2)  # 每次请求间隔 2 秒

4. 论文搜索问题

问题：arxiv 搜索返回结果过少

原因： 关键词过于具体

解决方案：

# 使用更宽泛的关键词
paper search "agent" --project "Agent人才"

# 而不是
paper search "large language model based autonomous agent" --project "Agent人才"

问题：PDF 下载失败

原因： 网络问题或 arxiv 服务器不可用

解决方案：

# 检查网络连接
ping export.arxiv.org

# 稍后重试，或手动下载 PDF 到 papers/pdf/ 目录

5. 运行问题

问题：定时任务意外停止

原因： 终端关闭或进程被杀死

解决方案：

# 使用 nohup 后台运行
nohup paper daily "agent" -p "Agent人才" --time "09:00" > daily.log 2>&1 &

# 或使用 tmux
tmux new -s paper-talent
paper daily "agent" -p "Agent人才" --time "09:00"
# 按 Ctrl+B 然后按 D 退出 tmux（程序继续运行）

问题：程序运行缓慢

原因： 处理论文数量过多或 LLM 响应慢

解决方案：

# 减少处理数量
paper search "agent" -p "Agent人才" -n 20  # 而不是默认的 50

# 降低引用论文处理数量
paper citations -p "Agent人才" -n 20  # 而不是默认的 50

6. 数据问题

问题：重复处理同一篇论文

原因： 论文 ID 判断逻辑有问题

解决方案：

# 清理重复数据
rm -rf papers/ results/

# 重新开始
paper search "agent" -p "Agent人才"

问题：识别结果为空

原因： 论文作者都是高校研究人员

解决方案：

• 这是正常现象，不是所有论文都有企业作者
• 尝试搜索更偏应用的领域（如 "LLM application"）

---

依赖项清单

核心依赖

依赖	版本	用途
arxiv	≥ 2.0.0	arxiv 论文搜索与元数据获取
llmdog	latest	大语言模型接口调用
maimai-cat	latest	脉脉平台 API 封装
PyMuPDF	latest	PDF 文本提取
requests	latest	HTTP 请求（下载 PDF）
typer	latest	命令行框架
rich	latest	终端美化和进度条
schedule	latest	定时任务调度

开发依赖（可选）

依赖	用途
pytest	单元测试
pytest-cov	测试覆盖率
black	代码格式化
flake8	代码风格检查
mypy	类型检查

安装开发依赖：

pip install -e ".[dev]"

---

贡献指南

开发环境搭建

# 1. Fork 并克隆项目
git clone <your-fork-url>
cd paper-talent

# 2. 创建虚拟环境
python -m venv venv
source venv/bin/activate

# 3. 安装开发依赖
pip install -e ".[dev]"

# 4. 运行测试
pytest

# 5. 代码格式化
black paper_talent/

# 6. 类型检查
mypy paper_talent/

提交 PR

1. 创建特性分支：git checkout -b feature/amazing-feature
2. 提交更改：git commit -m 'Add amazing feature'
3. 推送分支：git push origin feature/amazing-feature
4. 在 GitHub 上提交 Pull Request

代码规范

• 遵循 PEP 8 风格指南
• 使用 Black 格式化代码
• 添加类型注解
• 编写单元测试
• 更新文档

---

许可证

本项目采用 MIT License 开源协议。

详见 LICENSE 文件。

---

联系方式

• 作者：Chandler
• 邮箱：[e-mail]
• 问题反馈：请提交 Issue

---

更新日志

v0.1.0 (2025)

• ✨ 初始版本发布
• ✨ 支持 arxiv 论文搜索
• ✨ LLM 企业作者识别
• ✨ 脉脉候选人搜索与验证
• ✨ 三个核心场景（关键词搜索、引用挖掘、定时执行）
• ✨ 命令行接口（Typer + Rich）