paper2code
将ArXiv论文链接转化为带引用锚定的可复现代码
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：paper2code。 它的用途是：将ArXiv论文链接转化为带引用锚定的可复现代码 完整的 Skill 内容见：https://321skill.com/skills/paper2code/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“/paper2code https://arxiv.org/abs/1706.03762 --framework pytorch”，它会自动抓取著名的Transformer论文，解析其内容，并生成一个结构清晰的PyTorch项目。项目中每个关键函数（如注意力机制、前馈网络）都会在注释里标注“§3.2, Eq. 4”这样的引用，清晰指出代码对应论文的哪一部分。对于论文中未明确说明的层归一化位置等细节，它会用`[UNSPECIFIED]`注释标出，并列出常见的实现选择供你参考。
介绍
paper2code 是一个专为机器学习研究者与工程师设计的AI技能，旨在解决学术论文与可执行代码之间的鸿沟。许多机器学习论文在描述算法时存在模糊性，关键超参数常被省略或隐藏在附录中，导致复现过程充满猜测与试错。
使用时，用户只需向AI提供ArXiv论文的链接或ID（例如“/paper2code https://arxiv.org/abs/1706.03762”），该技能便会自动解析论文，生成结构化的、带有详细注释的代码仓库。生成的内容包括模型实现、损失函数、训练脚本等，并且每个关键代码行都标注了对应的论文章节与公式引用。
该技能非常适合需要快速理解并复现前沿机器学习论文的研究人员、希望将学术成果转化为实际项目代码的工程师，以及在学习过程中希望对照论文深入理解算法细节的学生。
与普通的代码生成工具不同，paper2code的核心在于其“诚实”与“可追溯”。它不会为填补论文空白而凭空发明细节，而是通过“歧义审计”流程，明确标识出论文中未明确说明的部分，并给出常见备选方案。这使得生成的代码不仅可运行，更重要的是其每个实现决策都能与原文对应，极大提升了复现的可信度与学习价值。
核心特点
核心区别在于其“引用锚定”与“歧义审计”机制：生成的每一行关键代码都明确标注对应的论文章节与公式，并对论文中模糊或缺失的部分进行显式标记和注释，而非 silently 地填充猜测内容。
注意事项
对于描述极其模糊、缺乏核心数学公式或实验细节严重缺失的论文，生成的代码可能包含大量未指定部分，需要用户进行较多的手动调整和决策。
常见问题
支持哪些深度学习框架？
支持主流框架，如PyTorch、TensorFlow、JAX，可通过 --framework 参数指定。
生成的代码能直接运行吗？
会生成完整的项目结构、依赖文件和核心代码，但针对未指定部分可能需要用户根据实际情况调整参数或逻辑。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/paper2code/raw/index.md 读取 paper2code 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/paper2code/raw/index.md（查看排版版本）