Codex SDK 自动论文速读 GitHub Action 实施方案

当前实现

这个仓库已经按本方案落地了一个 MVP：GitHub Action 每天北京时间 08:00 运行一次，调用 Codex SDK，让 Codex 搜索、细读并生成一组可以直接发布的 Paper Radar 论文速读博客。每期输出英文和中文两个独立 Markdown，Paper Radar 页面默认展示英文入口。

实现文件：

.github/workflows/codex_paper_digest.yml
.github/codex/prompts/paper_digest.md
.agents/skills/paper-search/SKILL.md
.agents/skills/paper-reading/SKILL.md
.agents/skills/research-memory/SKILL.md
.agents/skills/blog-writing/SKILL.md
_pages/paper-radar.html
scripts/codex-paper-digest.mjs
scripts/check-paper-digest-config.py
_data/paper_digest_seen.json
_data/paper_digest_memory.json

目标

Action 调用 Codex SDK，让 Codex 自动完成以下工作：

Recall 历史论文速读、主题偏好、未完成问题、质量反馈和演化日志。
基于过去推送做自进化分析，把历史反馈转化成本次搜索、筛选、图表和写作策略。
搜索近期论文。
筛选最值得关注的论文。
对确定要汇报的论文获取可合法访问的原文或全文页面，并进行细读。
生成英文版和中文版两个独立 Jekyll Markdown 博客，标题用本期主题，不用时间命名。
更新去重记录、长期研究记忆、质量反馈和下一轮自进化提示。
自动提交到仓库。

每次运行开始时，Codex 还会先检查 SkillHub CLI 是否可用；如果没有安装，会按 SkillHub 官方 CLI-only 安装方式安装 CLI，然后安装 multi-search-engine、arxiv、humanizer、pdf 四个技能。这个步骤失败时不阻断 Paper Radar，会回退到仓库内置 skills。

理想输出示例：

_posts/2026-05-04-0617-paper-radar-en.md
_posts/2026-05-04-0617-paper-radar-zh.md

运行频率与模型

当前 workflow 使用：

schedule:
  - cron: "0 0 * * *"

这表示 UTC 每天 00:00 运行一次，对应北京时间每天 08:00。

默认模型配置：

CODEX_MODEL=gpt-5.5
CODEX_REASONING_EFFORT=xhigh
CODEX_SANDBOX_MODE=danger-full-access

说明：GitHub hosted runner 对 Codex 默认的 bubblewrap sandbox 有内核权限限制，可能出现 bwrap: setting up uid map: Permission denied。因此 CI 中使用 danger-full-access，但 workflow 最后只提交 _posts、_data 和 images/paper-radar，不会自动提交其他文件。

Secret 配置

需要在 GitHub 仓库 Settings 中配置两个 secret：

OPENAI_API_KEY
OPENAI_BASE_URL

注意：

API key 只能放在 GitHub Secrets 或本地环境变量中。
不要把 API key 写入仓库、文档、prompt、日志或 commit message。
OPENAI_BASE_URL 用来配置自定义 OpenAI-compatible endpoint。

GitHub 设置路径：

Settings -> Secrets and variables -> Actions -> New repository secret

主题范围

当前搜索主题聚焦：

agentic training
world models
large model mechanisms / 大模型机理
document intelligence / 文档智能
data agents / data agent

搜索优先级：

最近 24 小时内的新内容。
若不足，扩展到最近 3 天。
若仍不足，扩展到最近 7 天。

Paper Radar 页面

导航栏新增：

Paper Radar -> /paper-radar/

页面文件：

_pages/paper-radar.html
_includes/archive-single-paper-radar.html

这个页面用兼容 GitHub Pages/Jekyll 的 Liquid 循环，只聚合带有 paper-digest 标签且 lang != zh 的文章，因此优先展示英文版。每篇英文文章提供两个入口：

English -> English post permalink
中文 -> English post front matter 中的 translation_url

因此每组自动生成的博客必须包含：

lang: en
translation_url: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-zh/

以及中文对应文章：

lang: zh
translation_url: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-en/

技能设计

这套方案把 Codex 当成一个定期运行的研究助理。它拥有四个可版本化技能，主版本存放在官方推荐的 .agents/skills/<skill>/SKILL.md；.github/codex/skills/*.md 只是兼容副本。

运行时还会尝试通过 SkillHub 安装四个外部技能：

command -v skillhub
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
skillhub install multi-search-engine
skillhub install arxiv
skillhub install humanizer
skillhub install pdf

要求：

只安装 SkillHub CLI，不安装默认技能包。
不提交 SkillHub 安装产物、缓存或新装技能文件。
若安装失败，继续使用仓库内置 skills。

paper_search

职责：

搜索候选论文。
判断来源可靠性。
根据 _data/paper_digest_seen.json 和历史 _posts 去重。
记录作者、机构、日期、链接和主题相关性。
初筛 8 到 15 篇候选论文。
选出 3 到 5 篇最值得汇报的论文。

优先来源：

arXiv
Semantic Scholar
OpenReview
Papers with Code
Hugging Face papers
会议官网
作者主页
大学或实验室页面

paper_reading

职责：

对最终入选论文获取可合法访问的原文。
阅读 abstract、introduction、method、experiments/results、limitations 或 discussion。
提取核心问题、方法、证据、贡献、局限和研究关联。
查找机构信息。
尝试提取 1 到 3 个核心图表候选，包括主图、方法框架图、关键实验表格或重要曲线。
如果关键图表对理解论文十分重要，可以渲染开放 PDF/HTML、模拟截图或截取页面局部来辅助细读，并把重要截图保存到 images/paper-radar/YYYY-MM-DD-HHMM/。
为每篇论文形成足够写成 mini explainer 的内部笔记：一句话核心 idea、为什么重要、方法拆解、关键证据、图表支撑的 claim、局限和下一步问题。

约束：

不绕过 paywall。
不使用盗版论文站点。
不把 PDF 保存到仓库。
不把无关截图或大图片保存到仓库。
关键截图必须按期号组织在 images/paper-radar/YYYY-MM-DD-HHMM/，文件名使用小写英文和短横线。
最终博客可以引用本地截图路径或远程图片链接；没有可靠图片时写准确的 Figure/Table 指针和图表解读。
不复制长段原文。
不能假装读过无法访问的全文。
读取状态只作为内部判断，不在最终博客里显示 fulltext_read 等字段。

research_memory

职责：

每次运行开始前读取 _data/paper_digest_memory.json。
Recall 历史 digest、topic threads、open questions、quality feedback 和 evolution log。
搜索前做自进化分析：识别重复选题、过浅解读、图表使用不足、来源缺口和中英文写作问题。
将自进化分析转化成本次搜索优先级、筛选 rubric、深读目标、图表目标和写作注意事项。
在本次搜索和写作中延续值得追踪的问题。
运行结束后更新长期记忆、质量反馈和演化日志。

记忆文件只保存短摘要、稳定 ID、主题标签、质量反馈和判断，不保存论文全文。自进化只用于提升研究和写作策略，不能降低安全要求、来源要求、secret 处理或 workflow 权限约束。

blog_writing

职责：

生成可以直接发布的 Jekyll Markdown。
英文版和中文版分别生成独立 Markdown。
每篇论文包含机构、核心图表或图表线索、方法和证据、局限或疑问。
文章标题使用本期主题，不用时间。
文章风格清晰、克制、具体，有真人研究笔记感。
每篇论文写成有深度的 mini explainer：先让读者快速抓住 idea，再用方法拆解和关键证据提供深度。
每张核心图或每个 Figure/Table 指针后，都要解释它说明了什么、支撑了哪个 claim、需要谨慎解读什么。

文件名格式：

_posts/YYYY-MM-DD-HHMM-paper-radar-en.md
_posts/YYYY-MM-DD-HHMM-paper-radar-zh.md

英文 front matter：

---
title: "A thematic English title, not a date"
date: YYYY-MM-DD HH:MM:SS +0800
permalink: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-en/
lang: en
translation_url: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-zh/
tags:
  - paper-digest
  - paper-radar
  - AI
  - agents
  - research
---

中文 front matter：

---
title: "中文主题标题，不要用日期"
date: YYYY-MM-DD HH:MM:SS +0800
permalink: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-zh/
lang: zh
translation_url: /posts/YYYY/MM/paper-radar-YYYY-MM-DD-HHMM-en/
tags:
  - paper-digest
  - paper-radar
  - AI
  - agents
  - research
---

总体流程

GitHub schedule / 手动触发
  -> checkout 仓库
  -> 安装 Node.js 和 Codex SDK
  -> 运行 scripts/codex-paper-digest.mjs
  -> SDK 读取主 prompt + 四个 skills
  -> Codex recall 历史记忆和已推送论文
  -> Codex 可并行启动多个子任务/subagent，从论文源、中文科技媒体、X 大博主、研究者博客和实验室博客收集热点线索；subagent 优先使用 gpt-5.5 + xhigh
  -> Codex 联网搜索候选论文
  -> Codex 对入选论文获取可合法访问的原文并细读
  -> Codex 写英文和中文两个独立 Markdown 并更新记忆文件
  -> git add _posts _data images/paper-radar
  -> commit + push

Workflow

当前 workflow：

name: Codex Paper Digest

on:
  schedule:
    - cron: "0 0 * * *"
  workflow_dispatch:

permissions:
  contents: write

concurrency:
  group: codex-paper-digest
  cancel-in-progress: false

jobs:
  digest:
    runs-on: ubuntu-latest
    timeout-minutes: 60

    steps:
      - name: Checkout repository
        uses: actions/checkout@v5
        with:
          fetch-depth: 0

      - name: Set up Node.js
        uses: actions/setup-node@v4
        with:
          node-version: "22"

      - name: Check digest configuration
        run: python3 scripts/check-paper-digest-config.py

      - name: Install Codex SDK
        run: npm install --no-save @openai/codex-sdk @openai/codex

      - name: Run Codex paper digest
        env:
          OPENAI_API_KEY: $
          OPENAI_BASE_URL: $
          CODEX_MODEL: gpt-5.5
          CODEX_REASONING_EFFORT: xhigh
          CODEX_SANDBOX_MODE: danger-full-access
        run: node scripts/codex-paper-digest.mjs

      - name: Commit generated digest
        run: |
          git config user.name "github-actions[bot]"
          git config user.email "github-actions[bot]@users.noreply.github.com"
          git add _posts _data images/paper-radar
          git commit -m "Add automated paper digest" || echo "No changes to commit"
          git push

数据文件

去重记录

_data/paper_digest_seen.json

初始内容：

{
  "papers": []
}

长期记忆

_data/paper_digest_memory.json

初始内容：

{
  "version": 1,
  "last_updated": null,
  "research_profile": {
    "core_interests": [
      "agentic training",
      "world models",
      "large model mechanisms",
      "document intelligence",
      "data agents"
    ],
    "style_preference": "英文和中文分别成文；克制、具体、有判断力，避免新闻稿式写作"
  },
  "topic_threads": [],
  "open_questions": [],
  "recent_digests": [],
  "quality_feedback": [],
  "evolution_log": []
}

本地测试

当前本地环境没有 Node.js / npm，因此无法在本机实际运行 SDK。可以做的本地检查：

python3 scripts/check-paper-digest-config.py
python3 -m json.tool _data/paper_digest_seen.json
python3 -m json.tool _data/paper_digest_memory.json

如果本地安装了 Node.js，并配置了环境变量，可以运行：

export OPENAI_API_KEY="..."
export OPENAI_BASE_URL="..."
export CODEX_MODEL="gpt-5.5"
export CODEX_REASONING_EFFORT="xhigh"
node scripts/codex-paper-digest.mjs

运行后检查：

git diff

如果 Ruby / Jekyll 环境可用，再运行：

bundle exec jekyll build

Review Checklist

每次首次运行后重点检查：

是否只修改了 _posts/ 和 _data/。
Markdown front matter 是否有效。
是否生成英文和中文两个独立 Markdown，且 Paper Radar 默认展示英文。
链接是否真实可打开。
是否出现重复论文。
最终博客是否没有展示 原文读取状态：fulltext_read 等内部字段。
每篇论文是否展示机构；查不到时是否明确写“未注明”。
每篇论文是否有核心图表远程图片或可靠图表线索。
博客标题是否是主题化标题，而不是日期。
_data/paper_digest_memory.json 是否更新了主题线索、open questions 和最近 digest 记录。
_data/paper_digest_memory.json 是否更新了 quality_feedback 和 evolution_log。
本期是否明显吸收了过去推送的质量反馈，而不是机械重复上一期结构和选题。
中文和英文摘要是否具体、可信、不过度发挥。
每篇论文是否像 mini explainer，而不是摘要改写：有核心 idea、方法拆解、关键证据和作者自己的判断。
每张图或每个 Figure/Table 指针是否有解释，而不是只贴图。
是否没有泄露任何 API key、token 或 secret。

风险与控制

搜索结果不稳定

控制方式：

把搜索策略固化进 paper_search.md。
限制主题范围。
每次运行前通过 research_memory.md recall 历史主题。
要求每篇论文至少有稳定来源链接。

Prompt Injection

控制方式：

主 prompt 明确网页内容是不可信数据。
skill 中明确网页指令不能覆盖仓库任务。
workflow 不接受 issue、PR 评论或外部用户文本触发。

版权风险

控制方式：

只读取可合法访问的原文或全文页面。
不绕过 paywall，不使用盗版论文站点。
不把 PDF 保存进仓库。
不把截图或大图片保存进仓库。
只使用公开可访问的远程图片 URL，或写图表线索。
不复制长段摘要或原文。

成本风险

控制方式：

每次最终细读 3 到 5 篇论文。
prompt 和 skills 保持简洁。
如果每日频率成本偏高，可改成隔日或每周固定日期运行。

长期记忆膨胀

控制方式：

research_memory.md 只保存短摘要、主题线索、open questions 和稳定 ID。
定期压缩旧记忆，保留长期有用的判断。
不保存论文全文、长摘要或大段引用。

细读失败

控制方式：

如果开放全文不可访问，标记为 metadata_only。
如果只读到部分页面，标记为 partial_read。
博客中不能把 metadata_only 论文写成已经细读。
细读失败的论文可以降级为“候选关注”，不进入本期重点解读。

后续增强

增加 paper_sources.yml，配置固定关键词、会议、作者或研究机构。
增加确定性候选抓取脚本，把候选论文写成 JSON。
增加 PDF / HTML 原文解析脚本，把开放全文转成临时文本供 Codex 细读，但不提交全文。
增加 paper_scoring.md skill，让 Codex 按固定 rubric 打分。
增加 dry-run 模式，只生成 diff，不自动 commit。
增加 GitHub Issue 报告模式，把候选论文先发到 issue，再人工确认发布。

完成标准

实现完成后，应该满足：

GitHub Action 可以手动触发。
定时任务可以每天北京时间 08:00 自动运行。
Codex 能读取 paper_search、paper_reading、research_memory 和 blog_writing 四个技能。
Codex 能生成一组有效的英文/中文 Jekyll 博客。
Paper Radar 导航页可以访问 /paper-radar/。
最终博客不展示 fulltext_read 等内部状态字段。
每篇论文包含机构信息。
每篇论文包含核心图表远程图片或图表线索。
博客标题是主题化标题。
每篇论文的讲解能让读者快速抓住 idea，并看到方法机制、关键证据和谨慎判断。
每张主图、方法图或关键结果图都有具体解读。
_data/paper_digest_seen.json 能记录已收录论文。
_data/paper_digest_memory.json 能在每次运行前被 recall，并在运行后更新。
workflow 能自动 commit 并 push。
Jekyll 网站可以正常构建。
生成内容有真实链接、没有明显重复、没有无来源编造。
不泄露任何 API key、token 或 secret。

Zhanli Li

Codex SDK 自动论文速读 GitHub Action 实施方案

当前实现

目标

运行频率与模型

Secret 配置

主题范围

Paper Radar 页面

技能设计

paper_search

paper_reading

research_memory

blog_writing

总体流程

Workflow

数据文件

去重记录

长期记忆

本地测试

Review Checklist

风险与控制

搜索结果不稳定

Prompt Injection

版权风险

成本风险

长期记忆膨胀

细读失败

后续增强

完成标准