运行
论文
大模型
推送
领域与检索
定时
部署说明
立即运行
抓取 → 打分 → 大模型写中文速览 → 存入当日池 → 推送到已启用的通道。
就绪。点「跑一次」开始。
运行历史
最近 20 次。点日期查看当天整理结果。
当日论文
橙色左边框 = 局部加速类论文。
大模型（OpenAI 兼容）
任意兼容
/chat/completions 的服务都可：OpenAI、DeepSeek、Kimi、通义、硅基流动、自建 one-api 等。Key 保存后会打码显示。启用大模型生成中文速览（关闭则只显示英文原摘要）
邮件
推荐 Resend（免费额度足够个人用，域名验证后可发任意收件人）。
启用邮件
微信
企业微信群机器人最省事（群设置 → 群机器人 → 添加 → 复制 Webhook）。Server酱 / PushPlus 走服务号推送到个人微信。
启用微信
Qmsg 酱可把消息推到 QQ 私聊或群；也可填任意自建 webhook 接收 JSON。
启用 QQ
通用 Webhook
POST JSON：
{title,text,count,papers[]}，可接 n8n、飞书、钉钉、自建服务。启用
领域与基本参数
换领域 = 换下面这一整套词表。填错不要紧，先用「预览」看命中效果再调。
只推之前没出现过的论文（去重池）
arXiv 检索式
每行一条，走 arXiv API 的
search_query 语法。支持 abs: ti: AND OR ANDNOT。打分词表
逗号分隔。硬门槛：nn、simReq、method 三类必须各命中至少一个，才可能入选。
定时触发
Worker 的 cron 每小时唤醒一次（
0 * * * *），命中下面这个时刻才真正运行。改时间不用重新部署。启用每日自动运行
部署步骤
1. 安装依赖
npm install
2. 登录 Cloudflare
npx wrangler login
3. 创建 D1 数据库
npx wrangler d1 create paper-radar
→ 把输出的 database_id 填进 wrangler.toml
4. 建表
npx wrangler d1 execute paper-radar --remote --file=./schema.sql
5. 部署
npx wrangler deploy
6. 打开 https://paper-radar.<你的子域>.workers.dev
→ 直接进入（默认免密）→ 配大模型 → 配推送 → 设时间 → 点「跑一次」验证
（可选）想让这台实例带口令保护，再执行：
npx wrangler secret put ADMIN_TOKEN
删掉口令：
npx wrangler secret delete ADMIN_TOKEN
本地调试
npx wrangler dev
（首次需 npx wrangler d1 execute paper-radar --local --file=./schema.sql）
接口
GET /api/ping探活，返回是否需要口令
GET /api/all读取全部设置（密钥打码）+ 历史
POST /api/save保存 config / llm / notify / schedule
POST /api/run立即运行一次完整流程
POST /api/preview只抓取打分，不入库不推送
GET /api/day?date=某天的论文
GET /api/export?date=导出 Markdown（可直接丢进 Obsidian）
POST /api/test-llm测大模型连通
POST /api/test-notify测所有推送通道
POST /api/reset-seen清空去重记录
与本地 Obsidian 同步
两种方式：① 手动点「导出 Markdown」下载后放进 vault 的
论文雷达/ 目录；② 配一个通用 Webhook 指向你自己的中转服务，把 papers[] 写成 md 落到 vault（配 obsidian-git 自动同步）。