全文約2100字 | 閲讀大概需要5分鐘

為咗睇明前沿AI論文，我做咗個Skill將論文變成互動課程

一手資訊正在變成稀缺資源。呢個工具幫你跨過論文嗰道「睇唔明」嘅門檻。

作者 | Zerox在探索
編輯 | Zerox在探索

大家有冇發現，我哋每日都喺度食緊人哋咀嚼過嘅n手資訊。

尤其係AI領域。互聯網討論一個AI新進展，每個人都在轉同一篇公眾號嘅解讀，但好少人真係睇緊嗰篇原始論文或者前沿博客。

呢個係個幾普遍嘅模式。張三讀咗一篇論文，寫咗個摘要。李四讀咗張三嘅摘要，做咗個可視化。王五讀咗李四嘅可視化，出咗個post話「AI又革命啦」。你碌到嘅係王五。

資訊喺呢種傳遞裏面被咀嚼咗好幾輪。細節冇咗。限制條件冇咗。作者小心嘅措辭都冇咗。最後剩低一個煽動嘅標題，一個過分簡化嘅結論。

我唔係話呢類內容冇價值。但係如果你對AI嘅認知，完全建立喺被人反覆消化過嘅知識上面，咁你對技術嘅判斷力，大概會比人慢一拍。

前沿嘅增量資訊，喺論文裏面。呢個道理我知。但問題係。

論文真係太難睇喇。

01.我每日收一堆論文，然後……基本上冇讀

為咗令自己盡可能接近資訊源頭，之前我幫我個agent set咗個定時任務。每日自動去ArXiv度摷當日最新嘅AI論文，整合成一份簡報send畀我。（提示詞可以pm我拎）

一開始都幾興奮㗎。每日朝早起身開email，覺得自己企喺知識嘅最前線。有啲「我喺度追一手資訊」嘅幻覺。

但好快我就發現一個問題：收咗，唔代表睇咗。睇咗，更加唔代表明咗。

大部分論文嘅體驗係咁。標題好吸引，摘要勉強睇得明，一入正文就開始懷疑人生。第一個公式出現嘅時候你仲頂得住，第三個公式出現嘅時候你已經唔知前面講乜。

而且唔止係公式嘅問題。你會發現論文假設你知道一大堆前置概念。咩係policy gradient？咩係KL divergence？咩係zero-advantage problem？作者覺得呢啲都係「顯然嘅」，一句輕輕帶過。但係你唔知，所以你卡住咗。

我書籤裏面嘅論文越嚟越多。真正睇完嘅，一隻手數得曬。

02.有冇可能，叫AI教我睇論文？

一開始我試過最簡單嘅方法：將論文掉畀工具，叫佢幫我歸納。

有用，但係唔夠。歸納畀你嘅係一個結論。你知道呢篇論文提出咗乜，但係你唔理解佢點解咁做、點樣做、前提假設係乜。就好似知道考試答案但係唔識解題過程。下次換一條題目，你都係唔識。

我需要嘅係一個真正嘅老師角色。幫我補返背景知識，帶住我一步步推導核心公式，喺我腦入面彈出疑問嘅時候解釋畀我聽。

呢個時候我想起之前見到嘅一個嘢。

Zara Zhang做咗一個叫Codebase to CourseCodebase to Course嘅技能。將成個代碼庫變做一份互動式網頁課程，帶住你一步步理解代碼點樣運作。

呢個俾咗我好重要嘅啟發：如果代碼可以變做課程，論文點解唔得？

呢度要特別多謝Zara。如果你對「將代碼變做課程」呢件事有興趣，可以睇佢嘅codebase-to-course項目。我做嘅呢個工具，喺任務設計上大量參考咗佢嘅思路。好嘅靈感係會傳染㗎。

03.所以我做咗一個「論文轉課程」嘅工具

佢叫paper-to-course。

畀佢一篇論文嘅PDF或者arXiv連結，佢會生成一個完整嘅HTML課程頁面。你直接用瀏覽器打開就得。

佢做嘅嘢，唔係翻譯，亦唔係歸納。佢更加似係俾咗你一個補習老師，帶住你由頭到尾讀明一篇論文。

左邊有一個固定嘅目錄欄

好似Coursera或者Notion嘅課程頁面咁。你隨時知道自己學到邊度，亦可以直接跳去任何一個模塊。碌頁面嘅時候，目錄會自動highlight當前所在嘅章節。

課程係由「你唔知嘅嘢」開始嘅

呢個係我覺得最唔同嘅地方。傳統讀論文嘅路徑：打開第一頁，由頭開始死啃。但係論文作者預設你知道好多嘢，佢唔會喺正文入面幫你補返。

所以每門課都有一個Module 0，叫「背景同前置知識」。喺學論文內容之前，先幫你補返需要嘅概念。例如一篇講GRPO嘅論文，Module 0會先講清楚乜嘢係強化學習、乜嘢係策略梯度。有咗呢啲概念再去看論文，唔會迷路。

佢按照「直覺→形式化」嘅順序講

每一章先話畀你知呢件事大概係乜意思，用一個日常例子幫你建立直覺。然後再畀你睇公式。公式睇完，再解釋呢個公式到底講乜。

呢個順序係調轉嘅。論文本身嘅順序基本上都係：定義、定理、證明、實驗。但呢個工具將順序反轉咗：直覺、背景、方法、實驗、限制。

我自己覺得，呢個先係人類學習嘅自然路徑。

呢個係一個生成示例

04.佢唔止係一堆文字

呢個課程入面塞咗唔少互動嘅嘢。講幾個我比較鍾意嘅。

數學推導逐步解說

你唔會見到一個完整嘅公式然後呆咗。你可以一步步撳，睇嚇呢個公式點樣推導出嚟。每一步側邊都有白話解釋。

偽代碼逐行解讀

好多論文會有一段算法偽代碼。講真我以前見到偽代碼基本上係跳過嘅。但呢個工具會highlight算法嘅每一行，右邊同步顯示呢一行做緊乜。終於唔使對住偽代碼發呆。

結果對比互動

論文裏面嘅實驗結果通常係一張靜態表格。喺課程入面，你可以切換唔同嘅評估指標，睇唔同方法之間嘅對比條形圖動態變化。邊個比邊個好、好咗幾多，一眼就睇得出。

研究脈絡圖

撳一個節點，展開呢篇論文同其他論文嘅關係。邊個啟發咗佢、佢同邊個對比過、佢同邊個係一脈相承。論文唔係一個孤島，呢張圖可以令你睇到佢喺成個研究版圖入面嘅位置。

仲有選擇題測驗、拖拽配對、消融切換、術語懸浮提示。加埋大概有18種互動元素。每個元素背後嘅邏輯係一樣：令你真正理解，而唔係「好似明咗」。

05.點樣做出嚟

講嚇呢個工具背後嘅流程。唔使講得太細，但我覺得了解呢個過程，可以令你知道佢唔係隨便翻譯。

深度讀論文。

知識擴展。上WebSearch，揾呢篇論文依賴嘅前置概念、最重要嘅相關論文、佢所在嘅研究脈絡。

課程設計。將知識組織成5到8個模塊，每個模塊係故事嘅一個章節。由背景講到問題，由問題講到方法，由方法講到實驗，由實驗講到限制。係成個敍事，唔係論文嘅逐節翻譯。呢一步要做好多取捨，邊啲放落去、邊啲跳過、順序點排。

構建。一個模塊一個模塊咁寫HTML。

審查。打開瀏覽器，逐項檢查。

成個過程行落嚟，一篇論文大概要花我一兩個鐘。但係呢一兩個鐘花得嚟，比起自己死啃成個下晝論文值得多。至少我真係讀明咗。

06.怎麼用

呢個工具係畀Claude Code用嘅一個skill。

直接將安裝命令send畀你個agent就得：

幫我安裝這個技能：https://github.com/ZeroxZhang/paper-to-course.git

安裝之後，你用最自然嘅話同佢講就得：

• 「幫我將呢篇論文轉成教程」
• 「用呢個arXiv連結做一份課程」
• 「turn this paper into a course」

畀佢PDF或者論文連結，剩低嘅佢自己搞掂。生成嘅index.html直接用瀏覽器打開，唔使裝任何嘢，唔使搭伺服器。唯一嘅依賴係Google Fonts同KaTeX嘅CDN，第一次load完之後可以離線用。

代碼開源喺GitHub，歡迎Star，Apache 2.0協議。歡迎拎走，歡迎改，亦歡迎話畀我知邊度做得唔好。

最後講兩句

返去開頭講嗰件事。

資訊流動越嚟越快，一手資訊正在變成稀缺資源。大部分人唔會花時間去追原文、追論文。但正正因為大部分人都唔做，啲願意做嘅人，就能夠喺判斷力上拉開差距。

呢個工具唔係取代你思考。佢只係幫你將「睇唔明」嗰道門檻拆低少少。

令你有能力去接觸一手資訊，然後自己做出判斷。

全文約2100字 | 閲讀大約需要5分鐘

為了讀懂前沿AI論文，我做了個Skill把論文變成互動課程

一手信息正在變成稀缺資源。這個工具幫你跨過論文那道"看不懂"的門檻。

作者 | Zerox在探索
編輯 | Zerox在探索

大家有沒有發現，我們每天都在進食別人咀嚼過的n手信息。

尤其是AI領域。互聯網討論一個AI新進展，每個人都在轉同一篇公眾號的解讀，但很少有人真的在看那篇原始論文或者前沿博客。

這是個挺普遍的模式。張三讀了一篇論文，寫了個摘要。李四讀了張三的摘要，做了個可視化。王五讀了李四的可視化，發了個帖子說"AI又革命了"。你刷到的是王五。

信息在這種傳遞裏被咀嚼了好幾輪。細節丟了。限定條件丟了。作者的謹慎措辭也丟了。最後剩下一個聳動的標題，一個過度簡化的結論。

我不是說這類內容沒價值。但如果你的AI認知，全建立在被人反覆咀嚼過的知識上，那你對技術的判斷力，大概率比別人慢一拍。

前沿的增量信息，在論文裏。這道理我知道。但問題是。

論文真的太難讀了。

01.我每天收一堆論文，然後……基本沒讀

為了讓自己儘可能的靠近信息源，前陣子我給agent做了一個定時任務。每天自動去ArXiv上扒當天最新的AI論文，彙總成一份簡報發給我。（提示詞可以私我獲取）

一開始還挺興奮的。每天早上醒來打開郵箱，覺得自己站在知識的最前沿。多少有點"我在追一手信息"的幻覺。

但很快我就發現一個問題：收了，不代表讀了。讀了，更不代表懂了。

大部分論文的體驗是這樣的。標題很誘人，摘要勉強看懂，一進正文就開始懷疑人生。第一個公式出現的時候你還能撐住，第三個公式出現的時候你已經不知道前面在說什麼了。

而且不只是公式的問題。你會發現論文假設你知道一堆前置概念。什麼是policy gradient？什麼是KL divergence？什麼是zero-advantage problem？作者覺得這些都是"顯然的"，一句話帶過。但你不知道，所以你卡住了。

我收藏夾裏的論文越來越多。真正讀完的，一隻手數得過來。

02.有沒有可能，讓AI來教我看論文？

一開始我試過最簡單的方法：把論文丟給工具，讓它幫我概括。

有用，但不夠。概括給你的是一個結論。你知道這篇論文提出了什麼，但你不理解它為什麼這麼做、怎麼做的、前提假設是什麼。就像知道了考試答案但不會解題過程。下次換一道題，你還是不會。

我需要的是一個真正的老師角色。幫我補齊背景知識，帶着我一步步推導核心公式，在我腦子冒出疑問的時候給我解釋。

這時候我想起來之前看到的一個東西。

Zara Zhang做了一個叫Codebase to Course的技能。把一整個代碼庫變成一份交互式網頁課程，帶着你一步步理解代碼是怎麼工作的。

這給了我非常重要的啓發：如果代碼可以變成課程，論文為什麼不行？

這裏要特別感謝一下Zara。如果你對"把代碼變成課程"這件事感興趣，可以去看她的codebase-to-course項目。我做的這個工具，在任務設計上大量借鑑了她的思路。好的靈感是會傳染的。

03.所以我做了一個"論文轉課程"的工具

它叫 paper-to-course。

給它一篇論文的PDF或arXiv連結，它生成一個完整的HTML課程頁面。你直接用瀏覽器打開就行。

它做的事，不是翻譯，也不是概括。它更像是給你配了一個家教，帶着你從頭到尾讀透一篇論文。

左邊有一個固定的目錄欄

就像Coursera或Notion的課程頁面一樣。你隨時知道自己學到哪裏了，也可以直接跳到任何一個模塊。滾動頁面的時候，目錄會自動高亮當前所在的章節。

課程是從"你不知道的東西"開始的

這是我覺得最不一樣的地方。傳統讀論文的路徑：打開第一頁，從頭開始啃。但論文作者默認你知道很多東西，他不會在正文裏幫你補。

所以每門課都有一個Module 0，叫"背景與前置知識"。在學習論文內容之前，先幫你把需要的概念補上。比如一篇講GRPO的論文，Module 0會先講清楚什麼是強化學習、什麼是策略梯度。有了這些概念再去看論文，不會迷路。

它按照"直覺→形式化"的順序講

每一章先告訴你這件事大概是什麼意思，用一個日常例子幫你建立直覺。然後再給你看公式。公式看完，再解釋這個公式到底在說什麼。

這個順序是反過來的。論文本身的順序基本都是：定義、定理、證明、實驗。但這個工具把順序反轉了：直覺、背景、方法、實驗、侷限性。

我自己覺得，這才是人類學習的自然路徑。

這是一個生成示例

04.它不只是一堆文字

這個課程裏塞了不少交互的東西。說幾個我比較喜歡的。

數學推導分步走讀

你不會看到一個完整的公式然後呆住。你可以一步步點擊，看這個公式是怎麼推導出來的。每一步旁邊都有白話解釋。

偽代碼逐行走讀

很多論文會有一段算法偽代碼。說實話我以前看到偽代碼基本上是跳過的。但這個工具會高亮算法的每一行，右邊同步顯示這一行在做什麼。終於不用盯着偽代碼發呆了。

結果對比交互

論文裏的實驗結果通常是一張靜態表格。在課程裏，你可以切換不同的評估指標，看不同方法之間的對比條形圖動態變化。誰比誰好、好了多少，一眼就能看出來。

研究脈絡樹

點一個節點，展開這篇論文跟其他論文的關係。誰啓發了它、它跟誰對比了、它跟誰是一脈相承的。論文不是一個孤島，這個圖能讓你看到它在整個研究版圖裏的位置。

還有選擇題測驗、拖拽配對、消融切換、術語懸浮提示。加在一起大概有18種交互元素。每個元素背後的邏輯是一樣的：讓你真正理解，而不是"好像懂了"。

05.怎麼做出來的

說一下這個工具背後的流程。不用講太細，但我覺得了解這個過程，能讓你知道它不是在隨便翻譯。

深度讀論文。

知識擴展。上WebSearch，找這篇論文依賴的前置概念、最重要的相關論文、它所在的研究脈絡。

課程設計。把知識組織成5到8個模塊，每個模塊是故事的一個章節。從背景講到問題，從問題講到方法，從方法講到實驗，從實驗講到侷限。是一整個敍事，不是論文的逐節翻譯。這一步要做很多取捨，哪些放進去、哪些跳過、順序怎麼排。

構建。一個模塊一個模塊地寫HTML。

審查。打開瀏覽器，逐項檢查。

整個過程走下來，一篇論文大概要花我一兩個小時。但這一兩個小時花的，比自己硬啃一下午論文值多了。至少我真的讀懂了。

06.怎麼用

這個工具是給Claude Code用的一個skill。

直接把安裝命令發給你的agent就行了：

幫我安裝這個技能：https://github.com/ZeroxZhang/paper-to-course.git

安裝之後，你用最自然的話告訴它就行：

• "幫我把這篇論文轉成教程"
• "用這個arXiv連結做一份課程"
• "turn this paper into a course"

給它PDF或論文連結，剩下的它自己搞定。生成的index.html直接用瀏覽器打開，不需要裝任何東西，不需要搭服務器。唯一的依賴是Google Fonts和KaTeX的CDN，第一次加載之後可以離線用。

代碼開源在GitHub，歡迎Star，Apache 2.0協議。歡迎拿走，歡迎改，也歡迎告訴我哪裏做得不好。

最後說兩句

回到開頭說的那件事。

信息流動越來越快，一手信息正在變成稀缺資源。大部分人不會花時間去追原文、追論文。但恰恰因為大部分人不做。那些願意做的人，就能在判斷力上拉開差距。

這個工具不是替代你思考。它只是幫你把"看不懂"那道門檻拆低一點。

讓你有能力去接觸一手信息，然後自己做出判斷。