Der HuggingFace-Papers-Feed bewegt sich schnell, und gespeicherte Links häufen sich zu einem Ordner, den niemand je sortiert. Dieser Tracker liest jedes neue Paper, sobald es erscheint, und legt es in eine echte, durchsuchbare Struktur ab.
Der HuggingFace-Papers-Feed bewegt sich schnell, und gespeicherte Links häufen sich zu einem Ordner, den niemand je sortiert. Dieser Tracker liest jedes neue Paper, sobald es erscheint, und legt es in eine echte, durchsuchbare Struktur ab.
Er ordnet jeden Eintrag Ihren Themen zu, zieht Modellnamen, Datensätze und Code-Links heraus und hängt eine saubere Zeile an Ihre Wissensbasis an. Monate später können Sie beantworten, was im März zum Thema Retrieval erschien, ohne irgendetwas erneut zu lesen.
So läuft er
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Jedes Paper in Ihre Themen-Taxonomie einordnen, etwa Retrieval, Agents oder Vision.
pending
Paper mit Modellnamen, Datensätzen und Code-Links taggen, die aus dem Abstract extrahiert wurden.
pending
Jeden Eintrag unter seiner Kategorie an eine Notion- oder Postgres-Wissensbasis anhängen.
pending
Beispiel-Output
json
// Sample output
// (generated when the pipeline finishes)
Classify each HuggingFace paper into the provided taxonomy and return {category, subtopics[], models[], has_code} as JSON.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.