HuggingFaces paper-flöde går snabbt, och sparade länkar växer till en mapp ingen någonsin sorterar. Den här trackern läser varje ny artikel när den landar och placerar den i en riktig, sökbar struktur.
HuggingFaces paper-flöde går snabbt, och sparade länkar växer till en mapp ingen någonsin sorterar. Den här trackern läser varje ny artikel när den landar och placerar den i en riktig, sökbar struktur.
Den klassificerar varje post in i dina ämnen, plockar ut modellnamn, dataset och kodlänkar och lägger till en prydlig rad i din kunskapsbas. Månader senare kan du svara på vad som kom ut om retrieval i mars utan att läsa om en enda sak.
Så kör den
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.
Klassificera varje artikel in i din ämnestaxonomi, som retrieval, agents eller vision.
pending
Tagga artiklar med modellnamn, dataset och kodlänkar som extraherats ur abstractet.
pending
Lägg till varje post i en kunskapsbas i Notion eller Postgres under sin kategori.
pending
Exempel på 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.