辅助学术写作,包括查找资料、生成大纲、引用扩写及润色风格,同时确保引用规范。
学术编译器——技能规格. 用途. 研究与学习学术写作助理:搜索学术来源,构建循证大纲,扩展为充分引用.是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
面向研究与学习目的
学术诚信声明:本技能仅适用于个人研究初稿、学习辅助以及学习如何使用恰当引文构建学术论证。它不适用于将 AI 生成内容作为本人原创成果提交、规避学术诚信政策,或任何形式的剽窃行为。用户须自行确保其使用方式符合所在机构关于学术诚信的相关要求。
在动笔前构建一份精选的文献列表(Source List)。论文结构应围绕已有证据展开,而非相反。
选项 A — 学术检索:
python skill/scripts/scholar.py --query "TOPIC KEYWORDS" --limit 10 --year-min YEAR --json选项 B — 用户提供文献:
混合方式:先执行检索,再合并用户提供的文献。确认最终文献列表(Source List)后方可进入下一阶段。
全程在本地运行,无任何数据传出设备。
python skill/scripts/pipeline.py --file /tmp/essay.txt --measure-only --json
(论文内容通过文件路径传入,而非命令行参数,以避免在进程列表中暴露内容)pipeline.py、measure.py 和 scholar.py 均不会对外传输论文内容。但论文生成与重写由协调型大语言模型(LLM)执行,该模型可能依赖远程模型服务商,具体取决于代理(agent)的配置| 文件 | 用途 |
|---|---|
skill/scripts/scholar.py |
调用 Semantic Scholar API 进行学术文献检索 |
skill/scripts/pipeline.py |
本地写作风格分析 |
skill/scripts/measure.py |
集成的定量评分器 |
skill/references/essay_templates.md |
含文献映射关系的各类论文模板 |
skill/references/citation_formats.md |
APA / MLA / Chicago 引用格式规范 |
SECURITY.md |
数据流向、权限说明及学术诚信相关说明 |