Imported from bighardperson/computer-science-skills-collection (skills/zeelin-academic-paper/SKILL.md). Install upstream with npx skills add bighardperson/computer-science-skills-collection --skill zeelin-academic-paper. Copyright stays with the author (MIT).

📋 隐私与透明度

本地处理:

所有论文生成过程在本地完成
不上传用户的论文内容、参考文献或研究数据到任何服务器
不收集任何个人信息或研究数据

数据安全:

✅ 完全本地化运行
✅ 无外部 API 调用
✅ 无数据泄露风险
✅ 符合学术保密要求

使用时机

当用户请求：

写理工科论文 / 生成学术论文
生成研究假设与研究设计
输出结果分析章节
按理工论文模板出文
根据参考文献写论文

不适合：

文科论文（历史、哲学、文学等）
商业报告或市场分析
非学术性写作

核心功能

🎯 全流程自动化

从零开始到完整论文，一站式生成：

智能题目生成
- 基于参考文献自动提取研究空白
- 确保创新性和学术价值
- 避免重复和低价值选题
结构化大纲设计
- 自动生成标准五段式结构（引言、综述、论证、建议、结论）
- 支持自定义论证数量和建议数量
- JSON 格式清晰展示逻辑框架
逐章节内容生成
- 引言：研究背景、问题陈述、创新点
- 综述：文献回顾、研究流程
- 论证：理论框架、研究假设、研究设计
- 结果分析：数据解读、发现阐释
- 结论：总结、局限性、未来研究方向
- 摘要与关键词：提炼核心内容

✨ 学术质量保证

逻辑一致性检查：确保方法、假设、结果相互呼应
学术化语言：严谨、精练、避免口语化
理论深度：强调创新性和理论贡献
可验证性：研究假设、数据、方法、结论紧密关联

🛠️ 灵活定制

自定义论证小节数量（默认 3 个）
自定义建议数量（默认 3 个）
自定义关键词数量（默认 5 个）
支持用户提供题目或自动生成
支持纯文本或结构化 JSON 输出

Agent 执行流程

第 1 步：收集输入

询问或推断用户需要：

必需输入：

参考文献列表（至少 1-3 篇）
综述材料或研究背景

可选输入：

论文题目（没有则自动生成）
论证数量（默认 3）
建议数量（默认 3）
关键词数量（默认 5）

交互示例：

"你好！我可以帮你生成理工科论文 📝

请提供：

参考文献题目或内容（至少 1-3 篇）

研究背景或综述材料

（可选）论文题目、论证数量、建议数量

你想研究什么方向？"

第 2 步：生成题目（如需要）

如果用户未提供题目，调用题目生成模板：

基于参考文献分析研究空白
提出创新性研究题目
确保学术价值和理论潜力

示例输出：

"基于你的参考文献，我建议的论文题目是：

《人工智能辅助的城市交通流量预测模型研究》

满意吗？（回复'确认'或'修改为 XXX'）"

第 3 步：生成大纲

调用大纲生成模板，输出 JSON 结构：

{
  "引言": "概述研究背景、问题与创新点",
  "综述": [
    {"zs": "城市交通流量预测研究现状"},
    {"zs": "人工智能在交通预测中的应用"}
  ],
  "论证": [
    {"lz": "基于深度学习的流量预测理论框架"},
    {"lz": "研究假设与变量设定"},
    {"lz": "实验设计与数据采集方案"}
  ],
  "建议": [
    {"jy": "优化城市交通管理策略"},
    {"jy": "推广智能交通系统应用"},
    {"jy": "加强跨学科协作研究"}
  ],
  "结论": "总结研究发现、局限性与未来方向"
}

展示给用户确认：

"论文大纲已生成，请查看： [显示 JSON 大纲]

满意吗？需要调整章节数量或标题吗？"

第 4 步：逐章节生成内容

按顺序生成各章节：

引言 → 展示给用户确认
综述收束段与研究流程 → 确认
论证（每个小节逐一生成） → 确认
结果分析 → 确认
结论 → 确认
摘要与关键词 → 完成

每个章节生成后，询问用户：

"【引言】章节已生成，请查看： [内容]

满意吗？（回复'确认'继续下一章，或'修改XXX'）"

第 5 步：输出完整论文

将所有章节合并，输出完整论文（纯文本格式，不含 Markdown）：

【题目】
人工智能辅助的城市交通流量预测模型研究

【摘要】
本研究基于深度学习技术...

【关键词】
人工智能；交通流量预测；深度学习；...

一、引言
...

二、综述
...

三、论证
（一）基于深度学习的流量预测理论框架
...

四、建议
（一）优化城市交通管理策略
...

五、结论
...

资源使用

加载模板文件：

读取 references/prompts_zh.md 获取所有章节模板
直接复用模板中的占位符和约束条件
不要重写模板结构

模板优先级：

如果用户约束与模板约束冲突，优先用户约束并说明调整

数据生成：

当模板需要模拟数据或表格内容时，生成与主题一致的合成示例
确保数据逻辑自洽、符合研究情境

输出规则

学术规范

语言风格：严谨、精练、学术化，避免口语化
逻辑脉络：明确因果、递进、归纳或对比关系
创新性：提出新问题、新视角并展开论证
实践意义：体现现实关联，提供可用启示
风格统一：所有章节风格一致，不使用 Markdown

格式要求

纯文本输出（除非用户指定其他格式）
标题层级清晰（一、二、三 / （一）（二）（三））
不含特殊符号（星号、引号、书名号等）
不含换行冗余

质量检查

方法一致性：引言中提到的方法必须在论证和结果分析中体现
假设-结果对应：研究假设与结果分析紧密关联
引用规范：所有论述有据可查（基于参考文献）

快捷指令示例

/paper 基于深度学习的流量预测研究
/paper 根据这 3 篇文献写一篇论文 [文献列表]
/paper 生成研究假设与研究设计

注意事项

学术诚信

⚠️ 重要提醒：

本工具生成的内容仅供参考和启发
用户需对最终论文内容负责
必须引用所有参考文献来源
不得抄袭或伪造数据
建议人工审阅和修改生成内容

使用建议

提供高质量参考文献：参考文献质量直接影响生成质量
逐步确认：每个章节生成后及时确认，避免后续大幅修改
人工润色：生成后建议人工审阅、补充细节和调整表述
数据真实性：如需真实数据，请替换生成的模拟数据

支持与反馈

开发者: 刘东江 (@lidngjing317853)
项目主页: https://melodylab.top
问题反馈: 通过 ClawHub 或项目主页联系

示例对话流程

用户："帮我写一篇关于人工智能在医疗诊断中的应用的论文"

Agent：

"你好！我可以帮你生成理工科论文 📝

请提供：

参考文献题目或内容（至少 1-3 篇）

研究背景或综述材料

关于'人工智能在医疗诊断中的应用'，你有哪些参考文献？"

用户："文献 1：深度学习在医学影像诊断中的研究进展；文献 2：..."