agentleFS
MercatorProjMercatorProj/vibe-thesis-skills/skills/academic-writing/SKILL.md

academic-writing

Skill8 starsChanged 36 days agoApache-2.0View on GitHub

学术写作一体化技能,含两种模式。(1) 格式化/润色:段落级学术润色、术语统一、公式规范化、逻辑优化,输出到草稿目录;(2) 人味化:中英文人味化改写、减弱模板化表述,可选检测脚本。对论文正文进行润色或改写时,**默认应用 humanizer-zh 风格规则**。默认输出目录见仓库根 README.md;学术诚信约定见仓库根 README.md。

26 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use scipilot-figure-skill and grill-me.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • HaojaeSkill

    scipilot-figure-skill

    SciPilot Skills 家族成员,负责科研数据可视化——但定位不是"画图工具", 而是"可视化顾问"。先做数据剖析(列类型/样本量/分布/异常值/分组结构/相关性), 再结合用户的论证目标推荐图型,主动拦截科研画图的经典错误(小样本画均值柱掩盖 分布、双 Y 轴、饼图、Y 轴不当截断、rainbow 色图、把分类点连成折线等),最后 产出 Nature / Science / IEEE / Elsevier / PNAS / 中文核心期刊级别的成图。 覆盖纯数据图:折线、柱状、散点、箱线 / 小提琴、热力图、误差棒、分布图(直方 图 / KDE)、相关性矩阵 / 散点矩阵、多面板组合。技术栈 matplotlib + seaborn + SciencePlots(静态)+ plotly(交互)。中英文双语,中文模式自动配置 Noto Sans CJK / Source Han Sans / SimHei 并修复负号方框,支持中文期刊"宋体正文 + Times New Roman 数字"混排。默认色盲安全配色 + 冗余编码 + 灰度预览。出图后做 "视觉自检闭环":渲染 PNG 预览→程序自检缺字/文字裁切/刻度重叠→AI 读图复核遮盖 与子图对齐→回改重渲,直到通过。 当用户的任务涉及以下任何情况时主动触发:论文配图、科研画图、数据可视化、 不知道用什么图、怎么展示数据、用什么图好、期刊投稿图、figure、出版级图表、 matplotlib、seaborn、plotly、误差棒、显著性标注、色盲安全配色、矢量图导出、 中文论文图表、多面板。**即使用户只是给一批数据问"这个怎么画"或"用什么图 好",也应使用本技能——本技能首要能力是"判断该用什么图",其次才是绘制。** 不做示意图、流程图、架构图。

    Also in 3 projects that use this

  • GoogleSkill

    grill-me

    A relentless interview to sharpen a plan or design.

    Also in 3 projects that use this

The file

Files
SKILL.md

学术写作技能(格式化润色 + 人味化)

输出路径默认值见仓库根目录 README.md({{DRAFT_DIR}},默认 my-thesis/)。学术诚信与正当使用见根 README.md 的「设计边界与学术诚信」。

模式选择

模式适用场景输出
格式化/润色「润色这段」「改写成学术段落」「术语统一」「公式规范」规范学术段落,保存为 my-thesis/第X章_主题_年月日.md
人味化「降 AI 味」「人味化」「去 AI 痕迹」「改写得更自然」工学/运筹风格改写,可选运行 ai_detector/text_analyzer,保存到 my-thesis

根据用户表述选择模式;未明确时,若用户给的是草稿段落且要求“润色/规范”,走格式化/润色;若强调“人味/自然/去 AI”,走人味化。


一、格式化/润色模式

核心要点

  • 段落级润色:输出可直接插入论文的连续文本段落,不含 Markdown 标题(#、##)。
  • 每次输出 MD 文件:命名 第X章_主题_年月日.md,保存到工作目录 my-thesis/。
  • 学术风格:符合学位论文规范,术语见 references/terminology.md,公式见 references/formula-templates.md。
  • 人类写作倾向:适当长短句、多样过渡(鉴于此、反观之)、学术限定(在多数情况下、现有证据表明),避免“首先、其次、最后”式模板与典型 AI 句式。
  • 默认 humanizer-zh 自检:输出前对段落做一次去 AI 痕迹自检,对照 references/humanizer-zh-patterns.md(删除填充短语、打破公式结构、变化节奏、信任读者、删除金句;用快速检查清单扫一遍)。

工作流程

  1. 接收草稿段落或技术要点
  2. 语义分析,识别章节归属与润色需求
  3. 术语规范化(查阅 terminology.md)、公式规范化(查阅 formula-templates.md)、逻辑优化
  4. humanizer-zh 自检:按 references/humanizer-zh-patterns.md 快速检查清单过一遍,修正 AI 痕迹
  5. 输出纯段落 Markdown 并保存到 my-thesis/

详细步骤与示例见 references/workflow.md。

论文章节适配

  • 第3章:通行性分析(车辆动力性、土壤力学、通行性量化)
  • 第4章:路径规划(A*、启发函数、代价函数)
  • 第5章:运输调度(VRP/PDP、数学模型、优化方法)
  • 第6章:实验验证(实验设计、结果分析、性能对比)

二、人味化模式(工学/运筹中英文)

学术诚信

  • 目的:提升基于本人研究与想法、经 AI 辅助起草后的文本的自然度与学术感。
  • 正当使用:在本人观点基础上修订 AI 起草文本;不提交不能代表本人智力贡献的内容。
  • 原则:真实学术表达,而非规避检测。

工作流

  1. 分析文本:可选运行 scripts/ai_detector.py(--lang zh 或 en),检测句长均匀度、机械过渡词、抽象套话、词汇多样性等。
  2. 应用改写策略:先按 references/humanizer-zh-patterns.md 的模式与 5 条核心规则做一遍去痕迹与自然化,再叠加本技能的工学/运筹术语与 references/rewriting-principles.md(句子节奏、减少抽象脚手架、消除机械过渡、学术语气与限定、落到具体性);术语与 references/terminology.md、references/engineering-patterns.md 对齐。
  3. 改写并说明:中文可附【修改说明】3–5 条;默认保存到 my-thesis/,命名同格式化模式。

学科规范摘要

  • 通行性:VCI/CI、沉陷、坡度、地质灾害风险等,表述可量化。
  • 路径规划:A*、启发函数、代价函数、栅格地图等。
  • 车辆调度:CVRP、PDP、容量约束、时间窗等。
  • 实验与仿真:基准算法、对比实验、MAE/RMSE、计算时间等。

详见 references/engineering-patterns.md、references/rewriting-examples.md。

脚本与工具

  • ai_detector.py:AI 写作模式检测,python scripts/ai_detector.py input.txt --lang zh(或 en),支持 --detailed、--json。
  • text_analyzer.py:句长分布、TTR、过渡词密度等,python scripts/text_analyzer.py input.txt,或 original.txt revised.txt --compare。
  • 中文可选依赖:jieba(见 scripts/requirements.txt)。

自检清单(人味化后)

  • 句长有变化(短/中/长结合)
  • 机械过渡词已减少或替换
  • 抽象套话已替换为具体概念或术语
  • 至少一处具体方法/参数/场景或学术限定
  • 原意与引用、数据完整保留
  • 学科用语符合工学/运筹习惯
  • humanizer-zh:无连续三句同长、破折号不过多、无三段式堆砌、连接词(此外/然而等)未堆砌;已按 references/humanizer-zh-patterns.md 快速检查清单自检

输出约定(两模式通用)

  • 润色/改写结果必须输出到 my-thesis/,命名格式 第X章_主题_年月日.md。
  • 不改变原意与关键数据、引用;不捏造文献或数据。

参考文档

  • references/terminology.md:术语标准化
  • references/formula-templates.md:公式模板
  • references/workflow.md:格式化润色流程与示例
  • references/rewriting-principles.md:人味化改写原则(工学/运筹)
  • references/engineering-patterns.md:工学/运筹用语与写作惯例
  • references/rewriting-examples.md:人味化 before/after 示例
  • references/formatting-examples.md:格式化润色示例(可选)
  • references/humanizer-zh-patterns.md:默认去 AI 痕迹与人味化规则(论文润色与审查共用)
  • references/humanizer-inspiration.md:人味化与 AI 痕迹检测增强参考(推荐 Pass 顺序、检测层次、检查清单、速查表;执行改写或 Part C 时查阅)

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.