agentleFS
zieang88888zieang88888/zhskills/skills/academic-polishing/SKILL.md

academic-polishing

Skill1 starsChanged 47 days agoMITView on GitHub

把论文、技术报告、方案、制度、申报材料等专业文稿按「类型×章节×语言×目标场合」四轴路由做结构化润色——先内容后语言:第一轮只改结构与证据表达(主张—证据对应、术语一致性、逻辑衔接),第二轮才动语言细节;并逐条做证据边界检查(事实/推断/建议不越界)。当用户要求论文/课题润色、技术方案打磨、制度文件规范、申报材料自查、对外技术文档定稿时使用。

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

专业文稿润色 · academic-polishing

二次开发:本技能改编自 Yuan1z0825/nature-skills 的 nature-polishing(Apache-2.0 © 原项目所有者 Yuan1z0825),在保留其四轴路由(文献类型×章节×语言×目标期刊)与「先内容后语言、证据边界不越界」核心方法论基础上,平移到中文专业文稿场景并升级为「提示词 + 可执行 CLI」双形态。署名见本目录 NOTICE.md 与仓库 THIRD_PARTY_NOTICES.md。

这个技能做什么

把一份已经写好的专业文稿,按类型 × 章节 × 语言 × 目标场合四个轴路由,做结构化润色。与普通"改文字"不同,本技能强制先内容、后语言:

  • 第一轮(内容与结构):只动主张与证据的对应、章节结构是否符合该文体惯例、术语是否一致、段落逻辑衔接;这一轮不许只换漂亮句式而不动结构。
  • 第二轮(语言细节):结构定稿后,才动句式、用词、标点、语气分寸。

保留自原项目的四条核心检查(全部沿用):

  1. 内容层检查:每个主张后面是否有支撑(数据、引文、案例、推导);数据是否可追溯(来源、口径、时间点);没有支撑的主张要么补证据、要么降级表述,不许靠修饰把它"擦亮"过去。
  2. 结构层检查:章节顺序、篇幅分配、详略是否符合该文体(论文/技术报告/方案/制度/申报材料)的惯例;典型结构问题(结论前置缺失、结果与讨论重复、措施与问题不对应)优先修。
  3. 语言层检查:术语全文统一;句式服务于逻辑(主从关系、因果方向);用词与目标场合的正式度匹配。
  4. 证据边界检查:逐句区分事实 / 推断 / 建议三类表述——事实(有出处的观察或数据)不得写成推断语气,推断不得写成事实,建议不得伪装成结论;模态词("表明/提示/可能/应当")与证据强度匹配。

一句话:结构不对就先修结构;证据不够就降级或标注;结构证据都稳了,最后才磨句子。

典型适用场景:论文/课题润色、技术方案打磨、制度文件规范、申报材料自查、对外技术文档定稿。

输入要求

  • 必填:待润色的中文专业文稿全文(直接粘贴,或 .txt / .md 文件)。
  • 可选(四轴取值):
    • 类型(--type):论文 / 技术报告 / 方案 / 制度 / 申报材料;默认技术报告。类型决定章节结构惯例与详略标准。
    • 章节:通常由文稿自身结构识别(摘要/引言/背景/方法/结果/讨论/结论/措施/附则等);用户点明只润某一章时,按该章惯例处理。
    • 语言(--lang):zh / en;默认 zh。
    • 目标场合(--target):如"项目评审""期刊投稿""内部存档""上级汇报";决定语气分寸、详略与保留口径。
  • 结构问题若不补写内容就修不了 → 标(待确认)并在证据边界检查里说明,禁止为了让文稿"看起来完整"而虚构数据、引文或结论。

输出结构(模板见 scripts/templates/academic-polishing.template.md)

输出一份完整的润色稿,自上而下四部分:

  1. 润色后全文(Markdown):结构与证据已修、语言已磨的成稿;不确定处保留(待确认)标注。
  2. 修改说明:按 内容层 / 结构层 / 语言层 三组列出主要改动及理由;无改动的组写"无"。
  3. 证据边界检查:逐条列表——原文表述 / 归类(事实·推断·建议)/ 是否越界(是/否)/ 建议改法。
  4. 术语一致性:全文关键术语清单及其统一后写法;同一概念前后不一的,写明统一成了哪个、为什么。

工作流程

  1. 读稿定轴:通读全文,识别类型、章节结构、语言;用户给了 --type / --target 就采用,没给就按文稿本身判断,并在输出开头用一行注明本次路由取值(供用户纠正)。
  2. 先内容后语言:先按"内容层 → 结构层"过一遍,完成主张—证据对应、章节惯例、术语统一的修改;确认这一层无遗留问题后,才进入语言层打磨句式与标点。
  3. 证据边界逐条过:抽稿中所有断言式句子,逐条归类事实/推断/建议;越界的当场在成稿里降级措辞,并在检查表里登记。
  4. 落四件套输出:成稿 + 修改说明 + 证据边界检查表 + 术语一致性清单,按模板组装。

质量规则(必须遵守)

  • 先内容后语言:不允许只改语言不动结构;结构问题未修时,禁止进入句式润色。
  • 三类表述显式区分:事实、推断、建议必须分开措辞,模态词与证据强度匹配;禁止把"相关"写成"因果"、把"可能"写成"已经证明"。
  • 不虚构:缺数据、缺出处、缺推导链时,降级表述或标(待确认),绝不补写原文没有的数字、引文、案例。
  • 术语一致:同一概念全文一个写法;中英术语并存时全文统一取舍。
  • 不改变作者原意:只改表达与结构,不替换立场、不增减结论;作者的核心判断保留。
  • 不确定必标注:拿不准的改动标(待确认),并在修改说明里写明为什么不确定。
  • 忠于原数据:数字、日期、金额、人名、项目名、指标口径原样保留。

边界与异常处理

  • 与 humanize-writing 的分工:本技能管结构与专业规范(章节惯例、主张—证据对应、证据边界、术语一致性);humanize-writing 管自然度(去 AI 味、去模板腔、让文字读起来像人写的)。两者可串用:先用本技能把结构、证据、术语定准,再用 humanize-writing 磨自然度;顺序反了会先把"该降级的推断"磨得很顺、掩盖证据问题。
  • 文稿严重残缺(只有提纲、没有正文)→ 先指出缺哪部分,标(待确认),不补写。
  • 类型判断拿不准(如"方案"还是"技术报告")→ 按用户给的 --type;用户没给则默认技术报告并在开头注明。
  • 目标场合未指定 → 按通用正式书面语处理,不过度拔高宣传腔。
  • 排版/版式问题(页面布局、图表位置)不属于本技能范围,提示用户另行处理。

与脚本配合

  • 批量 / 命令行场景:scripts/draft_academic_polishing.py(纯标准库,一条命令跑通);输入为文稿文本,输出为成稿 Markdown(含上述四部分)。
  • 自定义模板:复制 scripts/templates/academic-polishing.template.md 修改后使用。

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.