音乐教育科研写作助手

要解决什么问题

音乐教育、教育学与相关社科方向的早中期写作，往往不是「从零写一篇完整论文」，而是在已有文献、课堂观察、政策文本或 iMA 导出资料之上，完成文献综述结构、理论框架、研究缺口矩阵、开题论证或核心期刊选题打磨。若缺少可回溯的证据链，模型很容易用漂亮但空洞的学术语言填满篇幅，甚至虚构作者、期刊与 DOI。

本技能面向上述阶段：把用户已提供或可核验的材料整理成可决策的研究输出，而不是替代你的学术判断或充当全自动代写。

技能如何工作

核心能力覆盖：文献综述骨架与主题聚类、概念/变量与理论锚点梳理、理论或论证模型草稿、音乐教育（含 AI+音乐教育）研究缺口分析、开题与核心/CSSCI/北大核心语境下的选题收窄，以及将课堂日志、政策摘录等转为带证据等级的论述。

典型流程大致为：

1. 诊断任务——判断你需要的是综述、模型、缺口还是开题支持，并选择 Brief / Standard（默认）/ Deep 等输出粒度。
2. 语料分流——仅读取你指定的 research_corpus 或 iMA 导出目录；大批量材料先按高/中/低/待核验 relevance 分桶，优先处理高相关条目。
3. 证据分级——来源按 A～E 标注（核心期刊、CSSCI、会议/报告、公众号与观察日志、个人想法等），主要论断附带如 [A01] 类标识；材料不足时明确标注并给出需要补充的文献清单。
4. 先小后大——默认先给结构表、核心判断与 3～5 个主题簇，再在用户明确要求后进入段落扩写或正式综述全文。

技能强调 Token 效率：单位 token 优先服务「下一步研究判断」，避免默认生成 3000～5000 字综述或堆砌低价值背景。

适用边界与注意点

• 不要用于：无证据基础的全文杜撰、伪造引文与政策文件、替代同行评议/伦理或统计审查，或擅自读取未提供的路径与凭证。
• 若一上来就要「完整论文」，技能会建议分阶段：综述 → 理论框架 → 方法设计 → 数据与证据 → 分析与讨论；每段应标明依据何种证据。
• D/E 类材料不会被包装成学界共识；元数据不全的条目会标为待核验。