学术论文全能写作助手

要解决的具体问题

在学术论文写作中，从结构化提纲到最终论文的生成涉及多个繁琐且关键的步骤。传统手动流程（如文献检索、数据核实、统计分析、内容撰写和格式排版）不仅耗时，还容易引入错误，例如未核实数据导致统计结论反转，或使用 AIGC 工具生成的内容被检测出高重复率。该技能旨在将这些环节自动化、规范化，确保论文基于可靠数据和可查证文献，并预处理潜在风险。

核心能力与关键步骤

技能通过以下核心步骤实现从提纲到交付的全流程辅助：

• 提纲解析与数据校验：读取用户提供的提纲文件，识别变量、分析方法及数据类型。强制检查数据标记（如 （估）、~），若发现未核实点，立即暂停并启动 真实数据搜索策略（优先国家统计局等官方来源），从源头避免错误。
• 智能文献检索与并行调研：使用 领域智能路由调度器，根据主题自动选择最优检索通道（例如中文社科用 cnki-unified 浏览器自动化，国际技术用 arxiv API）。支持 背景扇出 加速，可并行执行多路文献调研。
• 统计预检与推理锚点：在生成内容前，强制运行预检脚本（如 _tmp/precheck.py）计算关键统计量（如 r, R², p）。若结果与提纲预期严重偏离（如 p 值跨阈值、R² 偏差大），则生成 推理锚点文件（_tmp/reasoning_anchor.md），要求用户参与决策，避免默认掩盖问题。
• 条件化写作与 AIGC 防预：写作逻辑基于统计结果动态分支，例如显著性表述采用 if...else 结构，避免硬编码。同时，在 build.py 中预置 HUMANIZE_SNIPPETS 字典，在生成段落时自动替换 AI 高频词（如 ‘与’ → ‘和’），从源头降低 AIGC 检测风险。
• 图表生成与 Word 排版：使用 Matplotlib 绘制图表，并解决中文字体兼容问题（如避免使用 SimHei 渲染 Unicode 上标）。通过 python-docx 生成规范排版的 Word 文档，包括页边距、字体样式、公式编号和表格格式等。
• AIGC 诊断与项目复盘：生成论文后，自动运行双工具（如 PaperPass 和 CNKI）进行 AIGC 诊断，并执行轻量降重。项目完成后触发自动复盘，将教训沉淀至 LESSONS.md，供后续项目自动加载和避免重复错误。

适用边界与注意点

该技能适用于需要将结构化提纲快速转化为学术论文的场景，但有明确边界：

• 依赖高质量输入：提纲需明确变量、分析方法和数据来源；若数据为占位符，需用户明确授权构造模拟数据。
• 环境与技能集成：需在 Hermes 环境中运行，并加载相关技能（如 cnki-unified、academic-pre-review-committee），部分功能（如文献检索）可能因网络或验证码问题降级为手动指南。
• 统计结果主导：论文叙述完全基于预检统计结果，若数据与预期不符，需用户决策（如实报告、调整数据或重新构造），技能不会隐性修正统计量。
• 非万能降重：AIGC 降重策略针对常见 AI 高频词，但可能无法通过所有检测工具，建议结合人工审阅。