论文写作不是聊天，是工程——这个Skill把科研从"手工作坊"变成"流水线"

来源：Norman-bury/research-writing-skill，https://github.com/Norman-bury/research-writing-skill

一、引子：为什么你的论文写了三个月还在改引言

本科生写毕业论文，最常见的场景是什么？

打开ChatGPT，问"帮我写一段关于XX的研究背景"，复制粘贴，交给导师。导师批注"逻辑不对"，回来重新问AI，再复制粘贴。循环十轮，引言改了三个月，正文还没动笔。

这不是写作能力差。这是把论文写作当成一次性聊天，而非可追踪、可复用的工程流程。

Norman-bury的research-writing-skill要解决的就是这个问题。

二、核心定位：不是"润色工具"，是"工程化协作系统"

市面上绝大多数"AI写作助手"的定位是润色——你把一段文字丢进去，它帮你改得更通顺。这种模式有个根本缺陷：单轮对话，没有记忆，没有流程，没有版本。

research-writing-skill的定位完全不同。它把论文写作当成软件工程来管理。

• 任务开始前对齐目标与约束
• 7轮问答确认论文类型、学科、题目、方法、章节结构
• 按阶段门禁执行：选题→正文→图表→自审→交付
• 产物是项目内文件（.md/.tex），可追踪、可恢复、可版本化

这不是"帮我写一段"，而是"我们一起来管理这个项目"。

三、工程化流程：从头脑风暴到交付

第一步：头脑风暴（7轮问答）

不是直接问"帮我写论文"，而是系统性地确认：

• 论文类型（毕业论文/课程项目/投稿初稿）
• 学科领域（工科/社科/医学/法学分流）
• 研究题目与背景
• 核心方法与数据来源
• 章节结构规划

这一步的价值在于减少返工。很多人写到一半发现研究方法不对，或者章节结构不符合学校要求，前面写的全部作废。7轮问答 upfront，把这些问题在动笔前解决。

第二步：章节化写作

每章一个独立文件，存于chapters/目录。引言和相关工作必须先形成文献证据图谱（refs/evidence-map.md），实验章节必须先形成实验协议（plan/experiment-protocol.md）、表格结构（tables/table-schema.md）和图表清单（figures/data-manifest.md）。

强制前置规划，不允许跳过结构直接写正文。

第三步：图表生成

数据结果图优先由Python脚本生成，确保可复现。流程图、架构图、机制图由figures-diagram模块生成提示词，再交给Gemini等生图工具绘制。

技术图和概念图分离，不混用工具。

第四步：投稿前自审

peer-review模块进行自检，检查逻辑漏洞、数据口径、结论边界。

第五步：交付

产物是Markdown或LaTeX，不是Word。需要Word时手动复制或用Pandoc转换。之所以不直接输出Word，是因为科研协作更需要可追踪、可复用的文本资产。

四、去AI化写作：保留信息密度，只调表达

这个Skill对"去AI化"的理解很到位：不是把原文压短，而是保留所有事实、数据、限定条件和解释句，只调整表达方式。

具体来说：

• 保留研究对象、数据范围、样本口径、方法条件、指标含义、实验边界、结论限制、专有名词
• 语言调整只服务于表达自然、逻辑清楚和口径稳定
• 正文优先连续段落，不堆砌项目符号，不依赖加粗斜体制造重点
• 避开"首先、其次、最后、此外、另外、接下来、总之"等机械连接词
• 避开"值得注意的是、需要指出的是、重要的是、必须强调的是"等空壳句式

这个原则比市面上大多数"降AI率"工具高明得多。很多工具把原文压得很短，看似"精炼"，实则删掉了关键限定条件和数据边界，让论文从"学术严谨"变成"模棱两可"。

research-writing-skill的立场是：宁可稍显啰嗦，也要保留信息完整。这是学术写作的本质要求。

五、学科化分流：工科、社科、医学、法学各有路径

通用写作工具的问题在于"一刀切"。工科论文需要方法细节和实验数据，社科论文需要理论框架和文献综述，医学论文需要统计分析和伦理声明，法学论文需要法条引用和案例论证。

research-writing-skill内置了学科模块：

• writing-core：通用写作规范
• writing-humanities：社科/文科
• writing-medical：医学/生物
• writing-law：法学

按学科分流，不是换个prompt模板那么简单，而是从论证逻辑到引用格式到章节权重的系统性调整。

六、多平台适配：Claude Code、Cursor、Codex、Gemini CLI通吃

Skill采用目录化设计，已适配：

• Claude Code（.claude-plugin/）
• Cursor（.cursor-plugin/）
• Codex（.codex/）
• OpenCode（.opencode/）
• Gemini CLI（GEMINI.md）
• 通用代理（AGENTS.md）

这意味着不绑定单一工具。你可以用Claude Code写正文，用Cursor做图表，用Gemini CLI生成流程图，所有产物在同一个项目目录里管理。

七、20+技能模块一览

八、产物设计：为什么默认输出Markdown而非Word

这个设计选择背后有明确考量：

• 版本管理：Git可以diff Markdown，无法diff Word
• 可复用：Markdown是文本，可以批量替换、脚本处理、模板复用
• 跨平台：任何文本编辑器都能打开，不依赖Office
• 转换灵活：Pandoc可以转Word、PDF、LaTeX，但反向转换会丢格式

Word适合最终交付，Markdown适合过程迭代。Skill把两者放在正确的位置上。

九、LaTeX支持：模板解析与自动编译

如果学校或期刊提供LaTeX模板，把.cls/.sty/.tex文件放入latex-templates/目录，Skill会解析模板结构并生成对应的章节.tex文件。产物是可直接编译的完整LaTeX项目。

这比"给你一个通用模板自己改"更进一步——它理解你的模板结构，按模板生成内容。

十、结语：科研写作需要工业化

research-writing-skill的核心价值不是"让AI帮你写论文"，而是"把论文写作从手工作坊变成流水线"。

它的工程化流程、去AI化原则、学科分流、多平台适配、产物设计，共同指向一个目标：让研究者把时间和精力花在真正有价值的研究内容上，而不是反复修改格式和措辞。

对于本科生、研究生和早期科研人员来说，这个Skill比任何"一键生成论文"的工具都更实用。因为它不承诺捷径，而是提供了一套可持续、可复用、可迭代的写作系统。

"论文写作不是聊天，是工程。"

参考来源

• Norman-bury/research-writing-skill，GitHub，https://github.com/Norman-bury/research-writing-skill
• 版本：3.1.0，更新日期：2026-05-10

#科研写作 #论文写作 #Skill系统 #工程化 #去AI化 #学术写作 #LaTeX #Markdown #多平台适配 #论文工具

#科研写作 #论文写作 #Skill系统 #工程化 #去AI化 #学术写作 #LaTeX #Markdown #多平台适配 #论文工具 #记忆 #小凯