SuperAPI AI 工具集

scientific-writing

写作与研究

查看项目

更新于 10-15 20:35

技能介绍

用途:为研究论文提供结构与写作流程约定,在撰写或修订论文草稿、引言、方法、结果等部分时主动使用。该技能负责论文的结构与流程,把引文查找与验证、搜索协议附录交给 backing-claims,把 LaTeX 机制交给 latex-writing,把批注草稿的读取与上传交给 remarkable。

主要能力:强制研究问题、假设与贡献之间的完整可追溯性。研究问题分实质性(关于世界)与方法论(关于研究自身工具是否有效)两类,分别编号,方法论问题有独立环境与计数器。每条贡献须由某个研究问题检验,没有对应问题就补问题或删主张。假设是预测的答案,每个假设只回答一个问题;描述性/探索性问题没有假设并需说明。问题与假设各陈述一次(可重述环境),在方法概述中连同回答方式重述,在结论中连同已有答案重述,用 \cref 引用而非字面“RQ1/H2”。

方法部分:先概述再细节,按研究时间顺序描述数据收集,在每个工具被使用的时间点说明动机;不重复同伴研究的工具,说明分工;已验证量表保持原文,不因措辞不合场景而改写,并引用已发表的批评做稳健性检验;防止循环论证,明确每个分类使用的数据来源。

可复现附录:每个问卷/测验/调查与定量分析都是论文附录中的文学化程序,一个 noweb 源同时织入附录章节并缠出可运行产物;正文记录数据文件模式,兼作代码本;量表定义与分析共享常量;统一量表由生成器生成而非手写;方法部分与附录双向交叉引用;程序端到端自动化创建量表并取回结果,无法自动化的取回标 XXX 并建跟踪问题;开放文本用 LLM 预编码、人工核验,人工编码才是数据。缠出的产物在生成轮次内验证(JSON 可解析、Python 可编译、测验校验通过),并在沙盒课程中端到端测试量表创建。

评审轮次:每轮是一个原子单元,位于独立分支与 PR,分支名 review-round-vN,PR 标题为“Review round: draft vN (YYYY-MM-DD)”。流程包括:从默认分支开分支;读取上一稿所有批注页;解释每条评论并应用本轮全部编辑;新文献经 backing-claims 处理并写入搜索协议附录;重建全部输出并验证零错误、无未解析引用、重述计数符合预期;每轮一次提交,提交信息列出本轮改动并指明产出的草稿版本;提交后推送;上传新草稿为“<Title> (draft YYYY-MM-DD, vN)”;用 gh pr create 开 PR,用 closes #N 关联已解决问题。

引用原则:凡从论文所依赖的理论原则展开论证之处(量表条目设计理由、题干措辞、编码或分析选择),都要在该处引用原则来源,而不只在首次引入处引用;重复同一 key 与页码是正确的。

开放问题与待定决策:源码中用 % XXX 标记开放决策、% TODO 标记推迟工作,说明备选方案与解决条件,每轮有意识地解决或延续。若论文仓库有 GitHub 远程,则镜像为 GitHub 问题,用 gh issue create 创建,标题说明决策或任务,正文给出文件与章节、上下文、备选方案与解决条件;源码注释标注问题号如 % TODO(#12): ...;每轮新项开新问题,已解决项用 gh issue close N --comment ... 关闭并引用提交。提交前匿名化课程/机构信息。

限制:资料未提供具体收费、价格、平台支持范围或效果数据;该技能依赖 backing-claims、latex-writing、remarkable 等配套技能,并假定使用 LaTeX、noweb、Git 与 GitHub 工作流。