nature-writing

用途

nature-writing 用于帮助用户创建或重建科研论文的正文内容，而不仅仅是润色已有句子。当用户需要起草、重构或规划 Nature 风格的稿件章节时，可以使用该技能。它基于作者提供的论点、结果、图表、笔记或中文草稿来工作。

核心立场

作者证据优先。不虚构结果、机制、参考文献、方法、创新点、样本量、统计或局限性。
先写论证，再写句子。
让论文易于评判：相关性、新颖性、可信度、可复用性和意义。
使用有雄心但有边界的表述。
如果缺少关键证据，写占位符或询问缺失输入，而不是填补空白。

挖掘写作记忆

在起草或重构学术正文之前，检查当前客户端技能主目录下已安装的 skills/ml-paper-writing/references/knowledge/paper-miner-writing-memory.md。只阅读与本文章节、文章类型和发表场所相关的条目。使用挖掘出的模式作为结构和措辞思路，同时将每个论点建立在作者证据和目标期刊要求之上。不要复制源措辞。如果该记忆不存在或没有相关条目，则继续使用本技能的参考文件。

何时打开额外文件

references/article-architecture.md：需要章节级结构、论证顺序或已发表文章的写作模式时。
references/abstract.md：起草或修订摘要，尤其是 challenge-contribution 和 challenge-insight-contribution 形式时。
references/introduction.md：起草或修订引言、任务框架、技术挑战、贡献框架或 teaser/pipeline 逻辑时。
references/related-work.md：将相关工作重建为主题综合而非逐篇列表时。
references/method.md：撰写方法部分、流程模块、模块动机、技术优势或实现细节时。
references/experiments.md：围绕基线、消融、指标、表格、图表和论点支持来规划或撰写实验/结果时。
references/conclusion.md：撰写有边界的结论，包含贡献、证据、影响、局限性和未来方向时。
references/paragraph-flow.md：用户询问段落是否流畅、合理或清晰时；使用反向大纲和段落信息检查。
references/paper-review.md：最终稿件自审、拒稿风险审计、论点-证据对齐或面向审稿人的批评时。
references/chinese-author-workflow.md：用户笔记为中文、中英混合，或组织为实验笔记而非稿件正文时。
references/examples/index.md：在选择相关指南后需要具体的摘要、引言或方法示例时。

输入信息

起草前，需要识别：

稿件章节：标题、摘要、引言、结果、讨论、结论、意义段落或完整大纲
论文类型：机制、方法、资源、设备、模型、临床、材料、计算或跨学科
核心论点：论文实际证明了什么
证据：图表、测量、比较、数据集、统计或示例
边界：论点在哪里停止
目标期刊或字数限制（如提供）

如果核心论点、证据或边界中任何一项缺失，在起草前暴露该缺口。仍然可以生成带有明确占位符的脚手架。

写作工作流

构建一句话论证：In [system/problem], we show [advance] using [approach], supported by [evidence], with [boundary]。
从 references/article-architecture.md 选择章节架构。
将每个段落映射到一个任务：背景、缺口、方法、结果、比较、机制、意义或局限性。
从证据向外起草。让论点靠近支持它的数据。
校准动词：show、demonstrate、suggest、indicate、enable、may、could。
移除无支持的新颖性和普遍性声明。
运行段落流畅性检查：一段一个信息，首句清晰，句间关系明确。
返回正文以及关于假设和缺失输入的简要说明。

章节默认结构

摘要

默认 Nature 模式：context/problem -> gap -> approach -> key result -> implication -> boundary

对于技术 AI、ML、CV 或方法密集型稿件，打开 references/abstract.md 并选择以下之一：

challenge -> contribution
challenge -> insight -> contribution
multiple contributions

保持紧凑。当用户提供定量或比较细节时包含它们。以工作所支持的内容结尾，而不是泛泛的重要性。

引言

使用：field scale -> bottleneck -> prior attempts -> unresolved gap -> present study

对于方法密集型论文，打开 references/introduction.md，从技术挑战和贡献反向推理，然后再向前起草。

不要总结所有结果。最后一段应说明本文做了什么以及如何解决缺口。

结果叙述

使用证据阶梯：system/workflow -> validation -> main result -> baseline comparison -> mechanism/diagnostic analysis -> application or generalization

每个小节应有论点优先的开头，然后是数据支持。

对于 ML/会议风格的实验部分，打开 references/experiments.md，确保每个主要论点都有比较、消融或压力测试证据支持。

讨论

使用：central advance -> evidence meaning -> relation to prior work -> constraints -> future use

这里是解释和局限性所在。不要逐图重复结果部分。

结论

使用：contribution -> decisive evidence -> implication -> boundary

没有新数据。没有无支持的承诺。

标题

优先选择具体标题，结合：system/object + action/capability + application or consequence

避免口号式标题、资助风格的目标和过于宽泛的领域声明。

输出格式

默认输出：

Draft：包含所请求的正文。
Section outline：当任务涉及完整章节时，包含 3-7 个紧凑要点。
Assumptions or missing inputs：仅包含重要问题。
Claim-evidence map：对于主要论点，使用 Claim: ... | Evidence: ... | Status: supported/needs evidence。
Why this structure：包含 2-4 个简短要点。

对于中文作者笔记，先提供润色后的英文，然后提供简短中文说明，解释主要结构选择。

适用场景

起草或重构 Nature 风格稿件的摘要、引言、结果、讨论、结论、标题或完整大纲。
将中文或中英混合的实验笔记转化为稿件正文。
检查段落流畅性和信息传递。
投稿前自审和拒稿风险审计。

限制

不虚构结果、机制、参考文献、方法、创新点、样本量、统计或局限性。
缺少关键证据时使用占位符或询问，不填补空白。
不复制挖掘记忆中的源措辞。
具体收费、价格、平台支持情况暂未提供。