用途：撰写或修改研究论文的方法（Method/Approach/模型/框架）章节。该章节的目标是让读者足以评估结果是否可信，并原则上能复现工作；它不是完整实现指南，也不是所依赖组件的教程，而是理解“新在哪里、为何有效”所需的最小形式化描述。
主要能力：识别方法的核心组件，区分真正新颖之处、可引用而非解释的标准部分、以及工程选择；先建立符号再写公式，统一符号、下标与粗斜体约定；按论文类型组织结构（深度学习、理论、系统、数据集/基准各有不同结构）；先讲直觉再形式化，按“动机→直觉→形式化→解释”展开子组件；在合适时使用算法框（命名、列出输入输出、编号、变量名与正文一致、控制在10–15行）；方法图应展示端到端数据流并与正文变量一致；明确哪些内容应移入附录（完整证明、超参表、不影响核心方法的实现细节等），哪些绝不能移（损失函数定义、主结果依赖的组件）；校准细节程度，核心贡献要够详细，标准组件应引用；训练目标需写出损失函数完整符号、是否端到端、正则项及超参名、优化器与关键超参。
使用方式：按工作流先枚举核心组件并画依赖树，再设符号、组织结构、逐组件写作，最后按输出格式产出草稿，并附符号清单、移入附录清单、应引用清单、所需图与审稿风险；修改现有草稿时另加诊断与修改说明。
适用场景：论文方法章节的初稿撰写与修订，尤其适合深度学习、理论、系统、数据集类论文。
限制：资料未提供具体安装命令、平台支持、收费或价格信息；该技能为写作指导性质，不替代具体领域知识，也不保证投稿结果。