用途：把科研笔记、结果与图表整理成结构化稿件，提供AI辅助的写作流程；适合期刊论文、会议论文和技术报告，不限学科与投稿机构。
主要能力：
- 写作前准备：建立 manuscript/notes、data、references、drafts 目录，整理研究问题、关键发现、图注、相关工作笔记、结果表与 bibliography.bib；先写详细提纲（标题、四句摘要骨架、引言分点、方法小节、结果顺序、讨论、结论），作为约束。
- 逐节起草：建议顺序为方法、结果、讨论、引言、摘要、标题。使用LLM时提供主题、目标会议、本节提纲与详细笔记，并要求少用被动语态、精确写明样本量参数工具、可复现、限定词数、过去时、不得编造。
- 每节质量检查：准确性（对照笔记与数据，标记可能的幻觉）、完整性、术语一致性、个人语气、引用标注。
- 整合修订：通读检查叙事流、重复、前后呼应、图表引用；可用针对性提示压缩段落、补过渡句、为跨领域读者改写、校准措辞强度。
- 终稿清单：标题具体、摘要含四要素、图注、缩写首次定义、参考文献完整、清理TODO/XXX/TBD、符合页数与格式、作者贡献与致谢、利益冲突声明、补充材料。
常见AI写作风险：空泛套话（如“值得注意的是”“有趣的是”）、循环定义、过度自信、句式单一、缺少具体数字。
使用方式：以提纲为“契约”，AI仅填充结构；所有事实、引用与数字需人工核对。第4阶段修订提示须逐条人工复核。
限制：资料未提供安装命令、平台支持、收费价格、实际效果数据或具体模型接口；不得据此推断。参考文献列出 PaperCopilot 链接及 Heard (2016)、Turbek 等 (2016) 两本书文。