攻玉学术
科研技能库/科学论文写作
学术写作
未发现用户侧风险

科学论文写作

这是深度研究与写作工具的核心技能——将AI驱动的深度研究与规范的写作输出相结合。每份文档都经过全面的文献检索，并通过 research-lookup 技能进行引文核实。

文件预览

当前公开包还没有文件预览索引。

SKILL.md

raw
元数据
namescientific-writing
description这是深度研究与写作工具的核心技能——将AI驱动的深度研究与规范的写作输出相结合。每份文档都经过全面的文献检索，并通过 research-lookup 技能进行引文核实。
licenseMIT license
metadata{ "skill-author": "K-Dense Inc." }
riskunknown
sourcecommunity

科学写作

概述

这是深度研究与写作工具的核心技能——将AI驱动的深度研究与规范的写作输出相结合。每份文档都经过全面的文献检索，并通过 research-lookup 技能进行引文核实。

科学写作是一个以精确和清晰的方式交流研究的过程。使用IMRAD结构撰写稿件，引用格式（APA/AMA/Vancouver），图表，以及报告规范（CONSORT/STROBE/PRISMA）。在研究论文和期刊投稿中应用此技能。

关键原则：始终用完整的段落和流畅的行文来写作。绝不在最终稿件中提交项目符号。 采用两阶段流程：首先使用 research-lookup 构建包含关键点的章节大纲，然后将这些大纲转化为完整的段落。

何时使用此技能

此技能应在以下情况下使用：

  • 撰写或修改科学稿件的任何部分（摘要、引言、方法、结果、讨论）
  • 使用IMRAD或其他标准格式构建研究论文结构
  • 格式化特定风格的引文和参考文献（APA、AMA、Vancouver、Chicago、IEEE）
  • 创建、格式化或改进图形、表格和数据可视化
  • 应用特定研究类型的报告规范（试验用CONSORT，观察性研究用STROBE，综述用PRISMA）
  • 撰写符合期刊要求的摘要（结构化或非结构化）
  • 为特定期刊准备投稿稿件
  • 提高写作清晰度、简洁性和精确性
  • 确保正确使用领域特定术语和命名
  • 回应审稿意见并修改稿件

使用科学原理图进行视觉增强

⚠️ 强制要求：每篇科学论文必须包含一个图形摘要以及使用 scientific-schematics 技能生成的至少1-2个额外的AI生成图形。

这不是可选的。没有视觉元素的科学论文是不完整的。在完成任何文档之前：

  1. 始终生成一个图形摘要作为第一个视觉元素
  2. 使用 scientific-schematics 至少生成一个额外的原理图或图表
  3. 对于全面性论文，建议总共3-4个图形（图形摘要 + 方法流程图 + 结果可视化 + 概念图）

图形摘要（必需）

每篇科学写作必须包含一个图形摘要。 这是论文的视觉总结，它：

  • 出现在文本摘要之前或紧接其后
  • 用一张图捕捉整篇论文的关键信息
  • 适合期刊目录展示
  • 使用横向排版（通常为1200x600px）

首先生成图形摘要：

bash
python scripts/generate_schematic.py "[论文标题]的图形摘要：[展示输入→方法→关键发现→结论的工作流的简要描述]" -o figures/graphical_abstract.png

图形摘要要求：

  • 内容：展示工作流、关键方法、主要发现和结论的视觉摘要
  • 风格：简洁、专业，适合期刊目录
  • 元素：包含3-5个关键步骤/概念，并用箭头或流程连接
  • 文本：最少的标签，大号可读字体
  • 日志：[HH:MM:SS] 已生成：论文摘要的图形摘要

附加图形（大量生成）

⚠️ 关键：在所有文档中广泛使用 scientific-schematics 和 generate-image。

每份文档都应该有丰富的插图。请大量生成图形——如有疑问，就添加视觉元素。

最低图形要求：

文档类型最低数量推荐数量
研究论文56-8
文献综述45-7
市场研究2025-30
演示文稿每页1个每页1-2个
海报68-10
资助申请书45-7
临床报告34-6

广泛使用 scientific-schematics 生成技术图表：

bash
python scripts/generate_schematic.py "你的图表描述" -o figures/output.png
  • 研究设计和方法流程图（CONSORT、PRISMA、STROBE）
  • 概念框架图
  • 实验工作流插图
  • 数据分析管道图
  • 生物学通路或机制图
  • 系统架构可视化
  • 神经网络架构
  • 决策树、算法流程图
  • 比较矩阵、时间线图
  • 任何可从原理图可视化中受益的技术概念

广泛使用 generate-image 生成视觉内容：

bash
python scripts/generate_image.py "你的图像描述" -o figures/output.png
  • 概念的照片级逼真插图
  • 医学/解剖学插图
  • 环境/生态场景
  • 设备和实验室设置可视化
  • 艺术可视化、信息图
  • 封面图片、标题图形
  • 产品模型、原型可视化
  • 任何增强理解或参与度的视觉元素

AI将自动：

  • 创建符合出版质量且格式正确的图像
  • 通过多次迭代进行审查和优化
  • 确保可访问性（色盲友好、高对比度）
  • 将输出保存在 figures/ 目录中

当有疑问时，生成图形：

  • 复杂概念 → 生成原理图
  • 数据讨论 → 生成可视化
  • 过程描述 → 生成流程图
  • 比较 → 生成比较图表
  • 对读者有益 → 生成视觉元素

有关详细指导，请参阅 scientific-schematics 和 generate-image 技能文档。

核心能力

1. 稿件结构与组织

IMRAD 格式：指导论文采用大多数科学学科使用的标准引言、方法、结果和讨论结构。包括：

  • 引言：建立研究背景，识别空白，陈述目标
  • 方法：详述研究设计、人群、流程和分析方法
  • 结果：客观呈现发现，不进行解释
  • 讨论：解释结果，承认局限性，提出未来方向

有关IMRAD结构的详细指导，请参阅 references/imrad_structure.md。

替代结构：支持特定学科的格式，包括：

  • 综述文章（叙述性、系统性、范围综述）
  • 病例报告和病例系列
  • Meta分析和汇总分析
  • 理论/建模论文
  • 方法论文和方案

2. 各章节写作指导

摘要撰写：撰写简洁、独立的摘要（100-250词），涵盖论文的目的、方法、结果和结论。支持结构化摘要（带有标签部分）和非结构化单段格式。

引言撰写：构建引人入胜的引言，做到：

  • 确立研究问题的重要性
  • 系统地回顾相关文献
  • 识别知识空白或争议
  • 陈述清晰的研究问题或假设
  • 解释研究的新颖性和意义

方法文档：通过以下方式确保可重复性：

  • 详细的参与者/样本描述
  • 清晰的程序文档
  • 带理由的统计方法
  • 设备和材料规格
  • 伦理批准和知情同意声明

结果呈现：呈现发现时做到：

  • 从主要到次要结果的逻辑流程
  • 与图形和表格的整合
  • 统计显著性与效应量
  • 不进行解释的客观报告

讨论撰写：综合研究发现，通过：

  • 将结果与研究问题联系起来
  • 与现有文献进行比较
  • 诚实地承认局限性
  • 提出机理解释
  • 建议实际意义和未来研究

3. 引文与参考文献管理

正确应用跨学科的引文样式。有关全面的样式指南，请参阅 references/citation_styles.md。

主要引文样式：

  • AMA（美国医学协会）：数字上标引文，常见于医学领域
  • Vancouver（温哥华）：方括号中的数字引文，生物医学标准
  • APA（美国心理学会）：作者-日期文内引文，常见于社会科学
  • Chicago（芝加哥）：注释-参考文献或作者-日期，适用于人文学科和科学
  • IEEE：方括号中的数字引文，工程和计算机科学

最佳实践：

  • 尽可能引用原始资料
  • 包括近期文献（活跃领域为最近5-10年）
  • 在引言和讨论之间平衡引文分布
  • 对照原始来源核对所有引文
  • 使用参考文献管理软件（Zotero、Mendeley、EndNote）

4. 图形和表格

创建增强理解的有效数据可视化。有关详细的最佳实践，请参阅 references/figures_tables.md。

何时使用表格与图形：

  • 表格：精确的数值数据、复杂的数据集、需要确切值的多个变量
  • 图形：趋势、模式、关系、最好直观理解的比较

设计原则：

  • 使每个表格/图形都具有完整标题的自解释性
  • 在所有显示项目中保持一致的格式和术语
  • 标记所有轴、列和行并标明单位
  • 包括样本量（n）和统计注释
  • 遵循“每1000字一个表格/图形”的指导方针
  • 避免在文本、表格和图形之间重复信息

常见图形类型：

  • 条形图：比较离散类别
  • 折线图：显示随时间变化的趋势
  • 散点图：显示相关性
  • 箱线图：显示分布和异常值
  • 热图：可视化矩阵和模式

5. 按研究类型的报告规范

遵循既定的报告标准，确保完整性和透明度。有关全面的规范详情，请参阅 references/reporting_guidelines.md。

关键规范：

  • CONSORT：随机对照试验
  • STROBE：观察性研究（队列、病例对照、横断面）
  • PRISMA：系统评价和Meta分析
  • STARD：诊断准确性研究
  • TRIPOD：预测模型研究
  • ARRIVE：动物研究
  • CARE：病例报告
  • SQUIRE：质量改进研究
  • SPIRIT：临床试验研究方案
  • CHEERS：经济评价

每个规范都提供了确保报告所有关键方法学要素的检查表。

6. 写作原则与风格

应用基本的科学写作原则。有关详细指导，请参阅 references/writing_principles.md。

清晰度：

  • 使用精确、明确的语言
  • 首次使用时定义技术术语和缩写
  • 保持段落内和段落间的逻辑流畅
  • 在适当情况下使用主动语态以清晰表达

简洁性：

  • 删除冗余的词语和短语
  • 倾向于较短的句子（平均15-20词）
  • 去除不必要的限定词
  • 严格遵守字数限制

准确性：

  • 用适当的精度报告确切数值
  • 在整个文档中使用一致的术语
  • 区分观察结果和解释
  • 适当承认不确定性

客观性：

  • 无偏见地呈现结果
  • 避免夸大发现或影响
  • 承认矛盾的证据
  • 保持专业、中立的语气

7. 写作流程：从大纲到完整段落

关键：始终用完整段落写作，绝不在科学论文中提交项目符号。

科学论文必须用完整的、流畅的散文撰写。使用这种两阶段方法有效写作：

第一阶段：创建包含关键点的章节大纲

开始新章节时：

  1. 使用 research-lookup 技能收集相关文献和数据
  2. 创建一个结构化的大纲，用项目符号标记：
    • 要呈现的主要论点或发现
    • 要引用的关键研究
    • 要包括的数据点和统计量
    • 逻辑流程和组织
  3. 这些项目符号作为支架——它们不是最终稿件

示例大纲（引言部分）：

text
- 背景：AI在药物发现中的应用势头强劲
  * 引用最近综述（Smith 2023, Jones 2024）
  * 传统方法缓慢且昂贵
- 空白：在罕见病中的应用有限
  * 仅2项先前研究（Lee 2022, Chen 2023）
  * 小数据集仍是一个挑战
- 我们的方法：从常见疾病迁移学习
  * 结合X和Y的新型架构
- 研究目标：在3个罕见病数据集上验证

第二阶段：将关键点转化为完整段落

大纲完成后，将每个项目符号扩展为合适的散文：

  1. 将项目符号转换为完整的句子，包含主语、动词和宾语
  2. 添加过渡词 在句子和观点之间（然而、此外、相比之下、随后）
  3. 自然地将引文融入句子中，而不是作为列表
  4. 用项目符号省略的上下文和解释进行扩展
  5. 确保每个段落内从一句到下一句的逻辑流畅
  6. 变化句子结构以保持读者的参与度

转化为散文的示例：

text
在过去的十年中，人工智能方法在药物发现流程中获得了显著的关注（Smith, 2023; Jones, 2024）。虽然这些计算方法显示出加速识别治疗候选物的希望，但传统的实验方法仍然缓慢且资源密集，通常需要多年的实验室工作和大量的资金投入。然而，AI在罕见病中的应用一直有限，只有两项先前研究展示了概念验证结果（Lee, 2022; Chen, 2023）。主要障碍是影响小规模患者群体的训练数据稀缺。

为了解决这一挑战，我们开发了一种迁移学习方法，利用从特征明确的常见疾病中获取的知识来预测罕见病的治疗靶点。我们的新型神经架构将用于分子特征提取的卷积层与用于蛋白质-配体相互作用建模的注意力机制相结合。本研究的目标是在三个独立的罕见病数据集上验证我们的方法，同时评估预测准确性和结果的生物学可解释性。

大纲与最终文本的主要区别：

大纲（规划阶段）最终稿件
项目符号和片段完整句子和段落
电报式笔记带上下文的完整解释
引文列表融入散文的引文
缩写式想法带有过渡的展开论证
仅供自己查看供出版和同行评审

要避免的常见错误：

  • ❌ 绝不在最终稿件中留下项目符号
  • ❌ 绝不在应该是段落的地方提交列表
  • ❌ 不要在结果或讨论部分使用编号或项目符号列表（除非特殊情况，如研究假设或纳入标准）
  • ❌ 不要写不完整的句子或不完整的想法
  • ✅ 应该仅在方法部分偶尔使用列表（例如，纳入/排除标准、材料清单）
  • ✅ 应该确保每个部分以连贯的散文流畅
  • ✅ 应该大声朗读段落以检查自然流畅度

列表可接受的情况（有限情况）：

仅在特定上下文中，科学论文中可出现列表：

  • 方法：纳入/排除标准、材料和试剂、参与者特征
  • 补充材料：扩展方案、设备清单、详细参数
  • 绝不在：摘要、引言、结果、讨论、结论

摘要格式规则：

  • ❌ 绝不使用标签部分（背景：，方法：，结果：，结论：）
  • ✅ 始终以流畅的段落书写，带有自然过渡
  • 例外：仅当期刊在作者指南中明确要求时才使用结构化格式

与Research Lookup的集成：

Research-lookup 技能对于第一阶段（创建大纲）至关重要：

  1. 使用 research-lookup 搜索相关论文
  2. 提取关键发现、方法和数据
  3. 将发现组织成大纲中的项目符号
  4. 然后在第二阶段将大纲转换为完整段落

这种两阶段过程确保您：

  • 系统地收集和组织信息
  • 在写作前创建逻辑结构
  • 生成经过润色、可发表的散文
  • 保持对叙事流程的关注

8. 专业报告格式化（非期刊文档）

对于研究论文、技术报告、白皮书和其他非期刊稿件的专业文档，使用 scientific_report.sty LaTeX 样式包以获得精美、专业的外观。

何时使用专业报告格式化：

  • 研究报告和技术报告
  • 白皮书和政策简报
  • 资助报告和进展报告
  • 行业报告和技术文档
  • 内部研究摘要
  • 可行性研究和项目可交付成果

何时不使用（改用特定场所格式化）：

  • 期刊稿件 → 使用 venue-templates 技能
  • 会议论文 → 使用 venue-templates 技能
  • 学术论文 → 使用机构模板

scientific_report.sty 样式包提供：

特性描述
排版Helvetica 字体家族，呈现现代、专业的外观
配色方案专业的蓝色、绿色和强调色
框环境用于关键发现、方法、建议、局限性的彩色盒子
表格交替行颜色、专业表头
图形一致的标题格式
科学命令p 值、效应量、置信区间的快捷方式

用于内容组织的框环境：

latex
% 关键发现（蓝色）- 用于重大发现
\begin{keyfindings}[Title]
包含关键发现和统计量的内容。
\end{keyfindings}

% 方法论（绿色）- 用于方法亮点
\begin{methodology}[Study Design]
方法和程序的描述。
\end{methodology}

% 建议（紫色）- 用于行动项
\begin{recommendations}[Clinical Implications]
\begin{enumerate}
    \item 具体建议1
    \item 具体建议2
\end{enumerate}
\end{recommendations}

% 局限性（橙色）- 用于注意事项和警告
\begin{limitations}[Study Limitations]
局限性及其影响的描述。
\end{limitations}

专业表格格式化：

latex
\begin{table}[htbp]
\centering
\caption{结果摘要}
\begin{tabular}{@{}lccc@{}}
\toprule
\textbf{变量} & \textbf{处理} & \textbf{对照} & \textbf{p} \\
\midrule
结局1 & \meansd{42.5}{8.3} & \meansd{35.2}{7.9} & <.001\sigthree \\
\rowcolor{tablealt} 结局2 & \meansd{3.8}{1.2} & \meansd{3.1}{1.1} & .012\sigone \\
结局3 & \meansd{18.2}{4.5} & \meansd{17.8}{4.2} & .58\signs \\
\bottomrule
\end{tabular}

{\small \siglegend}
\end{table}

科学符号命令：

命令输出目的
\pvalue{0.023}p = 0.023P值
\psig{< 0.001}p = < 0.001显著P值（加粗）
\CI{0.45}{0.72}95% CI [0.45, 0.72]置信区间
\effectsize{d}{0.75}d = 0.75效应量
\samplesize{250}n = 250样本量
\meansd{42.5}{8.3}42.5 ± 8.3均值±标准差
\sigone, \sigtwo, \sigthree*, **, ***显著性星号

入门：

latex
\documentclass[11pt,letterpaper]{report}
\usepackage{scientific_report}

\begin{document}
\makereporttitle
    {报告标题}
    {副标题}
    {作者姓名}
    {机构}
    {日期}

% 您的内容，使用专业格式化
\end{document}

编译：使用 XeLaTeX 或 LuaLaTeX 以正确呈现 Helvetica 字体：

bash
xelatex report.tex

有关完整文档，请参阅：

  • assets/scientific_report.sty：样式包
  • assets/scientific_report_template.tex：完整模板示例
  • assets/REPORT_FORMATTING_GUIDE.md：快速参考指南
  • references/professional_report_formatting.md：综合格式化指南

9. 期刊特定格式化

根据期刊要求调整稿件：

  • 遵循作者指南的结构、长度和格式
  • 应用期刊特定的引文样式
  • 满足图形/表格规格（分辨率、文件格式、尺寸）
  • 包括所需的声明（资助、利益冲突、数据可用性、伦理批准）
  • 遵守每个章节的字数限制
  • 当提供时，根据模板要求格式化

10. 领域特定语言和术语

根据特定的科学学科调整语言、术语和惯例。每个领域都有既定的词汇、首选用词和领域特定惯例，这些标志着专业知识并确保目标受众的清晰度。

识别领域特定的语言惯例：

  • 回顾目标期刊近期高影响力论文中使用的术语
  • 注意领域特定的缩写、单位和符号系统
  • 识别首选术语（例如，“participants”与“subjects”，“compound”与“drug”，“specimens”与“samples”）
  • 观察方法、生物体或技术的典型描述方式

生物医学和临床科学：

  • 使用精确的解剖和临床术语（例如，在正式写作中用“myocardial infarction”而非“heart attack”）
  • 遵循标准化的疾病命名法（ICD、DSM、SNOMED-CT）
  • 指定药物名称时先用通用名，必要时括号内注明品牌名
  • 临床研究使用“patients”，社区研究使用“participants”
  • 遵循人类基因组变异协会（HGVS）命名法表示遗传变异
  • 以标准单位报告实验室值（大多数国际期刊使用SI单位）

分子生物学和遗传学：

  • 基因符号用斜体（例如，TP53），蛋白质用正体（例如，p53）
  • 遵循物种特异性基因命名法（人类大写：BRCA1；小鼠句首大写：Brca1）
  • 首次提及时指定生物体全名，之后使用公认缩写（例如，Escherichia coli，然后E. coli）
  • 使用标准遗传符号（例如，基因型用+/+, +/-, -/-）
  • 对分子技术使用既定术语（例如，“quantitative PCR”或“qPCR”，而非“real-time PCR”）

化学和制药科学：

  • 遵守IUPAC化学化合物命名法
  • 新颖化合物使用系统名，已知物质使用通用名
  • 使用标准符号指定化学结构（例如，数据库用SMILES、InChI）
  • 用适当单位报告浓度（mM、μM、nM 或 % w/v、v/v）
  • 使用公认的反应命名法描述合成路线
  • 与领域定义一致地使用术语，如“bioavailability”、“pharmacokinetics”、“IC50”

生态学和环境科学：

  • 物种使用二名法（斜体：Homo sapiens）
  • 首次提及相关物种时指定分类学权威
  • 使用标准化的栖息地和生态系统分类
  • 对生态指标使用一致的术语（例如，“species richness”、“Shannon diversity index”）
  • 用领域标准术语描述采样方法（例如，“transect”、“quadrat”、“mark-recapture”）

物理学和工程学：

  • 使用国际单位制（SI）及其标准导出单位
  • 对于变量和方程，遵循学科符号惯例（例如，速度用v，频率用f，能量用E，能量用E）
  • 对于数学表达式和引用，采用领域标准格式（例如，方程用\eqref{}）
  • 根据领域期望指定数值精度和有效数字
  • 使用标准技术词汇精确描述方法（例如，不要混淆“accuracy”和“precision”）

与外部工具的协作

此技能与以下工具无缝集成：

  • research-lookup：用于文献检索和参考验证
  • scientific-schematics：用于创建出版质量的技术图表和图形摘要
  • generate-image：用于为概念和场景生成照片级或艺术化插图
  • venue-templates：用于期刊和会议的特定稿件格式化
  • graphing：用于创建标准的数据可视化图表

在开始任何科学写作项目之前，确保这些依赖技能可用并通过 loadSkill 加载。

参考文献

有关更多详细指导，技能中引用了以下参考文件：

  • references/imrad_structure.md：IMRAD格式指南
  • references/citation_styles.md：引文样式参考
  • references/figures_tables.md：图形和表格最佳实践
  • references/reporting_guidelines.md：研究类型报告规范
  • references/writing_principles.md：科学写作原则
  • references/professional_report_formatting.md：专业报告格式化指南

所有参考文件都在技能包中提供，且可由技能命令访问。