القائمة
专业的学术论文图片描述功能，用于对各类论文插图（地图、流程图、数据图表、概念示意图等）进行科学性、学术性的叙述。采用「正文为核心、图片为佐证」原则。适用于用户需要为论文插图撰写正文中的学术描述时。课题无关；领域术语由用户或项目写作指南提供。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
学术写作一体化技能，含两种模式。(1) 格式化/润色：段落级学术润色、术语统一、公式规范化、逻辑优化，输出到草稿目录；(2) 人味化：中英文人味化改写、减弱模板化表述，可选检测脚本。对论文正文进行润色或改写时，**默认应用 humanizer-zh 风格规则**。默认输出目录见仓库根 README.md；学术诚信见 DISTRIBUTION.md。
智能章节结构重构技能，针对学术论文整个章节的写作思路、逻辑架构、内容组织进行深度分析与系统性重构。通过分析章节意图、解构句子含义、重新梳理写作逻辑，对章节进行学术级整体改写。适用于章节逻辑主线不清晰、组织混乱、表达不规范、素材利用不充分等场景；常见于方法章、模型章、实验/案例章等需要整体重塑的篇幅。
智能公式规范化技能，提供数学公式格式标准化、符号一致性检查、公式风格转换等功能，以及学位论文中经典算法对比描述的通用模板生成。适用于：Markdown文档中数学公式的规范化处理、全文符号一致性检查、算法对比描述的学术写作等场景。
从学位论文目录下的主 .tex（默认 Thesis.tex）使用 XeLaTeX 与 BibTeX 编译 PDF。适用于「编译论文」「生成 PDF」「XeLaTeX 编译」等；也可编译同目录下的 Beamer 汇报稿（默认 ThesisPresentation.tex）。路径占位符见仓库根 README.md。
文献全链路技能。前置：多源导出题录合并与去重（见 references/multi-source-retrieval.md）。四种模式：(1) 检索；(2) 阅读与综述；(3) LaTeX 插入 \cite{}；(4) 生成 BibTeX。另见 non-zotero-bibliography.md（EndNote/Word 等）。系统综述筛选与 PRISMA 见 systematic-review-lite 技能。
Generates clean, publication-ready flowcharts as SVG code. Use when the user asks to draw a flowchart/流程图, requests SVG flowchart output, or needs a论文风格流程图 from steps/decisions/modules. Supports converting from structured text, natural language, or JSON spec to SVG; optional SVG-to-PDF export for LaTeX. Produces academic, low-saturation styling and can save SVG/PDF files into the repo.
استنادا إلى تصنيف SOC المهني
| name | image-description |
| description | 专业的学术论文图片描述功能，用于对各类论文插图（地图、流程图、数据图表、概念示意图等）进行科学性、学术性的叙述。采用「正文为核心、图片为佐证」原则。适用于用户需要为论文插图撰写正文中的学术描述时。课题无关；领域术语由用户或项目写作指南提供。 |
本技能为学位论文或期刊论文中的插图提供符合规范的叙述方式，采用「正文为核心，图片为佐证」的学术写作原则：将图示信息融入论证链条，作为支持论点的证据，并与全篇逻辑一致。具体学科主题（如交通、医学、材料等）由用户给定，技能不假设某一固定课题。
当用户需要描述论文中的图片时，请按照以下步骤操作：
为说明本文提出的优化流程，图 X-X 给出了从输入数据到输出结果的计算步骤。流程首先完成输入校验与预处理，随后在迭代环节中更新决策变量直至满足收敛准则，最后输出可行解及对应指标。该流程与第 X 节中的形式化描述一致，便于读者对照算法伪代码理解实现顺序。
图 X-X 对比了若干基线方法与本文方法在主要评价指标上的差异。横轴为实验条件或实例编号，纵轴为归一化后的目标值或误差。可见在多数设置下，本文方法较对比方法具有更优的均值与更小的离散程度；误差线（若图中给出）表明结果具有一定稳定性。该结果与第 X 节的理论分析相呼应，为后续讨论提供了实证支撑。
（具体数值、方法名与图号由用户按真实论文替换，勿虚构。）
此技能为纯文本处理技能，不需要额外的脚本或资源文件。所有功能均基于大语言模型的语言能力，专注于文本内容的学术处理和优化。
