القائمة
为情报学领域的学术论文撰写"相关研究/相关工作"部分（中文短综述）。 在给定论文框架的基础上，按主题分小节组织文献综述，梳理研究脉络， 引用代表性工作，指出现有研究不足，并自然过渡到本文研究。 触发词："相关研究"、"相关工作"、"文献综述"、"related work"、 "撰写综述部分"、"写相关研究"。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
为中文学术论文生成结论（结语）和结构化摘要。当用户提供一篇完整或接近完整的学术论文（缺少结论和/或摘要），并希望生成这两个部分时，使用此技能。触发场景包括：用户要求"写结论"、"写摘要"、"补充论文的结论和摘要"、"帮我完成论文最后部分"、"生成论文摘要"、上传论文PDF/Word并要求补全结论摘要、或者任何涉及学术论文结论与摘要撰写的请求。即使用户只提到其中一个（仅结论或仅摘要），也应触发此技能，因为两者通常需要协同撰写。此技能专注于中文社科/信息科学类论文风格，但也适用于其他学科的中文论文。
根据已有的论文框架和实验结果，撰写情报学（信息科学）中文学术论文的实验部分。当用户提到"写实验部分"、"撰写论文实验"、"生成实验章节"、"写论文的实验与结果"、"补充实验内容"、"中文论文实验部分"等，或者用户提供了实验数据/结果并希望据此撰写规范的中文学术论文实验章节时，务必使用此skill。也适用于用户上传了论文框架、实验数据表格、评测指标结果，要求生成符合《数据分析与知识发现》《情报学报》《中国图书馆学报》等中文情报学核心期刊风格的实验部分。即使用户只是说"帮我把实验结果写成论文"或"润色实验部分"，也应当触发此skill。重要：必须生成完整的论文文段，严禁使用分点、列表或提纲形式呈现，要像正式发表的期刊论文一样以流畅连贯的段落文字展开论述。
根据论文结构和要求生成约1000字的引言，按照"背景和问题-现有方法和存在问题-本文方法和解决问题"的逻辑顺序撰写。
当给定论文结构，需要撰写学术论文、研究报告、学位论文的"方法框架"（Methodology / Method）部分时使用本技能。该技能生成完整的方法论文段（约2500字），按照"整体架构-各模块方法逐个展开"的逻辑顺序撰写，以连贯的学术 prose 形式呈现，不使用列点或清单形式。
根据核心创新点、研究内容和实验结果生成情报学论文逻辑流程图和大纲，提供引言、研究综述、方法框架、实验验证、结论与展望五个部分的撰写逻辑和框架结构（其中引言和结论与展望不分小点），适用于情报监测、智能综述、科研热点追踪、文献精读等情报学研究场景
Orchestrate the full workflow of AI-assisted academic paper writing. Use this skill whenever the user mentions writing a paper, drafting a manuscript, academic writing, or thesis writing. Also trigger when the user mentions outline generation, literature review, paper sections (introduction, method, experiment, conclusion, abstract), or converting a paper draft to Word format. This is the master coordinator — it calls sub-skills (paper-outline-generator, paper-introduction-generator, paper-related-work-generator, paper-method-generator, paper-experiment-generator, paper-conclusion-abstract-generator) in sequence. Always use this skill first, even if the user only asks to write one section.
| name | paper-related-work-generator |
| description | 为情报学领域的学术论文撰写"相关研究/相关工作"部分（中文短综述）。 在给定论文框架的基础上，按主题分小节组织文献综述，梳理研究脉络， 引用代表性工作，指出现有研究不足，并自然过渡到本文研究。 触发词："相关研究"、"相关工作"、"文献综述"、"related work"、 "撰写综述部分"、"写相关研究"。 |
| metadata | {"author":"user","version":"2.0.0"} |
| allowed-tools | ["Read","Write","Edit","Glob","Grep","Bash","WebSearch","WebFetch","Task","mcp__arxiv-mcp-server__search_papers","mcp__arxiv-mcp-server__download_paper","mcp__arxiv-mcp-server__read_paper","mcp__pubmed-mcp-server__pubmed_search_articles","mcp__zotero__zotero_search_items","mcp__zotero__zotero_get_item_fulltext","mcp__zotero__zotero_get_collections","mcp__zotero__zotero_get_collection_items"] |
在给定论文框架的基础上，为情报学领域论文撰写高质量的"相关研究/相关工作"章节（中文短综述）。
文献必须紧扣小节标题和核心观点：
按主题分小节，而非按时间线罗列。
典型分节方式（以论文1为例）：
2 相关研究
2.1 政策文本的相关定量研究 ← 研究对象维度
2.2 政策文本检索的相关研究 ← 技术方法维度
典型分节方式（以论文2为例）：
1 相关工作
1.1 预训练语言模型在科技情报领域的应用 ← 已有技术路线
1.2 大模型推理端应用策略及能力评测 ← 本文采用的技术路线
必须先归类组织，再撰写：
（1）xxx方法、（2）yyy技术。（1）基于传统预训练模型的探索
- 概述：说明前人发现该类方法对特定问题有效，但在某些方面存在盲点。
- 文献A：BERT在面向学术文本的关键词语义功能识别中的应用...
- 文献B：BERT在关键词生成任务中的应用...
（2）大语言模型方法的引入与改进
- 概述：别人研究发现大模型确实有利于提升性能，但未考虑到复杂垂域适配问题，本文针对此进行改进。
- 文献E：小样本学习和提示学习方法在低资源场景的应用...
- 文献F：复杂方法推动信息资源建设的升级...
类与类之间必须自然过渡：
**示例1（按技术发展）：**
早期的BERT模型虽然在科技文献文本分类任务中取得了良好效果[1]，
但其传统的面向下游任务的微调方法难以摆脱对标注数据的依赖，
无法应对低资源、小样本的任务场景[2]。
为此，研究者提出了改进的预训练方法...
**示例2（按方法论）：**
基于规则的方法虽然在特定领域表现稳定[3]，
但其依赖人工特征工程，难以适应领域迁移。
深度学习方法通过学习数据的隐含特征，
有效解决了特征工程的问题[4]，
但其可解释性较差。知识图谱方法...
不同小节之间必须有明确的逻辑衔接，并引用情报学分类的中文文献：
位置选择：
情报学中文文献的使用：
过渡逻辑模板：
**示例（应用侧→技术侧）：**
"可以发现,在科技情报领域,学者对大模型的应用大多发生在推理端,即运用各种指令策略引导模型解决任务。然而,各类大模型在科技文本上的语义理解能力有何差异,如何从推理端发挥大模型在科技情报领域的最大效能,当前尚未有研究对此进行实验论证和结果探讨。对大模型学术文本挖掘能力边界和推理端指令策略的探索,是当前亟待解决的研究问题。"
**示例（传统方法→新方法）：**
“上述研究为政策文本的量化分析提供了重要的参考价值。然而,传统的定量分析方法仍然存在一定的局限性,限制了对政策文本的深层次理解和利用。而本文结合大语言模型和检索增强生成技术, 为政策文本的分析和应用提供新的思路和方法。”
过渡句的核心要素：
述评与结论紧扣：
① 概述该方向的研究脉络，并给出小标题分类（2-3句）
↓
② 按带有小标题的类别组织代表性工作（必须采用 `（1）` `（2）` 的格式）：
（1）第一类方法名称
→ 概述前人证明该方法有效的依据，并自然引出该类别下的代表文献。
→ 具体文献（每项1-2句说明"谁做了什么，用了什么方法，证明了什么"）。
→ 类别小结：别人没有想到的盲点（研究空白）。
↓ 过渡句
（2）第二类方法名称
→ ...
↓
③ 综述小结：指出现有研究未想到的盲点，说明别人发现本文采用的方法确实有利于结果，但由于这些遗漏，本文采用该方法同时进行针对性改进。
关键要求（必须遵守）：
阶段2-3：检索获取≥40篇相关文献
↓
阶段4：严格筛选，剔除不相关、质量低、重复的文献
↓
阶段5：使用筛选后的真实文献撰写综述（最终引用≥20篇）
违规后果：
按照工作流一步步进行，并输出每步结果： references/WORKFLOW.md
1. 最低文献数量
2. 严禁编造文献（学术诚信底线）
3. 文献质量要求
[小标题，例如：（1）基于大模型的特征提取]
[主题句：说明别人研究发现采用此方法确实有利于提升某方面的结果]
→ [代表性工作1：谁做了什么，方法，证明了方法的有效性]
→ [代表性工作2：谁做了什么，方法，同上]
→ [代表性工作3（可选）]
→ [小结/评价：指出别人在研究中没有想到的盲点或局限性，引出本文基于此方法的改进与采用理由]
采用顺序编码制，引用用上标数字表示：
张三等[1]提出了基于深度学习的方法...
已有研究[2,3]表明...
近年来，多位学者对此进行了探索[4-6]...
在综述末尾添加"参考文献"章节，按引用顺序编号列出所有文献，每篇文献均需另起一行。
[序号] 作者. 题名[J]. 刊名, 年, 卷(期): 起止页码.
[1] 张三, 李四, 王五. 基于深度学习的文本分类方法研究[J]. 情报学报, 2023, 42(3): 45-56.
[2] Brown T, Mann B, Ryder N, et al. Language models are few-shot learners[J]. Advances in Neural Information Processing Systems, 2020, 33: 1877-1901.
[序号] 作者. 书名[M]. 出版地: 出版者, 出版年.
[3] 王晓光. 知识图谱: 方法、工具与应用[M]. 北京: 科学出版社, 2022.
[4] Jurafsky D, Martin J H. Speech and Language Processing[M]. 3rd ed. Stanford: Stanford University, 2023.
[序号] 作者. 题名[C]//会议论文集名. 出版地: 出版者, 出版年: 起止页码.
[5] 李华, 赵六. 面向科技情报的知识图谱构建方法[C]//第十八届中国情报学年会论文集. 北京: 中国科学技术情报学会, 2023: 123-130.
[6] Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. Minneapolis: ACL, 2019: 4171-4186.
[序号] 作者. 题名[D]. 保存地: 保存单位, 年份.
[7] 陈明. 基于预训练语言模型的科技文献摘要生成研究[D]. 武汉: 武汉大学, 2022.
[序号] 作者. 题名[EB/OL]. (发布日期)[引用日期]. 获取路径.
[8] OpenAI. GPT-4 technical report[EB/OL]. (2023-03-23)[2024-01-15]. https://arxiv.org/abs/2303.08774.
[9] 中国互联网络信息中心. 第52次中国互联网络发展状况统计报告[EB/OL]. (2023-08-28)[2024-01-10]. https://www.cnnic.net.cn/.
[序号] 标准编号, 标准名称[S].
[10] GB/T 7714-2015, 信息与文献 参考文献著录规则[S].
1-3位作者：全部列出，用逗号分隔
[1] 张三, 李四, 王五.
[2] Smith J, Johnson M.
超过3位作者：列出前3位，加", 等"（中文）或", et al"（英文）
[3] 张三, 李四, 王五, 等.
[4] Brown T, Mann B, Ryder N, et al.
## 参考文献
[1] 张三, 李四. 基于大语言模型的科技情报分析框架研究[J]. 情报学报, 2024, 43(1): 12-25.
[2] Brown T, Mann B, Ryder N, et al. Language models are few-shot learners[J]. Advances in Neural Information Processing Systems, 2020, 33: 1877-1901.
[3] 王五. 知识图谱构建与应用[M]. 北京: 科学出版社, 2023.
[4] Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. Minneapolis: ACL, 2019: 4171-4186.
[5] 李华. 面向科技文献的智能摘要方法研究[D]. 北京: 中国科学院大学, 2022.
[6] OpenAI. GPT-4 technical report[EB/OL]. (2023-03-23)[2024-01-15]. https://arxiv.org/abs/2303.08774.
[7] GB/T 7714-2015, 信息与文献 参考文献著录规则[S].