cnki-paper

name

cnki-paper

description

中文论文一条龙工作流：以 CNKI（中国知网）为核心文献源，以 PaperSpine V4 单一入口完成配置、文献实采、引用库、动机与贡献确认、逐段蓝图、成稿、审计和 Word/LaTeX 交付。Use this skill whenever the user wants to write, rewrite, or refine a Chinese academic paper (期刊/会议/课程论文/报告) with literature from 知网/CNKI — including 选题打磨、查文献、建引用库、下载 PDF、写初稿、改稿、投稿准备. Trigger on phrases like 写论文、中文论文、知网文献、CSSCI、北大核心、核心期刊、文献综述、引用库、查重前定稿, even if the user does not name CNKI or PaperSpine explicitly. This is the unified entry point for paper-spine and the cnki-* operation skills.

CNKI-Paper：知网 × PaperSpine V4 中文论文工作流

本技能是中文论文的工作流所有者；paper-spine 是唯一 PaperSpine 调用入口，cnki-* 负责知网页面操作，page-evidence 负责页码证据。V3 的 paper-spine-* 平铺 worker 已随 V4 移除，不作为调用入口。

本文件只保留路由、硬门与铁律。各阶段的进入条件、必备工件、检查脚本与回炉路径，唯一权威是 references/workflow-playbook.md（阶段 0–8）——执行任何阶段前先读它的对应章节，不要凭本文件的路线概述直接开工。

浏览器适配：所有 CNKI 页面操作通过 chrome-devtools MCP（mcp__chrome-devtools__* 工具）执行，具体动作由各 cnki-* 技能给出。MCP 或 cnki-* 技能不可用时报告阻塞，不得静默跳过 CNKI 实采。

指导思想：三问优先

三问的次序是全套件质量判准（判准全文与判例见 references/three-questions-standard.md，操作化硬门见 references/research-quality-protocol.md）：

1. 已经获得了哪些知识？——research / citation 阶段回答；题名命中不是知识。
2. 还要认识什么？——motivation / contribution 阶段回答；复证已知近于零增量，有据翻案是高增量。
3. 如何能够认识？——前两问有解后，build / audit / output 阶段才回答：按主张类型与知识成熟度选设计，并证明确实获得了所声称的知识。

两分法止战：归纳/演绎、定量/定性、深度/广度、诠释/解释、个案/大样本不是质量判准；评审与回炉决定只看设计是否匹配知识状态，不看方法标签。

每次运行的补丁预检

PaperSpine 更新可能覆盖 CNKI 整合块。每次工作流开始、恢复旧任务或更新 PaperSpine 后，都先检查并在必要时重打补丁：

$env:PYTHONUTF8='1'
$Patch = Join-Path $env:USERPROFILE '.claude\skills\cnki-paper\scripts\apply_cnki_patches.py'
python $Patch --check
# 上一条非零退出时：
python $Patch
python $Patch --check

最后一次 --check 未通过就停止，不得带着缺失的 CNKI 整合块继续。

状态机硬门槛

阶段顺序固定为：

research → citation → motivation → contribution → build → audit → output

每进入下一阶段前运行：

$env:PYTHONUTF8='1'
$Gate = Join-Path $env:USERPROFILE '.claude\skills\cnki-paper\scripts\cnki_gate.py'
python $Gate paper_rewriting_output --stage <research|citation|motivation|contribution|build|audit|output> --outputs-dir outputs

门槛失败时必须修复阻塞项；不得继续下一阶段、不得输出“完成”、不得把未过审计的草稿称为终稿。各阶段做什么、产什么工件、跑哪些检查，一律以 references/workflow-playbook.md 对应阶段为准。

三份隔离评审用 Agent 工具并行发子代理（一条消息三个 Agent 调用）；如果当前会话没有可用子代理，主线程必须按相同输入隔离规则产出同名研究/评审工件，不能跳过。

前置条件

依赖	检查方式	缺失时
chrome-devtools MCP	会话内有 mcp__chrome-devtools__* 工具	claude mcp add chrome-devtools -- npx -y chrome-devtools-mcp@latest 后重启；CNKI 登录、机构权限、下载和结果页状态必须复用用户 Chrome
核心技能	技能列表可见 paper-spine、cnki-search、page-evidence	复制本仓库 skills/* 到 ~/.claude/skills/、agents/* 到 ~/.claude/agents/
Python 3	python --version	PaperSpine 与 CNKI gate 脚本依赖
知网下载权限（可选）	详情页显示机构身份或个人已登录	先请用户在原 Chrome 登录或提供机构权限（此通则适用知网、北大法宝等一切订阅库）；用户确认无法提供后，才用详情页/导出元数据并明确证据等级
外文文献（可选）	OpenAlex API 可用	纯中文任务可跳过；需要时用 intl-search（关键词检索＋引文滚雪球＋S2 通道）/ intl-export 补充
选刊/按刊适配（可选）	技能列表可见 journal-fit	目标刊未定、考虑改投或需按刊改稿时用；229 刊 pack 索引与协议见该技能
PyMuPDF（可选）	python -c "import fitz"	pip install pymupdf；仅本地 PDF 页码定位需要。双栏/长 PDF 找支撑句可加装 pymupdf4llm（多栏阅读顺序+表格+按页 OCR，见 cnki-operations.md §9）
lxml（可选）	python -c "import lxml"	pip install lxml；仅 docx OOXML 修复需要

工作流路线

细节一律见 references/workflow-playbook.md 同名阶段；此处只给路线与硬门。

1. 配置与恢复 — 进入 paper-spine 先执行 resume/progress 检查；建 paper_spine_config.json，至少锁定 scene、tier、output_language=zh、目标期刊、材料目录、Word/LaTeX 需求与引用体例。
2. research — 主线程完成 CNKI 实采（期刊情报、本刊范文、核心刊 SOTA、摘要/详情页与必要全文）与官方网络经验材料检索；按 references/topic-induction-deduction.md 跑四层输入与归纳—演绎循环，topic_induction_deduction_matrix.md 过检后才生成动机选项。选题输入不引用用户既往论文与手稿，除非用户本轮明确要求延续（既往稿件隔离）。
3. citation — 向用户确认动机前先建 citation_support_bank.md：12 列契约、默认 60+ 候选、约 80% 近三年、至少 citation_target_count 条 final-source 且有从摘要/详情页/全文核验出的支撑句；candidate-only 不得用于写作。外文走 intl-search / intl-export 入同一张表。
4. motivation（用户硬门） — 呈现 2–4 个差异化选项（归纳/演绎依据、反证条件、撞车风险、材料可行性、推断边界）；用户明确选择后写 confirmed_motivation.md，再按 references/research-quality-protocol.md 建 knowledge_design_matrix.md 并过检。不得替用户确定选题。
5. contribution — 写 confirmed_contribution.md 并通过 contribution_check.py，与知识—设计矩阵一致。没有确认贡献，不做蓝图、改写或正文。
6. build — 先产蓝图、逐段理据矩阵、证据库等规划工件（结果承重场景加 results_validation.md），再写正文；完整正文形成后按 references/academic-prose.md 五遍改稿（prose_mode=distinguished 加洞见—思想—文气—声音增强遍），全部结果写入唯一工件 academic_prose_audit.md，终遍做独立读者复述。不得先做同义词替换或格式润色。
7. audit — 运行 academic_prose_check.py --require-manuscript --write、复跑两个推理检查、V4 各审计、三份隔离评审与 reviewer_audit.md；中文顶刊在 structured_review.py --dispatch 后跑 scripts/splice_anatomy_rubric.py <outdir> 把顶刊量规拼进 contribution 评审提示词再发代理。承重维度任一为 0 即回炉，回炉走抬档路径（重做论证 / 补证据 / 收窄主张三选一），别用对抗式自检把稿子掏空。所有页码引注同步走 page-evidence 审计。
8. output — 仅审计通过后交付；中文主产物 final_paper/paper.zh.docx，其他格式由配置决定。无 TeX 引擎时用本技能 scripts/tex2docx/ 出 Word；投稿前 OOXML 级格式修复用 scripts/docx_fixup/docx_normalize.py（规则见 references/docx-format-fixes.md）。最后复跑 progress_check.py --gate final_audit 与父技能 output gate。

中文期刊体例与“人工化”

• 引文样式由配置和目标刊驱动（脚注制、顺序编码制、著者—出版年制等），不得把上游英文模板中的纯数字显示规则硬编码到中文论文；无论外观为何，引文都必须与真实参考文献条目可追踪关联。
• 中文学术文笔统一读取 references/academic-prose.md；目标刊风格由 references/top-journal-anatomy.md 与 style_profile.md 约束，AIGC 风险诊断最后才读取 paper-spine/references/platform-cnki.md。顺序不可倒置，也不得用检测指标替代论文质量。所谓 CNKI 人工化只指有证据约束的学术表达优化，不承诺规避检测，也不承诺达到任何 AIGC 分数或投稿通过率。

五条铁律

1. 知网交互只在主线程做。 验证码只有用户能处理；遇 captcha 立即暂停，请用户在原 Chrome 标签页完成，再重试一次。
2. 下载最小化。 下载会抬高风控；先筛选、后下载，只下载工作流真正选定且需要全文核证的文献，并事先告知预计验证码次数。
3. 绝不伪造。 引用必须来自登记过的 CNKI 页面、导出元数据、全文或可靠原典；页码引注必须有 A/B/C 分级证据。C 级只作工作稿三角旁证，保留 VERIFY 并阻断 audit/output；进入终稿前必须补成 A/B 级，或删除、改写该页码式主张。最终正文不得残留 VERIFY。
4. 方法服从问题与知识状态。 不预设定量高于定性、因果高于描述或演绎高于归纳；先判断已经知道什么、还缺什么，再选择能提供必要比较、变异、反事实、过程证据或规范推理的设计（三问判准与设计经验法则见 references/three-questions-standard.md）。
5. 记忆只生成候选，归纳演绎必须循环。 模型记忆中的事实线索和学术理论均先标 hypothesis-only/theory-candidate；用网络/CNKI 核验后再进入论证。经验研究必须公开先验理论视角，理论推导必须给出可观察预期和反证条件；只收集支持材料或只复述理论前提都不能过选题门。

实证研究分支

本技能负责“查文献 → 写论文”。若论文包含回归、因果推断、定性编码、QCA、过程追踪或文本分析，把“做研究”交给 empirical-research 及其方法分支；方法分支只生产可复现证据，结果必须回填 PaperSpine 的 evidence/result register 与 results_validation.md 后才能进入正文。

实战经验索引

• 三问判准、因果四要件、设计经验法则与两分法止战（指导思想）：references/three-questions-standard.md
• 知网导航、检索、导出、验证码、下载与脚本兼容：references/cnki-operations.md
• V4 阶段、工件与回炉路径：references/workflow-playbook.md
• 选题阶段的四层输入与归纳—演绎循环：references/topic-induction-deduction.md
• 研究质量三问、六类主张与设计匹配：references/research-quality-protocol.md
• 中文顶刊八维解剖与量规：references/top-journal-anatomy.md
• 中文学术文笔：五遍改稿、增强遍与读者复述门：references/academic-prose.md
• Word 投稿格式修复：references/docx-format-fixes.md
• 页码证据：page-evidence 技能

与上游 PaperSpine V4 的关系

• paper-spine 是唯一上游入口；V4 的阶段说明、角色卡和脚本都位于该技能的 references/、agents/ 与 scripts/ 下。
• CNKI 整合块以 <!-- CNKI-INTEGRATION --> 标记写入 V4 的核心编排、研究、引用、构建、改写、审计文档与写作评审角色卡；上游覆盖安装后必须重新运行 apply_cnki_patches.py（--check 查状态、--remove 卸载、--skills-dir <目录> 指定要打的技能根）。
• 本技能是 CNKI 适配层的权威：它可以收紧上游的来源核验、中文期刊体例、页码证据和完成门槛，但不得绕过 V4 的 Contribution-First、Results-as-Validation、Reviewer-Aware 三项硬门。