| name | thu-thesis |
| description | 清华大学毕业论文 Word → PDF 一键格式规范化工具。输入任意 Word (.docx) 格式的清华毕业论文，自动转换为符合清华 thuthesis 官方 LaTeX 模板规范的高质量 PDF。适用于所有清华学位论文（MBA/学硕/专硕），一条命令搞定。功能：自动提取章节结构、中英文摘要、参考文献（自动生成 BibTeX）、图片（含 caption）、表格（含表头和标题）、致谢、个人简历；自动生成符号和缩略语说明（含孤儿缩略语检测与正文首次出现处自动补写）；自动生成插图清单和附表清单；输出完整 thuthesis LaTeX 项目并编译为 PDF，最终 PDF 复制到 Word 原文件同目录。运行时依赖：python-docx、jinja2、xelatex/bibtex（TeX Live）；setup.sh 会从 GitHub 克隆 thuthesis 到 /tmp/thuthesis-latest；脚本仅读写技能 workspace 及临时目录，不访问无关系统配置或网络端点（仅访问 thuthesis GitHub 仓库）；macOS 下自动用 open 打开生成的 PDF；外部命令：xelatex、bibtex、git。Use when: 用户需要把 Word 格式的清华毕业论文转为规范 PDF，或需要对毕业论文做格式规范化处理。 |
清华 MBA 论文 Word → PDF 一键转换
⚠️ 核心操作原则（不得违反）
只从 Word 中提取信息，不修改 thuthesis 模板格式。
- thuthesis 的封面、页眉、目录、参考文献、图表样式等，全部由
thuthesis.cls 自动生成
- 脚本只负责把 Word 里的内容（标题、摘要、章节、图表、参考文献等）提取出来填入
.tex 文件
- 若 Word 中某字段缺失，对应 LaTeX 字段留空，不删除、不跳过、不用占位符替代
- 任何格式上的"改进"都必须以
assets/databk/ 中的官方示例为准，不得自行发挥
格式参考：assets/databk/
assets/databk/ 是从官方 thuthesis 项目备份的原始示例 data 文件，是本工具一切格式决策的黄金标准：
| 文件 | 参考内容 |
|---|
chap01.tex ~ chap04.tex | 正文章节、三线表、图片、公式格式 |
abstract.tex | 中英文摘要格式 |
denotation.tex | 缩略语/符号说明格式 |
acknowledgements.tex | 致谢格式 |
resume.tex | 个人简历格式 |
committee.tex | 答辩委员会名单格式 |
comments.tex | 导师评语格式 |
resolution.tex | 答辩决议书格式 |
遇到任何格式问题，先查 databk/ 里的对应文件，再动代码。
初次使用：拉取 thuthesis 格式参考
首次使用前必须运行一次：
SKILL_DIR="${WORKSPACE}/skills/thu-thesis"
bash "$SKILL_DIR/scripts/setup.sh" "$SKILL_DIR"
这会从 GitHub 拉取最新 thuthesis 源码，将 data/ 目录复制到 assets/databk/ 作为格式参考基准，并将 thuthesis.cls 等类文件缓存到 /tmp/thuthesis-latest/。databk/ 不打包进 skill，每次按需拉取最新版。
依赖
pip3 install python-docx jinja2
一键转换
SKILL_DIR="${WORKSPACE}/skills/thu-thesis"
python3 "$SKILL_DIR/scripts/convert.py" <输入.docx> [输出目录]
python3 "$SKILL_DIR/scripts/convert.py" "论文.docx" /tmp/my-thesis
完成后自动打开 PDF。
四步流程（含评测与自动修复）
input.docx
↓ Step1 parse_docx.py → output/parsed_*.json + output/figures/（图片）
↓ Step2 render.py → <output_dir>/thesis.tex + data/*.tex + ref/refs.bib + figures/
↓ Step2.5 _auto_cite_missing() → 关键词匹配补 \cite；无匹配用 \nocite 兜底（100%覆盖）
↓ Step3 xelatex→bibtex→xelatex×2~3 → <output_dir>/thesis.pdf ✅
↓ Step4 evaluate.py → evaluation_report.md（33项 Rubric 评测）
↓ Step5 自动修复 → 发现可修复问题，立即重新执行受影响步骤，不询问用户
转换完成后 PDF 自动复制到 Word 原文件同目录（同名 .pdf）。
Step 5：评测后自动修复（不询问用户）
评测结果出来后，立即判断哪些问题可以工具修复，直接修复，无需等待确认。
可自动修复的问题（立即修复）
| 问题 | 修复方式 |
|---|
| 封面 title 被误识别（如答辩委员会名单被当成标题） | 修 parse_docx.py → 重跑 convert |
| BibTeX author/title 字段为空 | 修 render.py 解析逻辑 → 重跑 render + compile |
| B4 节级标题检测失败（数据结构问题） | 修 evaluate.py 检测逻辑 |
| C4 BibTeX 条目数不匹配（解析漏条目） | 检查 refs.bib，修 render.py → 重跑 |
| C7 author-year 引用未转 \cite（有 bib key 可匹配） | 修正则 → 重跑 render + compile |
| LaTeX 编译报错（& 转义、特殊字符等） | 修 render.py 转义逻辑 → 重跑 compile |
不可自动修复的问题（保留 WARN，报告说明）
| 问题 | 原因 |
|---|
| 表格/图片无 caption | Word 原文本来就没有，工具无中生有 |
| 孤儿缩略语无解释 | Word 原文未定义，只能标注待补充 |
| C5 文献未被正文引用 | Word 正文本来就没引用，已用 \nocite 兜底 |
| C7 author-year 匹配失败（无 bib key） | 姓名简称/别名无法映射，原文限制 |
| committee/comments/resolution 占位 | 答辩后才有内容，无法提前填写 |
修复循环规则
- 发现可修复问题 → 修复脚本 → 重跑受影响步骤 → 重新评测
- 循环最多 3 次，防止无限循环
- 每次修复后报告「修复了什么」和「新评分」
- 最终仍有 WARN 的不可修复项，报告中注明「原始 Word 内容限制，无法自动修复」
Rubric 评测（evaluate.py）
每次 convert 完成后自动运行，也可单独调用：
SKILL_DIR="${WORKSPACE}/skills/thu-thesis"
python3 "$SKILL_DIR/scripts/evaluate.py" <parsed.json> <latex_dir>
评测报告保存到 <latex_dir>/evaluation_report.md。
评分制度
- 必要项（满分3分）：PASS=3分，WARN=1.5分，FAIL=0分；有必要项FAIL时整体不通过
- 重要项（满分2分）：PASS=2分，WARN=1分，FAIL=0分
- 亮点项（满分1分）：PASS=1分，WARN=0.5分，FAIL=0分
- 失误扣分项（满分0）：错误1处扣1分，最多扣10分（如C6 cite内容关联性）
- NA项：无图/无表等不适用场景，跳过不计入分母
- 最终给出：总分 / 满分（百分比）+ 优秀≥90% / 良好≥75% / 合格≥60% / 不合格
报告要求（重要！）
所有扣分项必须在报告中写明扣分原因备注，包括：
- ❌ FAIL项：说明具体缺失或错误内容（不能只写"缺失"）
- ⚠️ WARN项：说明半分原因和建议修复方法
- ➖ DEDUCT项：说明每处扣分的具体位置和内容
- 明细表说明列不截断，完整输出原因
评测维度（33项）
| 维度 | 项数 | 检查内容 |
|---|
| A. 内容-元信息 | 7项 | 中英文标题、作者、导师、培养单位、日期 |
| A. 内容-摘要 | 4项 | 中英文摘要内容量、关键词数量 |
| B. 内容-正文 | 4项 | 章节结构、.tex文件、文字总量、节级标题 |
| C. 参考文献 | 6项 | 列表完整、BibTeX生成、author/title字段、PDF条目数、引用覆盖率、C6 cite内容关联性抽检（失误扣分）、C7 author-year行文引用规范（关键失误） |
| D. 图片 | 3项 | 提取数量、caption、LaTeX渲染 |
| E. 表格 | 3项 | 提取数量、三线表格式、caption |
| F. 缩略语 | 2项 | 缩略语表生成、孤儿缩略语标注 |
| G. 附件 | 2项 | 致谢、个人简历 |
| H. 编译 | 3项 | PDF已生成、无LaTeX Error、thusetup格式 |
C6 cite内容关联性抽检说明
- 机器代理：bib字段（author+title均为空）→ 不可追溯，扣1分/处，最多扣10分
- 抽检报告：每次评测随机抽10个cite，输出「上下文 + 文献信息 + 人工核查勾选框」
- 人工核查后如发现错误关联，额外在备注中记录并手动扣分
SKILL_DIR="${WORKSPACE}/skills/thu-thesis"
python3 "$SKILL_DIR/scripts/parse_docx.py" <input.docx> [output_dir]
提取内容到 JSON：封面元数据、中英文摘要+关键词、章节结构（Heading1/2/3）、图片（提取到 output/figures/）、表格（表头+行数据+caption）、参考文献、致谢、个人简历。
封面字段提取规则（表格格式封面）：
- 合并单元格每行去重，只取第一次出现的值
- 字段名和值在同一单元格（"培养单位：经济管理学院"）或相邻列（"指导教师" | "肖勇波教授"）均支持
- 导师格式化为"姓名, 职称"（thuthesis 要求）
- 字段缺失时留空，不强制填充
- 中文日期支持：二○二五年、二〇二五年、2025年 等多种写法
图片 caption 提取规则（优先级）：
- 段落自身文本以"图"开头（图文在同一段落）
- 后面紧跟 Caption1 样式段落
- 后面2段内有 Normal/"图"开头的段落
- 前面4段内有 Caption1 或 Normal/"图"开头的段落
表格 caption 提取规则：
- 先向前查3个 body element，找 Normal/"表"开头或 Caption1
- 再向后查3个 body element（表格后才有 caption 的情况）
正文样式兼容列表： Body Text、Normal、List Paragraph、段落（不同 Word 模板会用不同样式名）
Step 2: render.py — 按模板填充，不改格式
SKILL_DIR="${WORKSPACE}/skills/thu-thesis"
python3 "$SKILL_DIR/scripts/render.py" <parsed.json> <output_dir>
渲染顺序（严格按此顺序，不能乱）：
- 复制 thuthesis.cls 等类文件 + 图片
- thusetup.tex（封面元数据）
- abstract.tex
fix_orphan_abbrevs(data)：孤儿缩略语补写（必须在章节渲染前！）generate_bibtex(refs, output_dir)：Word 参考文献列表 → ref/refs.bib（BibTeX 格式）- 各章节 chap0N.tex（正文中
[N] / [N,M] / [N-M] 自动转换为 \cite{key}）
- acknowledgements.tex、resume.tex
- denotation.tex（缩略语表）
- 占位文件：committee.tex、comments.tex、resolution.tex
表格格式（严格遵循 databk/chap02.tex 的三线表标准）：
\begin{table}[htbp]
\centering
\caption{表题}
\begin{tabularx}{\textwidth}{*{N}{X}}
\toprule
表头1 & 表头2 \\
\midrule
内容1 & 内容2 \\
\bottomrule
\end{tabularx}
\end{table}
- 无竖线，三线（toprule/midrule/bottomrule）
tabularx + *{N}{X} 自动分配列宽，防止超出页面- caption 在表格上方
Step 3: 编译 PDF（xelatex → bibtex → xelatex × 2）
convert.py 自动运行完整 BibTeX 编译流程：
xelatex（生成 .aux，含 \citation 记录）bibtex（根据 .aux 从 refs.bib 生成 .bbl）xelatex（把参考文献 .bbl 写入 PDF）xelatex（稳定目录/交叉引用）- 若 toc 仍变化，自动补第5次
参考文献处理
Word 原文格式 → BibTeX 自动转换：
render.py 内置规则 based 解析器，自动识别 @article / @book / @misc- BibTeX key 格式：
作者姓拼音 + 年份 + 关键词（全 ASCII，无中文）
- 正文中
[10] → \cite{venkatraman1994venkatraman}，支持 [1,2,3] 和 [1-3] 范围
- 文献综述等章节的 author-year 行文引用自动识别并补
\cite：
曹玉（2025）分析了... → 曹玉（2025）\cite{cao2025aigc}分析了...BiyuTang（2023）指出... → BiyuTang（2023）\cite{tang2023aigcfilm}指出...葛文婕和任海全（2025） → 多作者取第一作者姓匹配- 支持：中文全角括号
（年）、英文半角括号 (年)、CamelCase 拼音名
- 匹配失败（文献库无对应条目）时保留原文，rubric C6 会警告
- 输出文件：
<output_dir>/ref/refs.bib，包含编号→key 映射注释表
已知限制：
- 网络资源（
[EB/OL]）title/author 字段依赖原文是否规范
- 原文引用编号超出参考文献总数时（如 [44] 但只有 43 条），bibtex 会警告 undefined
缩略语处理
已知缩略语提取（三种正则，词典优先覆盖）：
XXX（中文解释）中文名称（XXX）Full English Name (XXX)（校验首字母匹配）
内置 MBA 词典 40+ 词条，词典结果覆盖正则结果。
孤儿缩略语（出现≥2次但无解释）：
- 正文第一次出现处插入
XXX（待补充全称）
- denotation.tex 中标注
% ← 请人工填写完整解释
已知限制
- SVG 图片跳过（xelatex 不原生支持）
- committee.tex / comments.tex / resolution.tex 为占位，需手工填写
.doc 格式需先用 textutil -convert docx 转换（macOS 自带），但转换后段落样式会丢失，标题层级靠字体大小推断（实验性）
文件说明
| 路径 | 说明 |
|---|
scripts/convert.py | 一键入口 |
scripts/parse_docx.py | Word 解析 → JSON（只提取，不格式化） |
scripts/render.py | JSON → LaTeX 项目（填充模板，生成 BibTeX） |
assets/templates/*.j2 | Jinja2 模板（6个） |
assets/databk/ | thuthesis 官方格式示例，格式决策唯一参考 |
thuthesis 配置（MBA 专业硕士）
\thusetup{
degree = {master},
degree-type = {professional},
degree-category = {工商管理硕士},
degree-category* = {Master of Business Administration},
department = {经济管理学院},
}
