| name | authorial-rewrite |
| description | Rewrite AI-assisted academic drafts into author-specific, evidence-grounded prose. Use when users need to diagnose machine-like writing, strengthen claim-evidence alignment, or revise AI drafts for academic submission. |
| description_zh | 将 AI 辅助生成的论文草稿重写为更具作者判断、证据支撑和学科特征的学术文本，用于诊断机器腔、加强论点与证据匹配、减少模板化表达，并服务于合规的论文深度修订。 |
Authorial Rewrite
Overview
本 skill 用于把 AI 辅助草稿加工为“真实作者稿”，核心目标不是规避检测，而是提升以下质量：
- 观点来自作者自己的研究问题、材料和判断
- 论断与证据、引文、数据之间存在明确对应关系
- 文本体现学科语境、变量边界、方法意识和局限意识
- 表达摆脱模板化、均质化、空泛化的“机器腔”
默认写作取向如下：
- 言简意赅，避免冗余解释和重复表述
- 简洁凝练，但不牺牲定义、条件与边界
- 逻辑通畅，段落之间有明确承接关系
- 以段落为主，避免将正文写成提纲或清单
- 能通过图表更清楚表达的内容，尽量不用大段重复文字硬写
- 保持学术克制，避免宣传式、口号式和万能结论式表达
如果用户明确要求“降低 AI 率”“绕过 AI 检测”“伪装成人写作”，不要提供规避策略；应改为执行合规重写：要求补充作者观点、原始材料、真实引文和研究边界。
When to Use
- 用户已有 AI 生成的论文初稿，希望重写得更像真实研究者写作
- 用户担心文本过于模板化、空泛、均匀、缺少作者判断
- 用户需要把综述段、讨论段、方法段改写得更有学术辨识度
- 用户希望建立“论点 - 证据 - 分析 - 局限”链条，而不是只改措辞
Typical Signs of AI-Like Academic Writing
优先从下列特征诊断，不要仅凭一句话下结论：
- 句式过度整齐
- 连续多句长度接近
- 高频使用同一连接框架，如“首先、其次、最后”“此外、同时、因此”
- 段内每句都像独立摘要，缺少推进关系
- 抽象词过多，具体对象过少
- 高频出现“促进、提升、优化、赋能、构建、完善”等空泛动词
- 很少交代研究对象、变量口径、样本范围、制度背景
- 结论可替换到任意主题仍基本成立
- 论断与证据脱节
- 先给结论，后文没有相应文献、数据或案例支撑
- 引文只是挂在句末，没有真正参与论证
- 多个判断共用同一条文献，证据粒度失配
- 综述像“文献摘要堆叠”
- 每篇文献一句，只有复述，没有比较、归类和争议识别
- 缺少“已有研究解决了什么，仍遗漏了什么”
- 看不出本文为什么值得继续研究
- 方法与结论写得过满
- 研究局限、识别假设、适用边界写得很弱
- 对方法优点讲得多，对识别风险、内生性、偏误来源讲得少
- 结论口气过强，像宣传文案而不是学术判断
- 列表化表达过重
- 正文频繁出现 Markdown 列表、机械编号和整齐并列短句
- 原本应写成论证段的内容被拆成提纲式要点
- 读起来像汇报提纲或生成式摘要，而不是论文成文
- 风格“无作者”
- 看不出研究立场、问题意识和分析优先级
- 同一段落中可以删去任意一句而不影响结构
- 没有真正的段落中心句和收束句
Non-Goals
以下做法不属于本 skill 推荐路径：
- 单纯做同义词替换
- 刻意制造病句、错别字或不自然表达
- 随机打乱句序来伪装人工痕迹
- 编造文献、数据、案例或访谈材料
- 故意删除论证链条以换取“更不像 AI”
Required Inputs
优先收集以下材料：
- 研究主题、研究问题、所属学科
- 当前草稿或需要重写的段落
- 用户自己的观点、结论倾向或要保留的原意
- 已确认可用的参考文献、数据、案例、表格
- 目标章节类型：引言、综述、方法、实证结果、讨论、结论
如果用户只能提供 AI 初稿，不自行假设研究问题或核心结论，先要求其至少补充以下一项，再开始重写：
- 其本人想坚持的核心判断
- 至少 3 篇真实参考文献
- 研究对象、样本、案例或制度背景
Rewrite Workflow
1. Recover Author Intent
在诊断之前，先从草稿中提取可识别的作者立场——即使不完整也要尝试：
- 本段要回答什么问题
- 作者真正想主张什么
- 该主张依赖哪些证据
- 这段与上一段、下一段是什么关系
若这 4 个元素无法从草稿中恢复，先补”论证骨架”供用户确认，再进入诊断与重写。
2. Diagnose Before Rewriting
基于已提取的作者意图，判断问题属于哪一类：
结构空：有段落外形，但没有中心论点推进证据弱：有观点，但缺证据或证据挂空综述散：文献逐条罗列，缺少主题整合方法满：只讲优点，不讲假设与局限结论虚：只有正确废话，没有研究边界
给出 2–4 个主要问题，再进入重写。不要直接整段改写而不说明病灶。
3. Rebuild the Paragraph Logic
优先使用以下段落骨架，而不是平均分布的信息拼接：
- 中心句：提出本段唯一核心判断
- 展开句：说明该判断成立的机制、条件或分类
- 证据句：放入文献、数据、案例、制度事实
- 分析句：解释证据为什么支持前述判断
- 收束句：指出边界、不足或与下文衔接
避免一段中同时承担过多任务。一个段落最好只完成一个主要论证动作。
4. Replace Generic Claims with Specific Claims
把空泛表达改为可验证表达：
- 将“提升风险管理水平”改为“缩短风险识别响应时间、降低关键节点延期概率或提高跨部门预警一致性”
- 将“具有重要意义”改为“为高不确定性研发项目中的阶段评审提供可操作的识别框架”
- 将“相关研究较少”改为“现有研究更多关注制造业供应链风险，针对科研项目组合配置风险的证据仍有限”
原则：每个关键判断至少补一个“对象、条件、机制、边界”中的具体要素。
5. Make Citations Do Real Work
引文不能只做装饰，应承担具体功能：
- 定义概念
- 支撑事实判断
- 提供方法来源
- 展示学术争议
- 说明与本文差异
重写时优先把引文嵌入句义，而不是统一挂在句尾。
不良写法：
学者们对项目风险管理进行了大量研究。^[1-5]
较好写法：
现有研究主要从风险识别、风险评估与风险响应三个环节展开，其中风险识别更强调前期信息搜集与专家判断，而风险评估逐步转向概率量化与动态更新。^[1-3] 但针对科研项目组合场景的跨项目风险传导机制，已有讨论仍然不足。^[4,5]
6. Add Boundary Awareness
高质量学术写作通常主动写出边界，而非只写正面判断。优先补充：
- 研究对象边界
- 时空边界
- 指标口径边界
- 识别策略边界
- 结论外推边界
如果一段只有“是什么、为什么重要”，而没有“在什么条件下成立、在什么范围内成立”，通常仍然有明显机器腔。
7. Vary Rhythm by Function, Not Randomness
句式变化应服务论证，而不是机械扰动：
- 定义句宜短
- 机制句可中长
- 比较句可用转折
- 局限句宜收紧语气
不要为了“像人”而故意加入赘语。真正有效的是信息密度变化与论证节奏变化。
8. Convert Outline-Like Lists Back into Prose
对于学术论文正文，默认优先使用连续段落，而不是 Markdown 列表。因为列表会暴露两个问题：
- 信息只是并列堆放，没有形成论证推进
- 语言更像提纲、汇报稿或机器摘要，而不是论文成文
重写时遵守以下规则：
- 引言、综述、讨论、结论默认改写为段落，不保留项目符号
- 若原文是“第一，……第二，……第三，……”且各点存在逻辑递进，应改写为一个或多个完整段落
- 只有在内容天然需要枚举时才保留列表，如研究假设、研究贡献、变量定义、编码规则、操作步骤
- 即使保留枚举，也要让每一点承担明确功能，而不是把空话排成整齐清单
9. Prefer Tables and Figures for Structured Information
当信息本身具有“并列、比较、分层、流程、映射、统计”特征时，优先判断是否应转为图表，而不是继续堆砌正文。
优先转成表格或图示的内容包括：
- 多个概念、变量、维度之间的对比
- 文献分组、研究脉络、方法差异
- 指标体系、评价维度、编码框架
- 研究设计流程、识别路径、机制链条
- 样本描述、统计结果、异质性比较
判断标准很简单：如果一段文字主要是在“并列罗列信息”，而不是“推进一个判断”，通常就应考虑表格或图示表达。
重写时可执行两种动作：
- 保留正文中的核心判断，把细节压缩到表格
- 在正文中增加“见表 x / 见图 x”的指向，减少重复解释
Section-Specific Guidance
引言
重点补足：
- 研究情境的真实问题
- 现有研究与现实问题之间的错位
- 本文问题意识而非宏大套话
避免：
- “随着……不断发展，……越来越重要”
- “因此，开展本研究具有重要理论与现实意义”
文献综述
重点补足：
- 主题分组而非逐篇复述
- 代表观点之间的差异、争议和演化
- 本文的切入缺口
- 若文献比较维度较多，优先建议整理成文献对比表
基本句型：
现有研究可分为三类。第一类关注……，主要解释……；第二类转向……，强调……；第三类则讨论……，但在……方面仍存在不足。基于此，本文进一步关注……
方法
重点补足：
- 变量定义为何这样设定
- 方法为何适用于该问题
- 潜在偏误和控制方式
- 若步骤、变量或识别路径较复杂，优先建议使用研究设计图、变量说明表或识别框架图
避免把方法写成“万能最优解”。
讨论与结论
重点补足：
- 结果与既有研究的一致和不一致之处
- 可能机制而非简单复述结果
- 管理启示的适用前提
- 局限与后续研究方向
避免：
- 用多个并列要点替代完整论证
- 把本可用表格呈现的比较性信息全部塞进正文
Output Contract
默认输出 4 个部分：
1. 问题诊断
用 3–6 条指出原文中最明显的机器腔或论证缺陷。
2. 重写策略
简述本次如何改：
- 改结构
- 补证据角色
- 强化边界
- 压缩空话
- 判断哪些信息适合转入图表或表格
3. 重写文本
直接给出可替换正文的版本。除非内容天然属于枚举结构，否则默认输出为连续学术段落，不使用 Markdown 列表。
4. 修改说明
说明哪些地方仍需用户补材料，例如：
- 需要真实引文
- 需要变量定义
- 需要样本说明
- 需要补制表格或图示以承载比较性信息
Style Rules
重写时遵守以下要求：
- 不追求”华丽”，追求”准确、克制、可验证”
- 句子尽量短而有效，删去不承载信息的修饰语和重复句
- 少用空泛评价词，如”显著””全面””系统””有效”，除非有证据支撑
- 多用学术动作词，如”界定””比较””识别””检验””解释””限定”
- 保留必要的不确定性表达，如”可能””在一定条件下””就现有证据而言”
- 如果用户学科明确，应向该学科惯用表达靠拢，而不是输出通用公文腔
- 每段只服务一个核心论证动作，避免一段承担过多功能
Quality Checklist
交付前至少检查：
- 每段是否有唯一中心判断
- 每个重要论断是否有证据、文献或事实支撑
- 是否减少了可替换到任意主题的空话
- 是否写出了适用边界或局限
- 是否保留并强化了用户原本真正想表达的观点
- 是否避免将”重写”退化为同义词替换
- 是否按 Step 8/9 标准处理了列表化表达和结构性信息的图表化
- 是否做到简洁凝练，而不是靠堆字制造”学术感”
Refusal Boundary
若用户要求以下内容，应拒绝并转为合规帮助：
- 明确要求绕过 AI 检测器
- 要求伪造人工写作痕迹
- 要求编造来源、数据或研究过程
替代做法是：帮助其把 AI 草稿转化为基于真实文献、真实材料和真实观点的作者化学术文本。
