| name | academic-writing |
| description | 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。 |
学术写作技能（格式化润色 + 人味化）
输出路径默认值见仓库根目录 README.md（{{DRAFT_DIR}}，默认 my-thesis/）。学术诚信与正当使用见 DISTRIBUTION.md。
模式选择
| 模式 | 适用场景 | 输出 |
|---|
| 格式化/润色 | 「润色这段」「改写成学术段落」「术语统一」「公式规范」 | 规范学术段落，保存为 my-thesis/第X章_主题_年月日.md |
| 人味化 | 「降 AI 味」「人味化」「去 AI 痕迹」「改写得更自然」 | 工学/运筹风格改写，可选运行 ai_detector/text_analyzer，保存到 my-thesis |
根据用户表述选择模式；未明确时，若用户给的是草稿段落且要求“润色/规范”，走格式化/润色；若强调“人味/自然/去 AI”，走人味化。
一、格式化/润色模式
核心要点
工作流程
- 接收草稿段落或技术要点
- 语义分析，识别章节归属与润色需求
- 术语规范化（查阅 terminology.md）、公式规范化（查阅 formula-templates.md）、逻辑优化
- humanizer-zh 自检：按 references/humanizer-zh-patterns.md 快速检查清单过一遍，修正 AI 痕迹
- 输出纯段落 Markdown 并保存到
my-thesis/
详细步骤与示例见 references/workflow.md。
论文章节适配
- 第3章：通行性分析（车辆动力性、土壤力学、通行性量化）
- 第4章：路径规划（A*、启发函数、代价函数）
- 第5章：运输调度（VRP/PDP、数学模型、优化方法）
- 第6章：实验验证（实验设计、结果分析、性能对比）
二、人味化模式（工学/运筹中英文）
学术诚信
- 目的：提升基于本人研究与想法、经 AI 辅助起草后的文本的自然度与学术感。
- 正当使用：在本人观点基础上修订 AI 起草文本；不提交不能代表本人智力贡献的内容。
- 原则：真实学术表达，而非规避检测。
工作流
- 分析文本：可选运行
scripts/ai_detector.py（--lang zh 或 en），检测句长均匀度、机械过渡词、抽象套话、词汇多样性等。
- 应用改写策略：先按 references/humanizer-zh-patterns.md 的模式与 5 条核心规则做一遍去痕迹与自然化，再叠加本技能的工学/运筹术语与 references/rewriting-principles.md（句子节奏、减少抽象脚手架、消除机械过渡、学术语气与限定、落到具体性）；术语与 references/terminology.md、references/engineering-patterns.md 对齐。
- 改写并说明：中文可附【修改说明】3–5 条；默认保存到
my-thesis/，命名同格式化模式。
学科规范摘要
- 通行性：VCI/CI、沉陷、坡度、地质灾害风险等，表述可量化。
- 路径规划：A*、启发函数、代价函数、栅格地图等。
- 车辆调度：CVRP、PDP、容量约束、时间窗等。
- 实验与仿真：基准算法、对比实验、MAE/RMSE、计算时间等。
详见 references/engineering-patterns.md、references/rewriting-examples.md。
脚本与工具
- ai_detector.py：AI 写作模式检测，
python scripts/ai_detector.py input.txt --lang zh（或 en），支持 --detailed、--json。
- text_analyzer.py：句长分布、TTR、过渡词密度等，
python scripts/text_analyzer.py input.txt，或 original.txt revised.txt --compare。
- 中文可选依赖：
jieba（见 scripts/requirements.txt）。
自检清单（人味化后）
输出约定（两模式通用）
- 润色/改写结果必须输出到
my-thesis/，命名格式 第X章_主题_年月日.md。
- 不改变原意与关键数据、引用；不捏造文献或数据。
参考文档
