| name | thesis-writer |
| description | 学位论文智能撰写系统,专为计算机深度学习方向硕士毕业论文设计。结合[您的学校]LaTeX模板规范,
提供从选题到定稿的全流程支持:论文大纲生成、章节内容填充、相关工作搜集对比、润色修改、
去AI痕迹、查重优化等。通过渐进式交互和专业指导,帮助用户完成高质量学位论文。
Intelligent thesis writing system designed for computer science deep learning master's theses.
Complies with [Your University] LaTeX template standards, providing full-process support from
topic selection to final draft: outline generation, chapter content filling, related work
collection and comparison, polishing, AI detection removal, plagiarism optimization, etc.
关键词: thesis-writing, deep-learning, latex, academic-writing, university-template
|
Thesis-Writer: 学位论文智能撰写系统
🎯 何时使用此Skill / When to Use This Skill
触发条件 / Trigger Conditions:
- 当用户需要撰写计算机深度学习方向的硕士学位论文时
- 当用户需要基于[您的学校]LaTeX模板完成论文排版时
- 当用户需要系统化、专业化的论文写作指导时
- When users need to write a master's thesis in computer science deep learning
- When users need to complete thesis typesetting based on [Your University] LaTeX template
- When users need systematic and professional thesis writing guidance
适用场景 / Applicable Scenarios:
- ✅ 硕士学位论文的全流程撰写 / Full-process master's thesis writing
- ✅ 论文结构设计和大纲制定 / Thesis structure design and outline creation
- ✅ 学术规范的相关工作调研与对比 / Academic literature review and comparison
- ✅ 论文润色、去AI痕迹、降重优化 / Thesis polishing, AI detection removal, plagiarism reduction
- ✅ LaTeX格式调整和排版优化 / LaTeX formatting and typesetting optimization
🛠️ 核心能力 / Core Capabilities
能力矩阵 / Capability Matrix
| 能力 / Capability | 实现方式 / Implementation | 资源 / Resource |
|---|
| 论文大纲生成 | LLM + 知识引导 | references/outline_templates.md |
| 章节内容撰写 | LLM + 领域知识 | references/writing_guide.md |
| 相关工作搜集 | 脚本辅助 + LLM分析 | scripts/paper_search.py + references/related_work_framework.md |
| LaTeX排版 | 脚本自动化 + 模板 | scripts/latex_formatter.py + 大学模板 |
| 去AI与降重 | LLM润色 + 脚本检测 | scripts/ai_detector.py + references/paraphrasing_strategies.md |
| 论文评审与修改 | LLM + 评审标准 | references/review_checklist.md |
📋 工作流程 / Workflow
核心五阶段流程 / Five-Phase Workflow
graph TD
A[阶段1: 需求分析与选题] --> B[阶段2: 大纲设计与确认]
B --> C[阶段3: 章节撰写与填充]
C --> D[阶段4: 润色优化与去重]
D --> E[阶段5: 格式审查与定稿]
B --> B1{用户确认大纲?}
B1 -->|需修改| B
B1 -->|通过| C
C --> C1{章节循环}
C1 --> C2[绪论]
C2 --> C3[相关工作]
C3 --> C4[方法论]
C4 --> C5[实验与分析]
C5 --> C6[总结与展望]
D --> D1{质量检查}
D1 -->|未达标| D
D1 -->|达标| E
📝 详细工作流程 / Detailed Workflow
阶段1: 需求分析与选题 (Requirements Analysis & Topic Selection)
目标: 明确论文方向、研究内容、创新点
互动问题清单:
-
研究方向细化
Q1: 你的研究是深度学习的哪个具体方向?
- 计算机视觉 (CV)
- 自然语言处理 (NLP)
- 推荐系统 (RecSys)
- 图神经网络 (GNN)
- 多模态学习 (Multimodal)
- 其他: __________
-
研究问题识别
Q2: 你要解决的核心问题是什么?
- 用1-2句话描述你的研究motivation
- 现有方法有什么不足?
- 你的方法如何改进?
-
已有成果盘点
Q3: 你目前已经有哪些材料?
[ ] 已完成的实验结果
[ ] 参考的论文列表
[ ] 代码实现
[ ] 初步的方法设计
[ ] 其他: __________
-
论文类型确定
Q4: 你的论文属于哪种类型?
- 提出新方法/新模型
- 改进现有方法
- 综合性对比研究
- 应用型研究
-
时间规划
Q5: 论文完成时间要求?
- 预期完成日期: __________
- 答辩时间: __________
输出:
- 📄 生成
thesis_requirements.md:包含研究方向、核心问题、创新点、时间规划
- 为后续大纲设计提供基础
阶段2: 大纲设计与确认 (Outline Design & Confirmation)
目标: 生成符合学术规范和学校要求的论文大纲
执行步骤:
Step 2.1: 识别论文结构类型
首先询问用户论文的组织方式:
Q: 你的论文包含几个独立的研究工作?
A. 单一工作: 一个核心方法 + 对应实验
→ 使用"单工作结构": 第3章方法 + 第4章实验
B. 双工作: 两个相关但独立的完整工作
→ 使用"双工作结构": 第3章工作1(含方法+实验) + 第4章工作2(含方法+实验)
C. 多工作: 三个及以上独立工作
→ 使用"多工作结构": 每章一个完整工作
请选择或说明你的情况。
Step 2.2: 加载对应模板
- 阅读
references/outline_templates.md
- 根据结构类型和论文类型选择合适模板
Step 2.3: 生成初稿大纲
结构A: 单工作结构(传统结构)
基于[您的学校]硕士论文结构,生成包含以下章节的大纲:
# [论文题目]
## 摘要 (Abstract)
- 中文摘要 (200-300字)
- 英文摘要 (200-300词)
- 关键词 (3-5个)
## 第1章 绪论
### 1.1 研究背景及意义
### 1.2 国内外研究现状
#### 1.2.1 [子方向1]研究现状
#### 1.2.2 [子方向2]研究现状
### 1.3 本文主要工作
### 1.4 论文组织结构
## 第2章 相关技术与理论基础
### 2.1 [基础技术1]
### 2.2 [基础技术2]
### 2.3 本章小结
## 第3章 [核心方法章节名称]
### 3.1 问题定义
### 3.2 整体框架
### 3.3 [模块1]设计
### 3.4 [模块2]设计
### 3.5 本章小结
## 第4章 实验设计与结果分析
### 4.1 实验设置
#### 4.1.1 数据集
#### 4.1.2 评价指标
#### 4.1.3 实验环境与参数
### 4.2 对比实验
### 4.3 消融实验
### 4.4 结果分析与讨论
### 4.5 本章小结
## 第5章 总结与展望
### 5.1 研究工作总结
### 5.2 未来工作展望
## 参考文献
## 致谢
## 攻读学位期间取得的研究成果
结构B: 双工作结构(知网常见结构)
适用场景: 论文包含两个相关但独立的完整工作,每个工作都有自己的方法设计、实验验证和结果分析。
# [论文题目]
## 摘要 (Abstract)
- 中文摘要 (200-300字)
- 背景 + 问题
- 工作1简述 + 工作2简述
- 实验结果 + 结论
- 英文摘要 (200-300词)
- 关键词 (3-5个)
## 第1章 绪论
### 1.1 研究背景及意义
### 1.2 国内外研究现状
#### 1.2.1 [工作1相关]研究现状
#### 1.2.2 [工作2相关]研究现状
#### 1.2.3 现有方法的局限性
### 1.3 本文主要工作
- 明确说明包含两个工作
- 阐述两个工作的关系(递进/互补/并列)
### 1.4 论文组织结构
## 第2章 相关技术与理论基础
### 2.1 [两个工作共同的基础技术1]
### 2.2 [两个工作共同的基础技术2]
### 2.3 [评价指标与数据集]
### 2.4 本章小结
## 第3章 [工作1名称] (完整的独立工作)
### 3.1 引言
- 工作1的具体问题和动机
- 与工作2的关系说明
### 3.2 问题定义与分析
- 形式化定义
- 问题特点分析
### 3.3 [工作1方法名称]
#### 3.3.1 整体框架
#### 3.3.2 [核心模块1]设计
#### 3.3.3 [核心模块2]设计
#### 3.3.4 算法描述
### 3.4 实验设计与分析
#### 3.4.1 实验设置
- 数据集
- 基线方法
- 评价指标
- 参数设置
#### 3.4.2 对比实验结果
#### 3.4.3 消融实验
#### 3.4.4 可视化分析
#### 3.4.5 结果讨论
### 3.5 本章小结
- 总结工作1的贡献
- 为工作2铺垫
## 第4章 [工作2名称] (完整的独立工作)
### 4.1 引言
- 工作2的具体问题和动机
- 基于工作1的改进/扩展/互补
### 4.2 问题定义与分析
- 形式化定义
- 与工作1的差异分析
### 4.3 [工作2方法名称]
#### 4.3.1 整体框架
#### 4.3.2 [核心模块1]设计
#### 4.3.3 [核心模块2]设计
#### 4.3.4 算法描述
#### 4.3.5 (可选)与工作1的联合优化
### 4.4 实验设计与分析
#### 4.4.1 实验设置
数据集(可与工作1相同或不同)
基线方法
评价指标
参数设置
#### 4.4.2 对比实验结果
#### 4.4.3 消融实验
#### 4.4.4 可视化分析
#### 4.4.5 与工作1的对比/联合效果
#### 4.4.6 结果讨论
总结工作2的贡献
总结两个工作的协同效果
分别总结工作1和工作2
总结两个工作的整体贡献
工作1的改进方向
工作2的扩展方向
整体框架的优化方向
双工作结构的关键点:
-
两个工作的关系类型:
- 递进关系: 工作2基于工作1的结果进行改进
- 互补关系: 工作1和工作2从不同角度解决同一问题
- 并列关系: 工作1和工作2解决相关但独立的子问题
-
章节组织原则:
- 每个工作都是"方法+实验"的完整闭环
- 第3章和第4章结构对称,便于对比
- 在各章引言和小结中说明两个工作的联系
-
字数分配 (总计约40,000-50,000字):
- 第1章: 8,000-10,000字
- 第2章: 6,000-8,000字
- 第3章: 12,000-15,000字 (工作1完整内容)
- 第4章: 12,000-15,000字 (工作2完整内容)
- 第5章: 2,000-3,000字
Step 2.3: 大纲详细化
为每个子节添加:
- 写作要点: 该节应包含的核心内容
- 预计字数: 建议的篇幅分配
- 参考资料: 需要引用的论文/书籍
Step 2.4: 用户确认与迭代
📋 生成的大纲已保存到: outline.md
请审阅大纲,并回答:
1. 章节结构是否合理?
2. 是否需要添加/删除某些章节?
3. 章节命名是否准确反映内容?
如需修改,请指出具体调整建议。确认无误后,我们将进入内容撰写阶段。
循环: 根据用户反馈修改大纲,直到确认通过
输出:
- 📄
outline.md: 最终确认的详细大纲
- 📄
writing_plan.md: 章节写作顺序和时间分配计划
阶段3: 章节撰写与填充 (Chapter Writing & Content Filling)
目标: 按大纲逐章节完成高质量内容撰写
写作顺序建议:
- 第2章 (相关技术) → 奠定理论基础
- 第3章 (核心方法) → 技术贡献核心
- 第4章 (实验分析) → 验证方法有效性
- 第1章 (绪论) → 在对工作全面了解后撰写
- 第5章 (总结展望) → 最后总结
- 摘要 → 全文完成后提炼
3.1 第1章: 绪论撰写
Step 3.1.1: 研究背景与意义
指导原则 (参考 references/writing_guide.md):
- 从宏观到微观: 领域背景 → 具体问题
- 问题的重要性和紧迫性
- 解决该问题的价值
示例结构:
1. 领域大背景 (2-3段)
- 深度学习在XX领域的发展
- 当前应用现状
2. 具体问题引出 (2-3段)
- 现有方法存在的局限
- 问题的挑战性
3. 研究意义 (1-2段)
- 理论意义
- 应用价值
AI辅助撰写:
基于你的研究方向: [从阶段1获取]
我将为你生成研究背景初稿。
生成中...
初稿已生成,请审阅:
[展示生成的内容]
请提供反馈:
- 是否准确反映你的研究?
- 哪些部分需要调整?
- 是否需要补充具体案例?
Step 3.1.2: 国内外研究现状
调研辅助:
使用 scripts/paper_search.py 搜集相关论文:
python scripts/paper_search.py \
--query "your research keywords" \
--venue "NeurIPS,ICML,ICLR,CVPR,ACL" \
--years "2020-2024" \
--output related_papers.json
分类整理:
加载 references/related_work_framework.md 获取综述框架:
将相关工作分为3-4个子方向:
### 1.2.1 [子方向1: 如"基于注意力机制的方法"]
- 代表工作1 [引用]: 简述贡献
- 代表工作2 [引用]: 简述贡献
- 小结: 这类方法的优势与不足
### 1.2.2 [子方向2: 如"基于图神经网络的方法"]
...
### 1.2.3 [子方向3: 如"多模态融合方法"]
...
总结: 现有方法的共性问题,引出本文工作的必要性
对比表格生成:
\begin{table}[htbp]
\centering
\caption{相关工作对比}
\begin{tabular}{cccc}
\toprule
方法 & 核心技术 & 优势 & 局限 \\
\midrule
方法1 \cite{ref1} & XXX & ... & ... \\
方法2 \cite{ref2} & XXX & ... & ... \\
本文方法 & XXX & ... & - \\
\bottomrule
\end{tabular}
\label{tab:related_work_comparison}
\end{table}
Step 3.1.3: 本文主要工作
写作重点:
- 针对性: 针对1.2节指出的问题
- 创新性: 明确说明创新点(3-5个)
- 贡献点: 列举具体贡献
模板:
针对上述问题,本文提出了[方法名称],主要工作包括:
(1) [创新点1]: 简述内容和意义
(2) [创新点2]: 简述内容和意义
(3) [创新点3]: 简述内容和意义
本文的主要贡献如下:
• 贡献1: ...
• 贡献2: ...
• 贡献3: ...
3.2 第2章: 相关技术与理论基础
目标: 介绍后续章节需要的预备知识
原则:
- 只介绍必要的基础知识,不要写成教科书
- 每个技术/概念要有明确的作用(在后文哪里用到)
内容组织:
### 2.1 [基础技术1: 如"深度神经网络"]
#### 2.1.1 基本原理
- 数学定义
- 核心公式
#### 2.1.2 典型架构
- CNN/RNN/Transformer等(按需选择)
### 2.2 [基础技术2: 如"注意力机制"]
#### 2.2.1 自注意力机制
#### 2.2.2 交叉注意力机制
### 2.3 [相关评价指标]
- 介绍实验章节会用到的评价指标
公式排版规范:
% 带编号公式
\begin{equation}
\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V
\label{eq:attention}
\end{equation}
% 多行公式
\begin{align}
h_t &= \sigma(W_h x_t + U_h h_{t-1} + b_h) \label{eq:hidden} \\
y_t &= \text{softmax}(W_y h_t + b_y) \label{eq:output}
\end{align}
3.3 第3章: 核心方法章节
这是论文的核心,需要最详细的设计
Step 3.3.1: 问题定义
形式化描述:
\textbf{定义3.1 (问题定义):}
给定输入数据集 $\mathcal{D} = \{(x_i, y_i)\}_{i=1}^{N}$,
其中 $x_i \in \mathbb{R}^{d}$ 为特征向量, $y_i \in \mathcal{Y}$ 为标签,
本文旨在学习映射函数 $f: \mathbb{R}^{d} \rightarrow \mathcal{Y}$,
使得预测误差 $\mathcal{L}(f(x), y)$ 最小。
Step 3.3.2: 整体框架
架构图绘制:
使用TikZ或其他工具绘制系统架构图:
\begin{figure}[htbp]
\centering
\includegraphics[width=0.9\textwidth]{figures/framework.pdf}
\caption{[方法名称]整体框架}
\label{fig:framework}
\end{figure}
文字描述:
如图\ref{fig:framework}所示,本文提出的XXX方法主要包括三个模块:
1. 数据预处理模块: 负责...
2. 特征提取模块: 通过...
3. 预测模块: 最终...
各模块协同工作,完成从输入到输出的完整流程。
Step 3.3.3 & 3.3.4: 核心模块详细设计
每个模块应包含:
- 动机: 为什么需要这个模块
- 设计思路: 如何实现
- 数学描述: 公式化表达
- 算法伪代码: 关键算法
算法伪代码示例:
\begin{algorithm}[h]
\caption{[算法名称]}
\label{alg:main}
\begin{algorithmic}[1]
\Require 输入数据 $X$, 参数 $\theta$
\Ensure 输出结果 $Y$
\State \textbf{初始化:} $h_0 = \mathbf{0}$
\For{$t=1$ to $T$}
\State $h_t = f_{\theta}(x_t, h_{t-1})$ \Comment{特征提取}
\State $\alpha_t = \text{Attention}(h_t, H)$ \Comment{注意力计算}
\State $c_t = \sum_{i=1}^{t} \alpha_{t,i} h_i$ \Comment{上下文聚合}
\EndFor
\State $y = g_{\theta}(c_T)$ \Comment{输出预测}
\State \textbf{返回:} $y$
\end{algorithmic}
\end{algorithm}
复杂度分析:
时间复杂度: O(...)
空间复杂度: O(...)
3.4 第4章: 实验设计与结果分析
Step 3.4.1: 实验设置
数据集介绍:
#### 4.1.1 数据集
本文在以下X个公开数据集上进行实验:
1. **数据集1**:
- 来源: [引用]
- 规模: XX个样本
- 特点: ...
- 划分: 训练/验证/测试 = 80%/10%/10%
2. **数据集2**: ...
评价指标:
采用以下评价指标:
\textbf{准确率 (Accuracy):}
\begin{equation}
\text{Acc} = \frac{\text{正确预测数}}{\text{总样本数}}
\end{equation}
\textbf{F1分数:}
\begin{equation}
F1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}
\end{equation}
实验环境与参数:
#### 4.1.3 实验环境与参数
- 硬件: NVIDIA RTX 3090 (24GB)
- 软件: Python 3.8, PyTorch 2.0
- 超参数设置:
- 学习率: 1e-4
- Batch size: 32
- Epoch: 100
- 优化器: AdamW
Step 3.4.2: 对比实验
Baseline选择:
结果表格:
\begin{table}[htbp]
\centering
\caption{不同方法在XX数据集上的性能对比}
\begin{tabular}{lcccc}
\toprule
方法 & Acc(\%) & Precision(\%) & Recall(\%) & F1(\%) \\
\midrule
Baseline1 \cite{ref1} & 85.3 & 84.2 & 86.1 & 85.1 \\
Baseline2 \cite{ref2} & 87.1 & 86.5 & 87.8 & 87.1 \\
Baseline3 \cite{ref3} & 88.4 & 87.9 & 88.9 & 88.4 \\
\textbf{Ours} & \textbf{91.2} & \textbf{90.5} & \textbf{91.8} & \textbf{91.1} \\
\bottomrule
\end{tabular}
\label{tab:main_results}
\end{table}
结果分析:
从表\ref{tab:main_results}可以看出:
(1) 本文方法在所有指标上均优于基线方法
(2) 相比最佳基线Baseline3,本文方法在Acc上提升了2.8个百分点
(3) 这验证了[核心创新点]的有效性
Step 3.4.3: 消融实验
目的: 验证各模块的贡献
\begin{table}[htbp]
\centering
\caption{消融实验结果}
\begin{tabular}{lc}
\toprule
模型变体 & Acc(\%) \\
\midrule
完整模型 & \textbf{91.2} \\
\quad - 移除模块A & 88.7 (-2.5) \\
\quad - 移除模块B & 89.3 (-1.9) \\
\quad - 移除模块A和B & 86.1 (-5.1) \\
\bottomrule
\end{tabular}
\label{tab:ablation}
\end{table}
分析:
消融实验表明:
(1) 移除任一模块都会导致性能下降
(2) 模块A的贡献最大(下降2.5个百分点)
(3) 两个模块协同作用,带来5.1个百分点的提升
Step 3.4.4: 可视化分析
注意力可视化/特征可视化等:
\begin{figure}[htbp]
\centering
\includegraphics[width=0.8\textwidth]{figures/attention_vis.pdf}
\caption{注意力权重可视化}
\label{fig:attention_vis}
\end{figure}
3.5 第5章: 总结与展望
Step 3.5.1: 研究工作总结
模板:
本文针对[研究问题],提出了[方法名称]。
主要完成了以下工作:
(1) [工作1总结]
(2) [工作2总结]
(3) [工作3总结]
实验结果表明,[核心结论],验证了本文方法的有效性。
Step 3.5.2: 未来工作展望
方向:
未来将在以下方向继续研究:
(1) [方向1]: 具体内容...
(2) [方向2]: 具体内容...
3.6 摘要撰写
在全文完成后撰写
中文摘要结构 (200-300字):
[背景1-2句] + [问题1句] + [方法2-3句] + [实验结果1-2句] + [结论1句]
英文摘要:
关键词选择:
- 3-5个
- 包含: 领域术语 + 方法名称 + 应用场景
章节撰写的通用规范
每撰写完一章:
-
自查清单:
[ ] 逻辑连贯,无跳跃
[ ] 公式推导正确
[ ] 图表清晰,有caption和label
[ ] 引用格式正确
[ ] 段落间有过渡
[ ] 每节有小结
-
用户审阅:
第X章初稿已完成,请审阅:
[展示章节内容摘要]
请确认:
1. 内容是否符合预期?
2. 技术细节是否准确?
3. 是否需要补充内容?
确认后将进入下一章节撰写。
输出 (阶段3完成时):
- 📄 各章节的LaTeX源文件
- 📄
references.bib: 参考文献BibTeX文件
- 📄 生成的图表文件
阶段4: 润色优化与去重 (Polishing & Optimization)
目标: 提升论文质量,去除AI痕迹,降低查重率
4.1 内容润色
Step 4.1.1: 语言润色
关注点:
- 学术规范性: 避免口语化表达
- 逻辑连贯性: 段落间过渡自然
- 表达准确性: 避免模糊表述
示例对比:
❌ "这个方法很好"
✅ "该方法在准确率和效率上均表现出色"
❌ "我们做了实验"
✅ "本文在X个数据集上进行了对比实验"
AI辅助润色:
逐段审阅内容,提供润色建议:
原文: [段落内容]
润色: [改进后内容]
理由: [修改原因]
请确认是否采纳。
Step 4.1.2: 逻辑优化
检查项:
4.2 去AI痕迹
目标: 让论文更具人类写作特征
策略 (参考 references/paraphrasing_strategies.md):
策略1: 改写高风险表达
AI常用表达 → 学术化改写:
"值得注意的是" → "需要指出"
"显著提升" → "提高了X个百分点"
"深入分析" → "详细考察"
策略2: 增加领域特定表达
加入本领域的专业术语和表达习惯:
通用: "模型性能更好"
专业: "模型在收敛速度和泛化能力上均有所提升"
策略3: 丰富句式结构
避免句式单一:
❌ 连续多句"本文...本文...本文..."
✅ 变换主语和句式: "为了...""考虑到...""基于..."
AI检测工具使用:
python scripts/ai_detector.py --input thesis.tex --output report.json
输出报告会标注高风险段落,针对性修改。
4.3 查重与降重
Step 4.3.1: 重复率检查
工具:
- 学校指定的查重系统
- 提前自查: PaperPass/维普等
Step 4.3.2: 降重策略
方法 (参考 references/paraphrasing_strategies.md):
-
同义替换:
原: "该方法能够有效提升模型性能"
改: "该方法可显著改善模型表现"
-
句式重构:
原: "深度学习在计算机视觉领域得到了广泛应用"
改: "计算机视觉领域广泛采用深度学习技术"
-
主动被动转换:
原: "本文提出了一种新方法"
改: "一种新方法在本文中被提出"
-
扩展或压缩:
原: "使用注意力机制"
扩展: "引入注意力机制以捕捉长距离依赖关系"
-
公式化表达:
原: "计算两个向量的相似度"
改: "计算相似度 $s = \text{cos}(v_1, v_2)$"
辅助工具:
python scripts/paraphrase_assistant.py \
--input high_similarity_segments.txt \
--output suggestions.txt
人工审核: AI提供改写建议,用户确认是否采纳
4.4 专业审阅
Step 4.4.1: 自动检查
运行检查脚本:
python scripts/thesis_checker.py --input thesis.tex
检查内容:
Step 4.4.2: 按评审标准审核
加载 references/review_checklist.md,按标准逐项检查:
学术规范:
写作质量:
技术深度:
输出:
- 📄
polishing_report.md: 润色和去重报告
- 📄 优化后的LaTeX文件
阶段5: 格式审查与定稿 (Format Review & Finalization)
目标: 确保论文完全符合河北大学模板规范
5.1 LaTeX格式检查
Step 5.1.1: 模板规范对照
基于 HBUthesis.cls 和 HBUthesis.tex 模板:
封面信息:
% 检查项
[ ] 学校代码: 10075
[ ] 学号: 正确填写
[ ] 论文题目: 中英文一致
[ ] 学位申请人姓名
[ ] 指导教师信息
[ ] 专业学位类别: 工程硕士
[ ] 专业学位领域: 软件工程
[ ] 院系名称
[ ] 答辩日期: 格式正确
摘要格式:
% 中文摘要
\begin{cnabstract}
[摘要正文]
\par\noindent\heiti{关键字\ } \songti 关键字1\quad 关键字2\quad 关键字3
\end{cnabstract}
% 英文摘要
\begin{enabstract}
[Abstract content]
\par\noindent\textbf{Keywords\ } Keyword1\quad Keyword2\quad Keyword3
\end{enabstract}
章节格式:
\chapter{章节标题} % 第一级
\section{节标题} % 第二级
\subsection{小节标题} % 第三级
图表格式:
% 图片
\begin{figure}[htbp]
\centering
\includegraphics[width=0.8\textwidth]{figure.pdf}
\caption{图片标题}
\label{fig:label}
\end{figure}
% 表格 (三线表)
\begin{table}[htbp]
\centering
\caption{表格标题}
\begin{tabular}{cccc}
\toprule
... \\
\midrule
... \\
\bottomrule
\end{tabular}
\label{tab:label}
\end{table}
公式格式:
% 单个公式
\begin{equation}
formula
\label{eq:label}
\end{equation}
% 多行公式
\begin{align}
line1 \label{eq:label1} \\
line2 \label{eq:label2}
\end{align}
参考文献:
\bibliography{references}
% 确保 references.bib 格式正确
Step 5.1.2: 自动化格式检查
python scripts/latex_formatter.py \
--template HBUthesis \
--input thesis.tex \
--check-only \
--output format_report.txt
Step 5.1.3: 格式修正
根据检查报告,修正格式问题:
python scripts/latex_formatter.py \
--template HBUthesis \
--input thesis.tex \
--auto-fix \
--output thesis_formatted.tex
5.2 编译与输出
Step 5.2.1: LaTeX编译
xelatex thesis.tex
bibtex thesis
xelatex thesis.tex
xelatex thesis.tex
Step 5.2.2: 检查编译输出
Step 5.2.3: PDF质量检查
5.3 最终审核
全文通读:
- 打印或在大屏幕上阅读
- 检查整体连贯性
- 查找遗漏的错误
盲审模拟:
按照评审标准,模拟盲审评分:
1. 选题与创新 (20分): __/20
2. 理论基础 (15分): __/15
3. 研究方法 (20分): __/20
4. 研究成果 (25分): __/25
5. 写作质量 (10分): __/10
6. 规范性 (10分): __/10
总分: __/100
不足之处: [列出]
改进建议: [列出]
5.4 生成最终版本
输出文件清单:
thesis_final/
├── thesis.pdf # 最终PDF
├── thesis.tex # 主文件
├── chapters/ # 章节文件
│ ├── chapter1.tex
│ ├── chapter2.tex
│ ├── ...
├── figures/ # 图片文件
├── references.bib # 参考文献
└── HBUthesis.cls # 模板文件
版本记录:
thesis_versions/
├── v1.0_initial_draft.pdf
├── v2.0_after_polishing.pdf
├── v3.0_final.pdf
└── version_log.md
提交准备:
🔧 工具与脚本 / Tools & Scripts
scripts/paper_search.py - 论文搜索工具
用途: 从学术数据库搜索相关论文
使用:
python scripts/paper_search.py \
--query "deep learning attention mechanism" \
--venue "NeurIPS,ICML,CVPR" \
--years "2020-2024" \
--max-results 50 \
--output papers.json
输出格式:
{
"papers": [
{
"title": "...",
"authors": ["...", "..."],
"venue": "NeurIPS",
"year": 2023,
"abstract": "...",
"url": "...",
"bibtex": "..."
}
]
}
scripts/latex_formatter.py - LaTeX格式化工具
用途: 检查和修正LaTeX格式
使用:
python scripts/latex_formatter.py --input thesis.tex --check-only
python scripts/latex_formatter.py --input thesis.tex --auto-fix --output thesis_fixed.tex
scripts/ai_detector.py - AI痕迹检测工具
用途: 检测论文中的AI生成痕迹
使用:
python scripts/ai_detector.py --input thesis.tex --output ai_report.json
输出: 标注高风险段落和修改建议
scripts/paraphrase_assistant.py - 改写助手
用途: 辅助降重改写
使用:
python scripts/paraphrase_assistant.py \
--input high_similarity.txt \
--style academic \
--output suggestions.txt
scripts/thesis_checker.py - 论文完整性检查
用途: 全面检查论文质量
使用:
python scripts/thesis_checker.py --input thesis.tex --output check_report.md
检查项:
- 结构完整性
- 引用一致性
- 图表编号
- 拼写语法
- 格式规范
📚 参考资源 / References
references/outline_templates.md
内容: 不同类型论文的大纲模板
- 方法创新型论文大纲
- 综述型论文大纲
- 应用型论文大纲
何时加载: 阶段2生成大纲时
references/writing_guide.md
内容: 学术写作规范和技巧
何时加载: 阶段3章节撰写时
references/related_work_framework.md
内容: 相关工作综述框架
何时加载: 撰写第1.2节时
references/latex_guide.md
内容: LaTeX使用指南
- 河北大学模板使用说明
- 常用LaTeX命令
- 图表公式排版技巧
何时加载: 阶段5格式调整时
references/paraphrasing_strategies.md
内容: 改写和降重策略
何时加载: 阶段4降重优化时
references/review_checklist.md
内容: 论文评审标准
何时加载: 阶段4和阶段5审核时
💡 使用示例 / Usage Example
完整流程示例
用户:
我需要写一篇关于多模态情感分析的硕士论文,
使用Transformer和图神经网络结合的方法。
AI (启动 thesis-writer):
阶段1: 需求分析
让我们开始梳理你的论文需求。
Q1: 研究方向细化
你的研究是:
☑ 多模态学习 (Multimodal) - 情感分析方向
Q2: 核心问题
请用1-2句话描述:
用户回答后...
阶段2: 生成大纲
基于你的研究方向,我生成了初步大纲:
# 基于Transformer和图神经网络的多模态情感分析
## 第1章 绪论
### 1.1 研究背景及意义
### 1.2 国内外研究现状
#### 1.2.1 基于Transformer的情感分析方法
#### 1.2.2 基于图神经网络的多模态融合
#### 1.2.3 多模态情感分析研究现状
### 1.3 本文主要工作
### 1.4 论文组织结构
...
[完整大纲]
请审阅并确认,或提出修改建议。
确认后,进入阶段3撰写...
⚙️ Token优化策略 / Token Optimization
渐进式加载原则:
- 阶段1-2: 仅加载大纲模板 (~800 tokens)
- 阶段3: 按需加载章节写作指南 (~1000 tokens/章)
- 阶段4: 加载润色和降重策略 (~1200 tokens)
- 阶段5: 加载格式检查规范 (~600 tokens)
避免冗余:
- 不同时加载所有references
- 完成的章节内容归档,不重复加载
- 使用脚本处理确定性任务,节省LLM tokens
⚠️ 限制与注意事项 / Limitations & Notes
已知限制:
-
技术内容准确性:
- AI生成的技术细节需用户验证
- 特定领域的公式推导需人工审核
-
创新性判断:
- AI无法判断创新点是否已被发表
- 需用户补充最新文献调研
-
实验结果:
- AI无法生成真实实验数据
- 需用户提供实验结果,AI辅助分析和撰写
-
查重系统差异:
最佳实践:
- ✅ 分阶段确认: 每阶段完成后与用户确认
- ✅ 用户主导: 技术内容由用户把关,AI辅助表达
- ✅ 迭代优化: 允许多轮修改完善
- ✅ 版本管理: 保留各版本,便于回溯
📦 依赖 / Dependencies
Python依赖:
requirements.txt:
# 论文搜索
scholarly>=1.7.0
arxiv>=1.4.0
# LaTeX处理
pylatexenc>=2.10
# 文本处理
nltk>=3.8
jieba>=0.42
# 其他工具
requests>=2.28.0
beautifulsoup4>=4.11.0
LaTeX依赖:
- XeLaTeX编译器
- 河北大学论文模板 (HBUthesis.cls)
- 中文字体: 宋体、黑体、仿宋、楷体
🗂️ 文件结构 / File Structure
thesis-writer/
├── SKILL.md # 本文件
├── requirements.txt # Python依赖
├── scripts/ # 工具脚本
│ ├── paper_search.py # 论文搜索
│ ├── latex_formatter.py # LaTeX格式化
│ ├── ai_detector.py # AI痕迹检测
│ ├── paraphrase_assistant.py # 改写助手
│ └── thesis_checker.py # 论文检查
├── references/ # 参考文档
│ ├── outline_templates.md # 大纲模板
│ ├── writing_guide.md # 写作指南
│ ├── related_work_framework.md # 综述框架
│ ├── latex_guide.md # LaTeX指南
│ ├── paraphrasing_strategies.md # 改写策略
│ └── review_checklist.md # 评审标准
└── templates/ # 模板文件
└── HBUthesis/ # 河北大学模板
├── HBUthesis.cls
├── HBUthesis.tex
└── ...
开始使用: 告诉我你的研究方向和论文需求,让我们一起完成高质量的学位论文!
Get Started: Tell me your research direction and thesis requirements, let's create a high-quality thesis together!
