zimoliao / paper-writing

论文写作辅助

协助用户撰写研究论文的各个章节，基于工作区中的文献提供引用支持。

前提

用户必须指定一个 workspace（--ws NAME）。如果用户未指定：

1. 运行 scholaraio ws list 列出已有工作区
2. 让用户选择或创建一个

输出写入 workspace/<name>/ 目录。

执行逻辑

1. 了解写作需求

向用户确认：

• 写哪个章节：Introduction / Related Work / Method / Results / Discussion / Conclusion / Abstract
• 目标期刊/会议：格式要求、篇幅限制
• 语言：中文 / English
• 用户已有内容：草稿、大纲、实验数据、图表
• 风格参考（可选）：用户可提供同期刊/同领域的范文，你来分析其写作风格（句式结构、术语选择、段落节奏、引用方式、形式化程度），然后仿照

2. 论文分析笔记复用

用 scholaraio show 阅读工作区论文时，已有的 notes.md 历史笔记会自动展示。有则优先复用，无需重复阅读全文。

分析完成后，必须通过 CLI 将新的关键发现写入笔记：

scholaraio show "<paper-id>" --append-notes "## YYYY-MM-DD | <workspace> | paper-writing
- 关键发现"

3. 各章节写作策略

Introduction

1. 从宏观背景切入，逐步聚焦到具体问题

2. 引用工作区论文建立研究脉络：
   `bash
   scholaraio ws search <name> "<背景关键词>"
   scholaraio show <paper-id> --layer 2 # 摘要
   `

3. 明确指出现有工作的不足（research gap）
4. 阐述本文贡献

Related Work

本质上是聚焦版的文献综述，参考 /literature-review skill 的方法，但更紧凑：

• 按与本文的关系分组（而非按主题），每组指出与本文的异同
• 明确本文相对于 prior work 的改进

Method

1. 用户描述方法，你协助组织成清晰的叙述

2. 从工作区论文中找到可对比的方法：
   `bash
   scholaraio ws search <name> "<方法关键词>"
   scholaraio show <paper-id> --layer 4 # 读全文了解方法细节
   `

3. 确保符号定义一致、公式推导完整
4. 公式与图表：读取参考论文中的数学推导（LaTeX）和方法示意图（images/），对比本文方法的异同，确保描述准确

Results / Discussion

1. 用户提供实验数据/图表

2. 从工作区中检索可对比的基线结果：
   `bash
   scholaraio ws search <name> "<实验条件>"
   scholaraio show <paper-id> --layer 3 # 结论
   `

3. 读图对比：读取参考论文中的结果图表（configured papers library 下的 <dir>/images/），与用户的实验结果做定性/定量对比
4. 编写代码验证：用 Python 做数据分析、统计检验、可视化——用计算结果支撑 Discussion 中的论点
5. Results：客观描述发现，引用图表
6. Discussion：解释原因、对比文献、讨论局限性

Conclusion

• 总结主要发现（不引入新内容）
• 简述局限性和未来方向

Abstract

• 最后写（需要全文定稿后）
• 包含：背景一句、问题一句、方法一句、主要结果两句、意义一句
• 字数严格遵循目标期刊要求

4. 引用管理

• 正文引用格式与目标期刊一致（通常 \cite{key} 或 (Author, Year)）
• 所有引用必须来自工作区中的真实论文，绝不编造引用

• 如发现工作区缺少需要引用的论文，提醒用户补充：

  scholaraio usearch "<关键词>"              # 全库搜索候选
  scholaraio ws add <name> <paper-id>        # 添加到工作区

• 最终导出：

  scholaraio ws export <name> -o workspace/<name>/references.bib

5. 输出

• 每完成一节保存到 workspace/<name>/ 下（如 introduction.md、related-work.md）
• 或按用户要求合并为完整论文文件

写作原则

• 引用诚实：只引用工作区中实际存在的论文。如果某个论点需要引用但库中没有对应文献，标注 [CITATION NEEDED] 而非编造。AI 生成文本中约 40% 的引用可能是幻觉——必须用 /citation-check 验证
• 如有风格参考：分析范文的句式长度、主被动语态比例、术语密度、段落结构，严格仿照
• 避免 AI 痕迹：不用 "it is worth noting"、"in recent years, ... has garnered significant attention" 等套话；用具体、精确的学术表达
• 数据驱动：Results 和 Discussion 中的每个断言都应有数据或引用支撑
• 计算验证：当论文涉及数值结果或数学推导时，编写 Python 代码独立验证，不盲信手算或直觉

投稿前自查清单

完成全文后，按以下 6 项逐一检查：

1. 结构完整性：各章节是否齐全？逻辑链条是否连贯？Introduction 提出的问题是否在 Conclusion 中回应？
2. 引用一致性：正文引用与参考文献列表是否一一对应？有无遗漏或多余？用 /citation-check 验证
3. 图表质量：每个图表是否在正文中被引用？图例是否清晰？坐标轴标签是否完整？
4. 数据可复现：方法描述是否足够详细？关键参数是否都列出？
5. 语言质量：术语是否全文一致？时态是否正确？用 /writing-polish 做最终润色
6. 格式合规：是否满足目标期刊的字数、图片、参考文献格式要求？

示例

用户说："帮我写 Introduction，工作区是 my-paper"
→ 扫描 ws show my-paper，了解论文方向，询问研究问题，起草 Introduction

用户说："帮我按这篇 JFM 论文的风格写 Related Work"
→ 分析用户提供的范文风格，按该风格组织 Related Work

用户说："我有实验数据，帮我写 Results 和 Discussion"
→ 读取数据，检索工作区中的对比文献，撰写结果分析