
关于
深度研究和写作工具的核心技能——结合 AI 驱动的深度研究和格式良好的书面输出。每份文档都有全面的文献搜索和经过验证的引用支撑。
name: scientific-writing description: "这是深度研究与写作工具的核心技能——将AI驱动的深度研究与格式规范的书面输出相结合。每份文档都有通过 research-lookup 技能进行的全面文献检索和经过验证的引用作为支撑。" license: MIT license metadata: skill-author: K-Dense Inc. risk: unknown source: community
科学写作
概述
这是深度研究与写作工具的核心技能——将AI驱动的深度研究与格式规范的书面输出相结合。每份文档都有通过 research-lookup 技能进行的全面文献检索和经过验证的引用作为支撑。
科学写作是一个以精确和清晰方式传达研究成果的过程。使用 IMRAD 结构、引用格式(APA/AMA/Vancouver)、图表以及报告指南(CONSORT/STROBE/PRISMA)撰写稿件。适用于研究论文和期刊投稿。
核心原则:始终以完整段落和流畅散文形式写作。最终稿件中绝不提交要点列表。 采用两阶段流程:首先使用 research-lookup 创建包含关键要点的章节大纲,然后将大纲转化为完整段落。
何时使用此技能
此技能适用于以下场景:
- 撰写或修改科学稿件的任何章节(摘要、引言、方法、结果、讨论)
- 使用 IMRAD 或其他标准格式构建研究论文
- 按特定格式排版引用和参考文献(APA、AMA、Vancouver、Chicago、IEEE)
- 创建、格式化或改进图表和数据可视化
- 应用研究类型特定的报告指南(CONSORT 用于试验、STROBE 用于观察性研究、PRISMA 用于综述)
- 起草符合期刊要求的摘要(结构化或非结构化)
- 为特定期刊准备投稿稿件
- 提高写作的清晰度、简洁性和精确性
- 确保正确使用领域特定术语和命名法
- 回应审稿人意见并修改稿件
科学示意图视觉增强
⚠️ 强制要求:每篇科学论文必须包含一个图形摘要加上1-2个使用 scientific-schematics 技能生成的AI图形。
这不是可选项。没有视觉元素的科学论文是不完整的。在定稿任何文档之前:
- 始终生成图形摘要作为第一个视觉元素
- 至少使用 scientific-schematics 生成一个额外的示意图或图表
- 综合性论文建议3-4个图形(图形摘要 + 方法流程图 + 结果可视化 + 概念图)
图形摘要(必需)
每篇科学写作必须包含图形摘要。 这是论文的视觉摘要:
- 出现在文字摘要之前或紧随其后
- 用一张图片捕捉整篇论文的核心信息
- 适合期刊目录展示
- 使用横向布局(通常 1200x600px)
首先生成图形摘要:
python scripts/generate_schematic.py "Graphical abstract for [paper title]: [brief description showing workflow from input → methods → key findings → conclusions]" -o figures/graphical_abstract.png
图形摘要要求:
- 内容:展示工作流程、关键方法、主要发现和结论的视觉摘要
- 风格:简洁、专业,适合期刊目录
- 元素:包含3-5个关键步骤/概念,用箭头或流程连接
- 文字:最少标签,大号可读字体
- 日志:
[HH:MM:SS] GENERATED: Graphical abstract for paper summary
附加图形(大量生成)
⚠️ 关键:在所有文档中大量使用 scientific-schematics 和 generate-image。
每份文档都应配有丰富的插图。大量生成图形——有疑问时就添加视觉元素。
最低图形要求:
| 文档类型 | 最低数量 | 推荐数量 | |---------|---------|---------| | 研究论文 | 5 | 6-8 | | 文献综述 | 4 | 5-7 | | 市场研究 | 20 | 25-30 | | 演示文稿 | 1/页 | 1-2/页 | | 海报 | 6 | 8-10 | | 基金申请 | 4 | 5-7 | | 临床报告 | 3 | 4-6 |
大量使用 scientific-schematics 生成技术图表:
python scripts/generate_schematic.py "your diagram description" -o figures/output.png
- 研究设计和方法学流程图(CONSORT、PRISMA、STROBE)
- 概念框架图
- 实验工作流程图解
- 数据分析管道图
- 生物通路或机制图
- 系统架构可视化
- 神经网络架构
- 决策树、算法流程图
- 比较矩阵、时间线图
- 任何受益于示意图可视化的技术概念
大量使用 generate-image 生成视觉内容:
python scripts/generate_image.py "your image description" -o figures/output.png