文档

chinese-academic-paper

试用

中文课程论文综述写作与排版导出。触发词：算法综述 / 课程论文 / 作业综述 with 小四 + 宋体 + 双倍行距 + docx+pdf 输出要求；GB/T 7714 参考文献排版；学术作业类长文（约 20 页）。流程覆盖参考文献真实性核查、章节大纲、正文写作、docx+pdf 双格式导出。

它能做什么

高校课程作业中的「算法/技术综述」类长文，典型排版要求： 正文 **小四号（12pt）+ 双倍行距** **中文宋体**，**英文/数字 Times New Roman** 标题层级 **黑体**（二号 / 三号 / 小三） 参考文献 ≥ 20 篇（英文 ≥ 10 篇），**GB/T 7714-2015** 格式 长度 ≥ 20 页 输出 **docx + pdf** 双文件 文件名格式：

技能文档

中文课程论文综述写作与排版导出

适用任务

高校课程作业中的「算法/技术综述」类长文，典型排版要求：

  • 正文 小四号（12pt）+ 双倍行距
  • 中文宋体，英文/数字 Times New Roman
  • 标题层级 黑体（二号 / 三号 / 小三）
  • 参考文献 ≥ 20 篇（英文 ≥ 10 篇），GB/T 7714-2015 格式
  • 长度 ≥ 20 页
  • 输出 docx + pdf 双文件
  • 文件名格式：作业名+学号+姓名+综述名称

工作流（4 步）

Step 1：选题确认 + 参考文献真实性核查

用户必填：

  • 选题（具体算法 / 技术方向）
  • 学号 + 姓名
  • 文件名（一般遵循作业模板）

参考文献核查（学术诚信红线）：

  • 用 web_search 逐篇到原期刊/会议页面核验：作者、年份、期刊/会议名、卷期、页码、DOI
  • 宁可少而真，不可多而假。AI 在学术写作中最常见的失败模式就是编造看起来合理的参考文献
  • 建议留 5 篇以上缓冲（≥ 25 篇），覆盖：奠基论文、理论分析、改进算法、应用案例、近期综述
  • 跟踪表（建议放在 references/verification-log.md）：

| # | 引用键 | 作者/年份 | 来源（IEEE Xplore / DOI / 期刊官网） | 状态 |

Step 2：出大纲等用户审核

  • 9 章左右标准结构（中英摘要 + 9 章正文 + 参考文献）：
    • 第 1 章 绪论（背景、综述脉络、选题意义、组织结构）
    • 第 2 章 起源 / 思想萌芽
    • 第 3 章 标准算法流程与结构
    • 第 4 章 改进研究（最长，约占 30%）
    • 第 5 章 理论分析（收敛性 / 稳定性 / 参数选择）
    • 第 6 章 应用研究
    • 第 7 章 与同类算法对比（可含对比表）
    • 第 8 章 未来发展趋势
    • 第 9 章 结论
  • 字数预估 12,000-14,000 中文字符 → 20-24 页（小四双倍行距）
  • 大纲必须用户确认后再写正文

Step 3：批量出正文

  • 按大纲比例分配字数，引用 [n] 上标对应参考文献列表
  • 数学公式：纯文本下标（v_id, x_id）足够 docx 渲染；如需 LaTeX 风格，可在 docx 中用 OOXML 嵌入 OMML（详见 references/formatting-spec.md）
  • 一气呵成输出全文后再统一排版（避免来回切换格式）

Step 4：排版导出

  • 工具链：python-docx 生成 docx + libreoffice (soffice --headless) 转 pdf
  • 详细字体/行距/段落规范见 references/formatting-spec.md
  • 验证：pdfinfo output.pdf | grep Pages 确认页数 ≥ 20

关键避坑（必读）

  1. 永远 web-verify 参考文献——见 Step 1。这是 AI 学术写作的 #1 失败模式
  2. python-docx 字体必须设 OOXML w:eastAsia——单纯 run.font.name = "宋体" 不会让中文渲染为宋体；要写到 rFonts 的 eastAsia 属性
  3. Linux 下没有宋体/SimSun——脚本写 宋体，Word/WPS 打开时回退到本地可用中文字体（Linux 常用 Noto Serif CJK SC）；PDF 由 libreoffice 渲染时会用 Noto Serif CJK，效果接近
  4. 页数预估：A4 双倍行距小四约 600-700 中文字/页；20 页 ≈ 13,000 字
  5. pip 装 python-docx 用 --break-system-packages——Ubuntu 24+ PEP 668 默认禁止系统级 pip，装本地：pip install --break-system-packages --user
  6. 插图时 matplotlib 装不上就 Pillow——matplotlib 依赖重、可能装到一半长时间无输出；Pillow (from PIL import Image, ImageDraw, ImageFont) 一般已装在系统，可以现成画流程图、分类树、收敛曲线等学术插图。中文字体走 /usr/share/fonts/opentype/noto/NotoSerifCJK-Regular.ttc（ImageFont.truetype 直接读 .ttc 即可）。图嵌入 docx 的辅助函数见 references/formatting-spec.md §5.6

完成标准

  • 用户确认选题 + 学号姓名 + 文件名
  • ≥ 20 篇参考文献，每篇都有 web 核验记录（DOI 或期刊页码）
  • 大纲经用户审核通过
  • 正文 ≥ 12,000 中文字符
  • docx + pdf 双文件
  • PDF ≥ 20 页（A4）
  • 字体符合（小四 + 宋体/TNR + 双倍行距）

参考文件

  • references/formatting-spec.md —— 字体、行距、段落、GB/T 7714 格式、python-docx 关键代码片段、soffice 转 PDF 命令

相关技能

diagram-generator

把自然语言描述转为结构化 JSON，并由 mcp-diagram-generator MCP 服务生成 Draw.io、Mermaid 或 Excalidraw 图表文件。

作者 nssa.io1.0k 次安装47 星标

Productivity

诊断生产力系统反复失效的根因，给出最小干预——容量测算、瓶颈定位、可靠的本地记录。

作者 Iván855 次安装69 星标

Memory

在本地磁盘以分类纯 Markdown 文件保存需要长期留存的事实,与智能体内置记忆并存。

作者 Iván559 次安装18 星标

Join meeting

以 AI 机器人身份加入视频会议,提供语音、虚拟形象与屏幕共享四种模式。

作者 johnpatternai22 次安装8 星标

AdMapix

从 AdMapix API 拉取广告创意、应用、榜单和收入预估等数据,原样返回结构化 JSON。

作者 fly0pants4.3k 次安装296 星标

huanmeng9527 的更多技能

浏览全部技能

safe-git-push

从 agent 工作区安全推送文件到 GitHub。父级 git 仓库场景下隔离 init,防止敏感配置文件、构建产物目录、其他无关项目子目录被误推。触发:用户说「上传到 GitHub」「推到 GitHub」「创建 GitHub 仓库」「备份项目到 GitHub」,或 OpenClaw 沙箱内 git push 超时需走 Contents API fallback。

作者 huanmeng95271 次安装

rl-runtime-guard

Soft, opt-in runtime guardrails for AI agents — advisory reminders injected before each request, never blocking or modifying tool output. Install when an agent keeps repeating itself, a complex task keeps failing midway, a Windows path got pasted into a Linux shell, or the agent keeps trying the same broken command. Easy to disable globally or per-session. Catches 82.5% of common agent errors. Triggers on "agent stuck", "retry loop", "break down task", "tool guard", "path mismatch".

作者 huanmeng9527

claw-rl-prm-judge

Score and improve AI agent responses across six dimensions (intent, reasoning, tools, safety, efficiency, value). Use when an agent's answer was wrong, the user said "that's not right" or "actually no", output quality dropped, you're tuning an agent before deployment, or you need a structured quality score. Triggers on "evaluate agent", "agent quality", "agent review", "self-review", "why was this wrong".

作者 huanmeng9527