skills/writing-core/SKILL.md
Use when writing or revising academic papers, especially Chinese journal manuscripts, that need natural prose, de-AI-ification, Markdown formatting, or quality checks
npx skillsauth add norman-bury/articlewriting-skill writing-coreInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
本技能用于控制论文写作质量,重点是中文学术论文的自然表达、去AI化改写与可提交的Markdown排版。
<EXTREMELY-IMPORTANT> 以下规范必须严格遵守,不得因为"效率"或"简化"而跳过。 </EXTREMELY-IMPORTANT>| 类型 | 禁用词/句 | |------|-----------| | 机械过渡词 | 首先、其次、最后、此外、另外、接下来、总之 | | 空壳强调句 | 值得注意的是、需要指出的是、重要的是、必须强调的是、显而易见 | | 空洞修饰词 | 非常、极其、十分、相当(无数据支撑时) | | 主观引导句 | 我认为、我觉得、我个人看法是(论文正文禁用) |
中文期刊论文不追求每句话都极度精简。更自然的写法通常是先交代研究对象、资料范围或问题背景,再说明处理方法、结果现象和判断边界。句子可以略长,段落中可以有必要的承接、限定和少量重复,只要主语明确、关系清楚、读者能够顺着研究过程理解即可。
去AI化的重点是减少模板化、翻译腔、过度概括和空泛拔高,而不是删除所有修饰语。能够说明对象、时间范围、样本口径、方法条件、指标含义、实验边界和因果关系的成分应当保留。不要把段落改成机械的"背景-方法-结果-意义"句组,也不要让每句话都呈现"对象-动作-结论"的功能句。
当用户反馈"太AI""太精简""像翻译"时,先检查是否存在过度压缩、英文语序、模板化总结、审稿回复式表达或空泛拔高。处理顺序是补回必要信息,调整为中文自然语序,再收束过强判断。不要继续简单删词。
| 症状 | 处理方式 | |------|----------| | 句式像英文直译 | 改为中文常用语序,先说明对象和现象,再给判断 | | 段落过度模板化 | 取消固定的"背景-方法-结果-意义"节奏,保留解释句和承接句 | | 改写后信息变少 | 补回研究对象、数据范围、方法条件、指标口径和结论边界 | | 审稿回复口吻 | 将"该指标反映的是""不能理解为"改成正文叙述,如"本文将...作为参照" | | 空泛拔高 | 用具体指标、现象或限定替代"显著""关键""重要意义"等泛化词 |
仅以下场景可用列表:
plan/*.md)论文正文默认不用列表。
一个标准段落包含:
建议长度:
本研究贡献如下:
- 提出新方法
- 完成自动化流程
- 验证有效性
本研究提出了一种新方法,并将其整合为可执行的自动化流程。
实验结果显示,该方法在目标任务上具有稳定增益,验证了其可行性与应用价值。
写作完成后,运行风格检查脚本:
macOS/Linux:
bash research-writing-skill/scripts/style_check.sh <文件.md>
Windows PowerShell:
powershell -ExecutionPolicy Bypass -File research-writing-skill/scripts/style_check.ps1 -FilePath <文件.md>
plan/plan/progress.md 与 plan/notes.mddata-ai
Use for translation, polishing, or de-AI-ification of academic text - provides ready-to-use prompt templates
data-ai
Use when writing academic papers, theses, or research articles - supports brainstorming, chapter writing, literature review, and LaTeX output
testing
Use when a research-writing task spans multiple sections, medium-sized revisions, full-paper drafting, or repeated quality failures
data-ai
Use when designing experiments, result tables, mock planning data, evaluation protocols, or results sections before real data are final