学术报告撰写者：40-100+ 页论文/毕业设计，支持并行代理

将研究仓库转换为高质量 LaTeX 毕业论文，仅需 2-4 小时，而非传统的 8-12 小时 —— 采用专为学术报告设计的三波并行代理流水线。

此技能功能说明：您只需指向您的研究仓库（代码 + 实验结果），系统将启动多个并行代理，分别提取数据、同时撰写章节，最终整合并编译出完整的 LaTeX 报告，包含正确的交叉引用、图表和参考文献。

已验证成果：一份 86 页的毕业设计报告，含 6 章正文 + 3 个附录 + 15 张图表，在约 6 小时内完成。其写作理念源自 [ml-paper-writing](https://github.com/Orchestra-Research/ml-paper-writing)（Nanda, Farquhar, Gopen & Swan, Lipton, Steinhardt, Perez）。

重要提醒：严禁虚构参考文献

此规则继承自 ml-paper-writing，不可妥协。

问题现状（有数据支持）

高校正日益将虚假参考文献视为学术不端行为——可能导致作业失败、课程挂科甚至开除。

执行规则

绝不通过记忆生成 BibTeX 条目。必须程序化获取。

如果无法程序化获取某条参考文献：
    → 标记为 [CITATION NEEDED] 或 [PLACEHOLDER - VERIFY]
    → 明确告知作者
    → 绝不凭空捏造看似合理的引用

自动化验证：citation_checker.py

撰写完成后，提交前必须运行引用检查器：

# 检查单个 .bib 文件
python scripts/citation_checker.py references.bib

# 检查报告目录下的所有 .bib 文件
python scripts/citation_checker.py path/to/report/

# JSON 输出（适用于 CI 流水线）
python scripts/citation_checker.py references.bib --json

该检查器采用三级联动验证机制：

CrossRef（1400 万+ DOI）→ Semantic Scholar（2 亿+论文）→ OpenAlex（2.4 亿+作品）

对每条引用执行以下步骤：

1. 优先通过 DOI 搜索，否则使用标题
2. 计算标题相似度 + 作者重叠度
3. 标记红色警报（无效 DOI、通用标题、字段缺失、嵌合型混合）
4. 输出结果：已验证（至少两个来源匹配）、可疑（仅一个来源匹配）、未找到（极可能为虚构）

红色警报可识别的情况包括：

• 完全虚构的引用（在任何数据库中均无匹配）
• 嵌合型幻觉（标题匹配但作者不符）
• 无效的 DOI 格式
• AI 输出中常见的过于通用的标题
• 缺失关键字段（作者、年份）
• 未来时间的出版年份

详见 [references/citation-workflow.md](references/citation-workflow.md) 获取完整 API 文档及 Python CitationManager 类说明。

适用场景

核心区别：本技能通过并行子代理处理长篇文档。而会议论文篇幅较短，适合顺序撰写。

核心架构：三波流水线

第零波：数据准备            第一波：章节撰写             第二波：整合组装
（5-6 个并行代理）           （3-4 个并行代理）           （1-2 个串行代理）

┌─ 代理 0A：数据整合         ┌─ 代理 1：模板 + 第1-2章     ┌─ 代理 6：合并 + 交叉引用
├─ 代理 0B：代码库分析       ├─ 代理 2：第3章（核心工作）   └─ 代理 7：编译 + 审核
├─ 代理 0C：系统分析         ├─ 代理 3：第4-5章（结果）
├─ 代理 0D：实验历史         ├─ 代理 4：第6章 + 附录
├─ 代理 0E：统计分析
└─ 代理 0F：图表生成

为何分波？ 数据必须先于文字存在。文字必须先于整合存在。违反此顺序会导致代理凭空捏造数据或无依据写作。

第零波：数据准备（写作前）

目标：生成所有章节撰写代理所依赖的数据产物。报告中的每一项主张都必须可追溯至第零波产出的成果。

第零波代理产出内容

代理 0F：图表生成流程（特殊说明）

图表需要独立代理，原因如下：

1. 必须保持风格一致（统一配色方案、字体大小、样式）
2. 必须为矢量格式（PDF 用于 LaTeX \includegraphics）
3. 必须适配色盲用户（使用 Okabe-Ito 或 Paul Tol 配色方案）
4. 必须自包含（图注应能独立传达完整信息）

推荐图表样式

# 推荐的图表样式设置
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams.update({
    'font.size': 11,
    'font.family': 'serif',
    'axes.labelsize': 12,
    'axes.titlesize': 13,
    'xtick.labelsize': 10,
    'ytick.labelsize': 10,
    'legend.fontsize': 10,
    'figure.figsize': (6.5, 4),
    'savefig.dpi': 300,
    'savefig.bbox': 'tight',
})

# 色盲友好配色方案（Okabe-Ito）
COLORS = ['#E69F00', '#56B4E9', '#009E73', '#F0E442',
          '#0072B2', '#D55E00', '#CC79A7', '#000000']

输出格式要求：同时生成 figure_name.pdf（用于 LaTeX）和 figure_name.png（用于预览）

Wave 0 完成检查点

请勿在以下条件全部满足前进入 Wave 1：

• [ ] 所有数据文件均存在且非空
• [ ] 所有图表均已成功编译（PDF + PNG）
• [ ] final_results.json 中的数值与已知真实值一致
• [ ] 每个代理的输出均已进行抽查验证

Wave 1：章节撰写（并行，需在 Wave 0 之后）

章节依赖关系图

可并行执行（无依赖）：
  Ch1（引言） ←→ Ch2（文献综述） [无依赖]
  Ch3（系统/方法） [需依赖 0B、0C]
  Ch6（结论） [仅需依赖 0A 的摘要]

必须串行执行（需等待）：
  Ch4（实验设置） → Ch5（结果分析） [Ch5 需要 Ch4 的定义]
  Ch5 依赖：0A（数据）、0D（历史记录）、0E（统计信息）、0F（图表）

推荐代理分配方案

写作原则（继承自 ml-paper-writing）

所有章节均需遵循以下原则：

叙事性原则（Nanda）：报告讲述一个完整的故事。每一章都应推动这一主线。若某部分内容与核心贡献无关，请予以删减。

句子层面清晰性（Gopen & Swan）：

用词选择（Lipton, Steinhardt）：

• 表达具体：使用“准确率”而非“性能”
• 去除模糊表达：除非确实不确定，否则删除“可能”“可以”等词
• 术语统一：每个概念使用一个固定术语，并保持一致
• 删除冗余词：如“实际上”“非常”“基本上”“本质上”等

微观写作技巧（Perez）：

• 减少代词使用：“此结果表明……”而非“这表明……”
• 尽量将动词提前至句首
• 一律使用主动语态：“我们证明……”而非“它被证明……”
• 每个句子只表达一个想法

学位论文特化调整（超出通用论文写作规范）

章节模板

第一章：引言（3-5 页）

\chapter{引言}

\section{背景}
% 1-2 页：建立问题领域
% 从具体出发，避免泛泛而谈。例如不要写“人工智能已彻底改变……”

\section{动机}
% 0.5-1 页：说明为何当前是解决该问题的关键时机
% 可使用“地图类比”等具体比喻进行阐述

\section{目标与范围}
% 0.5 页：以编号列表形式列出研究目标
% 明确说明研究内容的边界（包含与不包含的部分）

\section{项目进度安排}
% 甘特图（由 Wave 0 生成）

\section{报告结构概述}
% 简要介绍后续各章内容概要

第二章：文献综述（8-15 页）

\chapter{文献综述}

% 按方法论组织，而非按论文逐一罗列
% 示例结构：“某一流派采用 X [引用]，而我们采用 Y 因为……”

\section{主题领域 1}
\section{主题领域 2}
\section{主题领域 3}
\section{研究空白与本研究定位}
% 明确指出当前研究中的缺失，并说明如何填补
% 如有必要，可加入定位图或表格辅助说明

第三章：系统设计 / 方法论（10-18 页）

\chapter{系统设计与实现}

\section{系统架构}
% 架构图（FIGURE — 来自 Wave 0）

\section{核心组件 1}
% 代码片段可使用 lstlisting 或 minted 插入

\section{核心组件 2}

\section{技术栈}
% 表格：列出使用的库、版本及其用途

第四章：实验设置（5-8 页）

\chapter{实验设置}

\section{数据集 / 数据收集}
\section{评估方法}
\section{基线模型与实验条件}
\section{统计方法}
% 表格：列出所用检验方法、选择原因及假设条件

第五章：结果与分析（8-15 页）

\chapter{结果与分析}

% 对每项结果，明确说明：
% 1. 支持的主张
% 2. 具体数值
% 3. 统计显著性

\section{主要结果}
% 主要消融实验或对比结果的图表组合

\section{详细分析 1}
\section{详细分析 2}
\section{讨论}
% 说明哪些有效、哪些无效，以及原因分析

第六章：结论（3-5 页）

latex

\chapter{结论与未来工作}

\section{主要贡献总结}

% 3-5条编号贡献，每条2-3句话

\section{局限性}

% 客观评估。Claude 默认倾向于低估弱点。

% 明确提示：“真正的局限性是什么？”

% 主动预判批评。诚实有助于建立信任。

\section{未来工作}

% 2-4个具体、可执行的方向

% 避免模糊的“进一步研究”——应明确下一步行动

波段 2：文档整合与编译

步骤 1：合并章节

在 main.tex 中使用 \input{} 引入各章文件：

\documentclass[12pt,a4paper]{report}
\input{preamble}

\begin{document}
\input{front_matter}
\tableofcontents
\listoffigures
\listoftables

\input{chapters/ch1_introduction}
\input{chapters/ch2_literature_review}
\input{chapters/ch3_system_design}
\input{chapters/ch4_experimental_setup}
\input{chapters/ch5_results}
\input{chapters/ch6_conclusion}

\bibliographystyle{plain}
\bibliography{references}

\appendix
\input{appendices/appendix_a}
\input{appendices/appendix_b}
\end{document}

步骤 2：交叉引用审计（强制执行）

由于多个并行代理独立撰写章节，重复标签不可避免。

运行自动化审计脚本：

python scripts/cross_ref_audit.py report_dir/

该脚本检查：

• 重复的 \label{} 定义
• 未定义的 \ref{} 和 \cite{} 引用
• 未使用的标签（已定义但未被引用）
• 图表编号一致性
• BibTeX 键重复

详见 [scripts/cross_ref_audit.py](scripts/cross_ref_audit.py) 获取完整脚本。

步骤 3：使用 Tectonic 编译

强烈推荐使用 Tectonic 而非 BasicTeX/TeX Live 进行本地编译：

# 安装（macOS）
brew install tectonic

# 编译（自动处理所有编译步骤）
tectonic main.tex

# 或启用详细输出
tectonic -X compile main.tex

为何选择 Tectonic？

• 无需 sudo，无需 tlmgr install
• 自动处理 BibTeX 及多轮编译
• 按需下载所需包
• 单一二进制文件，无需管理发行版

详见 [references/compilation-guide.md](references/compilation-guide.md) 了解替代方案及故障排除方法。

步骤 4：质量审查

最终质量检查清单：

编译后检查清单：
- [ ] 无未定义引用 (\ref, \cite)
- [ ] 无重复标签
- [ ] 所有图表显示尺寸正确
- [ ] 目录准确无误
- [ ] 图表列表完整
- [ ] 页码正确
- [ ] 参考文献条目完整
- [ ] 附录编号正确
- [ ] 无严重过长/过短行警告（hbox）
- [ ] 各章节格式一致

表格与图表

表格

使用 booktabs 构建专业表格：

\usepackage{booktabs}
\begin{table}[t]
\centering
\caption{不同条件对比。最佳结果以 \textbf{粗体} 标注。}
\label{tab:main_results}
\begin{tabular}{lcc}
\toprule
条件 & 成功率 $\uparrow$ & p值 \\
\midrule
基线 & 25.6\% & --- \\
摘要 & 27.8\% & 0.839 \\
\textbf{URL} & \textbf{50.0\%} & $<$0.001 \\
\textbf{工具} & \textbf{50.0\%} & $<$0.001 \\
\bottomrule
\end{tabular}
\end{table}

规范：

• 每项指标中最佳值加粗
• 包含方向符号（越高越好或越低越好）
• 数值列右对齐
• 小数位数保持一致
• 标题位于表格上方（表格惯例）

图表

• 矢量图形（PDF）用于所有图表和示意图
• 位图（PNG 300+ DPI）仅用于截图或照片
• 使用 色盲友好调色板（推荐 Okabe-Ito）
• 图内不包含标题——由图注承担此功能
• 图注自成一体——读者无需阅读正文即可理解
• 图注位于图表下方（图表惯例）

\begin{figure}[t]
\centering
\includegraphics[width=0.85\textwidth]{figures/architecture.pdf}
\caption{系统架构图，展示五个核心模块。
         箭头表示数据流从浏览器自动化（左侧）
         经状态抽象到输出图（右侧）。}
\label{fig:architecture}
\end{figure}

大学模板处理

通用学位论文模板

templates/university-thesis/ 提供一个简洁、干净的大学学位论文模板，包含：

• A4 纸张，12pt 字号，report 文档类
• 前置部分（封面页、摘要、致谢、目录）
• 章节结构使用 \input{}
• 支持 natbib 的参考文献
• 附录支持

适配本校要求

大多数高校提供自己的 LaTeX 模板。适配时请遵循以下步骤：

1. 从本校提供的模板开始（而非我们的模板）
2. 从我们模板中复制 \input{} 章节结构
3. 保持学校样式文件不变
4. 仅添加必要包

工作流程：端到端执行

markdown

技能：撰写学术报告

版本：1.0.3

分块：4/4

项目理解

• 阅读代码库、实验结果及现有文档
• 明确核心贡献点

报告规划

• 确定章节结构
• 映射：哪些数据 → 哪些章节
• 识别所需图表
• 制定执行计划

第一波：数据准备

• 启动 5-6 个并行代理
• 等待全部完成
• 验证输出（抽查关键数值）

第二波：章节撰写

• 启动 3-4 个并行代理
• 每个代理获取：章节模板 + 相关的第一波数据
• 独立章节可并行处理

第三波：整合

• 将各章节合并至 main.tex
• 运行 cross_ref_audit.py
• 修复重复标签、未定义引用
• 使用 tectonic 编译
• 进行质量审查

迭代优化

• 作者审阅输出
• 针对性修改（特定章节/部分）
• 重新编译并验证

时间估算（基于实际运行数据）

若不使用并行代理，相同报告需 8-12 小时。

关键经验（来自生产环境实践）

1. 数据优先于文字：代理在缺乏具体数据时写作质量差。第一波数据准备不可或缺。
2. 推荐使用 Tectonic 而非 BasicTeX：brew install tectonic — 无需 sudo，自动处理依赖包。
3. 交叉引用审计必须执行：并行代理易产生重复标签。自动化脚本可有效发现。
4. 图表生成流程独立：先生成所有图表，再引用。避免在章节代理中嵌入 matplotlib 代码。
5. 坦诚说明局限性：明确提示要求指出研究局限——Claude 默认会弱化缺点。
6. zsh 注意事项：grep '!' 在 zsh 中因历史扩展机制失效。建议用 Python 脚本进行模式匹配。
7. 计划文件作为唯一真相源：在启动任何代理前，先完整写出执行计划。
8. 抽查第一波输出：不要盲目传递数据给写作代理。务必核对关键数值。

常见问题与解决方案

参考资料

继承自 ml-paper-writing

专为 write-report 新增

作者

[Canlah AI](https://canlah.ai) — 在不破坏品牌的情况下实现高效营销。

• GitHub：[github.com/PHY041](https://github.com/PHY041)
• 所有技能：[clawhub.ai/PHY041](https://clawhub.ai/PHY041)