Back to search
humanities-thesis-skill
SkillGitHub
AI skill for humanities thesis writing — from topic selection to publication. 8 academic databases, 21 review rules, anti-hallucination guardrails. 人文社科论文写作 AI Skill
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/ganzhi-black--humanities-thesis-skill)HTML
<a href="/listings/ganzhi-black--humanities-thesis-skill"><img src="/api/listings/ganzhi-black--humanities-thesis-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 280 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: humanities-thesis
- description: 人文社科论文写作全流程指导。适用于文学、历史、哲学、社会学、传播学、新闻学、文化研究等领域的中文学术论文。当用户提到"论文""写论文""选题""文献综述""论文修改""论文结构""摘要翻译""帮我查文献""参考文献格式""论文没有新意""理论和文本脱节""章节之间缺乏逻辑""帮我检查论文""摘要翻译成英文""投稿准备""脚注格式"等场景时触发。覆盖从选题到投稿的全流程,包含防幻觉规则、学术数据库搜索、21条文本评估规则。
- ---
- # 人文社科论文写作全流程指导
- > **适用范围**:文学、历史、哲学、社会学、传播学、新闻学、文化研究等人文社科领域的中文学术论文。
- >
- > **适配 Agent**:Claude Code / OpenClaw。也可作为 system prompt 用于 Coze、Kimi、ChatGPT 等平台。
- ---
- ## Rules:学术严谨性硬性规则
- 以下规则在任何阶段、任何操作中都必须遵守,不可妥协。
- ### R1:不编造,不虚构
- - **绝不生成不可查阅的文献。** 不要编造作者名、论文标题、期刊名、出版年份、页码中的任何一项。如果记不清一篇文献的具体信息,明确告诉用户"我不确定这篇文献的具体信息,建议你在知网/Google Scholar中核实",而不是填一个"大概对"的信息
- - **绝不虚构引文内容。** 不要生成"某某曾说过……"然后跟一段编造的话。如果没有读到原文,就说没有读到
- - **绝不编造数据、年份、历史事件细节。** 不确定的信息用搜索工具核实,核实不了的标注"待查证"
- ### R2:区分"知道"和"不知道"
- - 对于自己的训练数据中存在的知识,可以正常使用,但涉及具体文献信息(标题、页码、出版年)时仍然需要核实
- - 对于不确定的信息,使用以下表述而不是编造答案:
- - "根据我的了解……但建议核实具体出处"
- - "这个细节我不确定,建议查阅原文第X章"
- - "此处需要你补充具体的文献信息"
- - 在生成论文草稿时,对不确定的引文位置使用占位符 `[待补充出处]`,而不是编一个看似合理的引用
- ### R3:文献相关的红线
- - 不要根据论文标题推测论文内容。标题为"论X的Y"不意味着论文就一定论证了Y
- - 不要在没有读到原文的情况下描述论文的"论证过程"或"核心发现"
- - 不要把摘要的概括当作论文的全部内容——很多论点的细节和限定条件只在正文中出现
- - 不要混淆"作者的观点"和"作者引用的别人的观点"
- - 如果用户要求引用某篇文献但你无法获取原文,告诉用户而不是凭印象编写引文
- ### R4:生成内容的自查
- 每次生成论文内容后,自查以下项目:
- - 所有提到的文献是否都是真实存在的?
- - 所有引文是否都标注了来源(哪怕是占位符)?
- - 有没有把推测性的说法写成了确定性的断言?
- - 历史事件的年份、人名是否准确?
- ---
- ## 阶段零:提问引导——帮用户理清思路
- 在动笔之前,先通过结构化提问,帮用户把模糊的想法变成清晰的方案。不要跳过这个环节。
- ### 第一轮:定位(必问)
- 逐个提问,每次只问一个,等用户回答后再问下一个:
- 1. **你在写什么?** 课程论文 / 本科毕业论文 / 硕士论文 / 博士论文 / 期刊投稿?
- 2. **你的研究对象是什么?** 具体到作品名 / 历史事件 / 哲学文本 / 社会现象。如果用户说"我想研究鲁迅",追问:鲁迅的哪部作品或哪个时期?
- 3. **你现在最困惑的一件事是什么?** 这比"你的论点是什么"更容易回答,往往直接指向真正的问题意识。
- 4. **你有没有已经读过的文献或理论?** 如果有,追问:这个理论在你看来能解释材料里的什么现象?
- ### 第二轮:聚焦(根据第一轮回答决定)
- | 用户状态 | 追问方向 |
- |---------|---------|
- | 有研究对象,没有问题 | "读这个文本时,哪个细节让你最困惑?" |
- | 有问题,不知道怎么论证 | "如果有人反对你的观点,他们最可能怎么说?" |
- | 有理论,不知道怎么结合材料 | "这个理论描述的现象,在你的材料里对应哪个具体段落?" |
- | 有大量笔记,不知道怎么组织 | → 读取 `references/material-integration.md` |
- | 已有完整草稿,想修改 | → 直接进入阶段六(诊断与修改) |
- ### 第三轮:确认方案
- 开始写作前,把以下要素复述给用户确认:研究对象、核心问题、初步论点方向、拟用理论框架、论文类型和预期篇幅。确认后再进入后续阶段。
- ---
- ## 方法论原则
- 三条贯穿始终的标准:
- **理论是工具,文本/史料是目的地。** 引入理论是因为它能命名材料里已经存在的现象,不是为材料提供需要被验证的答案。用一个概念把一个问题真正想透,远胜于堆砌多个概念各说一点。
- **历史背景是语境,不是解释。** 背景的功能是回答"为什么这个作者/文本会提出这个问题",而不是回答"这个文本说了什么"。把背景当答案,论文就变成了历史注脚。
- **论点从材料内部生长出来。** 好的论点是被材料逼出来的,不是从外部框架演绎出来的。先有细读中的困惑或发现,再去找匹配的理论语言。
- ---
- ## 阶段一:选题与问题意识
- 帮用户把模糊的兴趣转化为可论证的问题。一个好问题应该是**可争辩的**(有人可能不同意)、**可论证的**(材料里有证据)、**有原创性的**(不是重复已有结论)。
- | 层次 | 示例 | 问题 |
- |------|------|------|
- | 弱论点 | "《X》批判了Y" | 描述性,是常识 |
- | 中等论点 | "《X》通过Y机制揭示了Z" | 有分析,可能缺深度 |
- | 强论点 | "《X》在A和B的双重失败之后,在C处涌现出D,揭示了关于E的根本悖论" | 有张力,有原创,可争辩 |
- ---
- ## 阶段二:理论框架选择
- 把理论框架和材料的核心观察放在一起问:这个理论家是否已经在理论层面想透了材料里存在的问题?如果需要削足适履地改造材料来适应理论,就换框架。
- 每次引入新的理论概念,必须包含三个层次:① **定义**(用自己的语言) ② **适用性论证**(为什么它能描述材料里的现象) ③ **落地**(对应哪个具体细节)。
- 常见错误:理论堆砌(引入三个框架各用一点)、理论先于材料(先定框架再找印证)、引用而不分析(大段引用但没说"这意味着什么")。
- 当用户选择理论框架时,读取 `references/theory-frameworks.md`。
- ---
- ## 阶段三:论文结构设计
- 好的结构是**递进的论证**,不是平行的观察。每章应该:接收上一章留下的张力,推进论证,开启下一章的问题。把三章标题连成一句话——如果能读出完整的论证逻辑,结构就是对的。
- **引言**:有张力的细节切入 → 核心问题 → 研究空白 → 分析框架 → 论点
- **章节开头**:从具体细节或引文开始,不要从理论定义或背景介绍开始。
- **章节结尾**:收拢论点(1-2句)→ 点出张力 → 自然引向下一章。不用"下一章将分析……"。
- **结语**:收拢三章论证,回应引言核心问题,说明对更大问题的意义。不要只罗列各章结论。
- **标题格式**:采用"核心概念:论点方向"。冒号前点明对象,冒号后揭示论证动作。
- 当用户进入写作阶段时,读取 `references/writing-templates.md`。
- ---
- ## 阶段四:材料细读方法
- 1. **找有张力的细节**:不是著名段落,而是让你困惑或与论点直接相关的细节
- 2. **慢读**:一个词、一个时态都可能是分析入口。问:为什么是这个词?
- 3. **从细节到论点**:分析完细节后,明确说出它如何支撑核心论点
- 常见陷阱:描述而不分析、孤立引文(没说和论点的关系)、过度诠释(失去和材料的连接)。
- ---
- ## 阶段五:历史语境处理
- 语境材料的放置:引言用一段交代"为什么作者在这个时刻提出这个问题";正文中在需要照亮材料的时刻自然出现;结语收拢历史线索。
- 正确顺序:材料细读 → 指出内部张力 → 引入历史背景 → 论证对应关系。
- 错误顺序:先介绍历史背景 → 声称材料反映了这个背景(沦为历史注脚)。
- ---
- ## 阶段六:常见问题诊断与修改
- | 症状 | 诊断 | 处方 |
- |------|------|------|
- | 章节之间缺逻辑连接 | 结构是并列的 | 重新设计每章的"接收"和"开启" |
- | 理论和材料脱节 | 理论、细读各自集中 | 每次引用材料都要有理论接应 |
- | 论点不清晰 | 论点句是描述性的 | 重写:存在X张力,通过Y分析,论证Z |
- | 历史背景喧宾夺主 | 背景多于分析 | 把背景分散到需要它的具体分析时刻 |
- | 结尾戛然而止 | 没有向更大问题敞开 | 加一个向更大问题回望的句子 |
- | 论文没有新意 | 重复已有结论 | 回到材料,找已有研究没处理的张力 |
- | 摘要像内容简介 | 只说了"分析了X" | 见 `references/writing-templates.md` 摘要模板 |
- ---
- ## 文献搜索策略
- ### 自动搜索(稳定可用)
- 以下数据源通过免费公开 API 搜索,稳定可靠:
- | 数据源 | 语言 | 说明 |
- |--------|:----:|------|
- | OpenAlex | 英文为主 | 2.5亿+论文,Scopus 的免费替代品 |
- | Semantic Scholar | 英文 | Allen AI 提供,免费公开 API |
- | CORE | 英文 | 3亿+开放获取论文 |
- | CrossRef | 英文 | DOI 元数据查询 |
- 使用方式:`python scripts/search.py "关键词"`
- ### 用户手动搜索 + AI 分析(中文文献推荐)
- 知网、Google Scholar 等平台的反爬机制较强,自动抓取不稳定。推荐以下工作流:
- **知网**:
- 1. 用户自行在 [知网](https://www.cnki.net) 搜索
- 2. 搜索结果页 → 勾选文献 → 点击"导出/参考文献" → 选择"自定义"或"Endnote"格式导出
- 3. 将导出的文件上传给 AI,或者把内容粘贴到对话中
- 4. AI 负责解析、筛选、拆解、整合这些文献
- **Google Scholar**:
- 1. 用户自行在 [Google Scholar](https://scholar.google.com) 搜索
- 2. 将搜索结果页的内容复制粘贴到对话中
- 3. 或者:找到文献后直接下载 PDF 上传给 AI
- **国家哲社文献中心**:
- 1. 用户自行在 [NCPSSD](https://www.ncpssd.cn) 搜索(完全免费,无需登录)
- 2. 将搜索结果粘贴到对话中
- **万方**:
- 1. 用户自行在 [万方](https://www.wanfangdata.com.cn) 搜索
- 2. 将搜索结果或导出文献粘贴到对话中
- 用户提供文献信息后,AI 按 `references/literature-review.md` 的方法整理文献综述,按 `references/literature-analysis.md` 的方法拆解核心文献。
- ---
- ## 扩展功能(按需加载)
- 以下功能的详细内容在 references/ 中,用户提出对应需求时再读取对应文件:
- | 阶段 | 触发场景 | 参考文件 |
- |------|---------|---------|
- | 文献综述与搜索 | "帮我查文献""写文献综述" | `references/literature-review.md` |
- | 核心文献拆解 | 用户上传文献要求分析 | `references/literature-analysis.md` |
- | 材料整合 | 用户提供散碎笔记要整合 | `references/material-integration.md` |
- | 英文翻译与投稿 | "翻译摘要""准备投稿" | `references/english-translation.md` |
- | 格式规范 | 字体字号、脚注、参考文献 | `references/formatting-guide.md` |
- | 文本评估 | 生成章节后检查、定稿前审查 | `references/text-review.md` |
- ---
- ## 文本评估:生成内容的质量校验
- 每次生成完整章节或段落后,使用评估脚本做一次自动检查。这不是让模型"自己检查自己"——而是用确定性规则(正则匹配、术语表比对、格式模板检查)做硬性校验。
- **使用方式**:
- ```bash
- # 命令行
- python scripts/review.py paper.md
- # Agent 内部调用
- from scripts.review import review
- issues = review(text)
- ```
- **检查六个维度**:可信度(编造文献、模糊引用、过度断言)、术语一致性(译名混用)、格式规范(脚注、标点、参考文献)、学术语体(口语化、自称不统一)、论证逻辑(句间/段间/章节间的论证断裂、只论不证、只证不论、引文后缺分析、预设前提未论证、因果跳跃、结尾概念堆砌、强度词缺论据)、结构完整性(缺摘要、缺论点句)。
- **评估系统的边界**:评估脚本只检查确定性规则(格式、用词、结构信号),不能判断论点说服力和论证逻辑连贯性。后者需要结合方法论指导做人工判断。
- ---
- ## 文件读取:处理用户上传的文献
- 当用户上传 PDF、DOCX 等文件要求分析或拆解时:
- **Claude Code 环境**:
- 1. 用户上传的文件在 `/mnt/user-data/uploads/` 目录下
- 2. PDF 文件:用 `PyMuPDF`(`fitz`)或 `pdfplumber` 提取文本。扫描件尝试 OCR
- 3. DOCX 文件:用 `python-docx` 读取
- 4. 提取失败则建议用户将关键章节粘贴到对话中
- 5. 提取成功后,进入 `references/literature-analysis.md` 的拆解流程
- **其他平台(Coze / Kimi / ChatGPT 等)**:
- 1. 如果平台支持文件上传,直接上传 PDF
- 2. 如果不支持,将文献内容粘贴到对话中
- **通用规则**(遵守 Rules R3):
- - 只分析提取到的原文内容,不推测未读到的部分
- - 绝不在未读到原文的情况下"拆解"一篇文献
- ---
- ## 参考资源索引
- | 文件 | 内容 | 加载时机 |
- |------|------|---------|
- | `references/writing-templates.md` | 引言、摘要、章节结尾、过渡段模板与正反面示范 | 用户进入写作阶段 |
- | `references/theory-frameworks.md` | 20位理论家速查 + 框架搜索兜底 | 用户选择理论框架 |
- | `references/terminology-bilingual.md` | 350+条术语中英法德对照表(19个学科) | 翻译或查术语英文 |
- | `references/formatting-guide.md` | 字体字号、脚注、参考文献格式 | 用户问排版格式 |
- | `references/literature-review.md` | 文献综述方法 + 搜索策略 | 用户做文献综述 |
- | `references/literature-analysis.md` | 核心文献五层拆解法 + 防臆断检查 | 用户上传文献要求分析 |
- | `references/material-integration.md` | 散碎笔记整合为论文的工作流 | 用户提供多份材料 |
- | `references/english-translation.md` | 摘要英译、投稿准备 | 用户准备英文投稿 |
- | `references/text-review.md` | 文本评估维度说明 + 脚本使用 | 生成章节后检查 |
- | `references/platform-guide.md` | Agent 适配说明 + 文件结构总览 | 首次部署时参考 |
README.md · README · 296 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <div align="center">
- # 📜 humanities-thesis-skill
- ### *给人文社科研究者的 AI 写作副驾驶*
- [](LICENSE)
- [](https://python.org)
- [](https://claude.ai/code)
- [](https://github.com/)
- <br>
- <table>
- <tr><td align="left">
- 📖 论文选题想了三天,还是"浅析《XXX》的叙事策略"?<br>
- 🤖 让AI帮你写论文,结果它编了三篇不存在的文献?<br>
- 😵 每句话单独看都对,连在一起读就是一盘散沙?<br>
- 🌍 翻译英文摘要,"延异"到底译成 différance 还是 differance?
- </td></tr>
- </table>
- ### ✨ 这个 Skill 解决以上所有问题。
- <br>
- 从选题到投稿的 **全流程方法论指导** + **21 条规则的文本评估引擎** + **350+ 条术语对照表**
- 不是帮你"写"论文——是帮你**想清楚**论文该怎么写,然后检查你写的每一段是否站得住脚。
- <br>
- [⚡ 快速开始](#-快速开始) · [🧠 核心能力](#-核心能力) · [🔬 文本评估](#-文本评估引擎) · [📚 文献工作流](#-文献搜索与分析) · [📂 项目结构](#-项目结构) · [🎯 设计原则](#-设计原则)
- </div>
- ---
- ## ⚡ 快速开始
- ### 方式一:直接粘贴(最简单,适合所有平台)
- 1. 打开 `SKILL.md` 文件,全选复制
- 2. 粘贴到你用的 AI 平台里:
- - **Coze(扣子)** → 创建 Bot → 粘贴到"人设与回复逻辑"
- - **Kimi / 豆包 / 通义千问** → 直接发给它说"请按照这个指导帮我写论文"
- - **ChatGPT** → 创建 GPTs → 粘贴到 Instructions
- 3. `references/` 文件夹里的参考资料按需投喂——要选理论框架就发 `theory-frameworks.md`,要查术语就发 `terminology-bilingual.md`
- ### 方式二:作为 Skill 安装(Claude Code / OpenClaw)
- 打开你的 Agent,说:
- > 帮我安装这个 skill:`https://github.com/ganzhi-black/humanities-thesis-skill`
- Agent 会自动读取 SKILL.md 并加载全部功能。
- ### 方式三:命令行工具
- ```bash
- git clone https://github.com/ganzhi-black/humanities-thesis-skill
- cd humanities-thesis-skill
- pip install -r requirements.txt
- # 搜索英文学术文献(通过免费 API)
- python scripts/search.py "trauma narrative Chinese literature"
- # 检查论文文本质量
- python scripts/review.py paper.md
- ```
- ---
- ## 🧠 核心能力
- <table>
- <thead>
- <tr>
- <th width="33%" align="center">📋 方法论指导</th>
- <th width="33%" align="center">🔍 文献工具链</th>
- <th width="33%" align="center">✅ 质量保障</th>
- </tr>
- </thead>
- <tbody>
- <tr>
- <td>
- **提问引导**<br>
- <sub>三轮结构化提问,从模糊兴趣到可论证的问题</sub>
- **选题 → 定稿全流程**<br>
- <sub>选题、理论框架、结构设计、材料细读、历史语境、修改诊断</sub>
- **散碎材料 → 完整论文**<br>
- <sub>四步整合工作流:清点 → 提取线索 → 重组结构 → 缝合补写</sub>
- </td>
- <td>
- **英文文献自动搜索**<br>
- <sub>OpenAlex · Semantic Scholar · CORE · CrossRef(免费 API,稳定可靠)</sub>
- **中文文献:用户搜索 + AI 分析**<br>
- <sub>引导用户在知网/NCPSSD搜索导出,AI负责解析、拆解、整合</sub>
- **五层文献拆解法**<br>
- <sub>元信息 → 论证结构 → 证据标记 → 关系定位 → 交叉比对</sub>
- </td>
- <td>
- **R1-R4 防幻觉硬规则**<br>
- <sub>不编造文献、不虚构引文、不捏造数据</sub>
- **21 条文本评估规则**<br>
- <sub>六个维度:可信度 · 术语 · 格式 · 语体 · 论证逻辑 · 结构</sub>
- **350+ 条术语对照表**<br>
- <sub>覆盖 19 个学科:文学、历史、哲学、社会学、传播学、新闻学……</sub>
- </td>
- </tr>
- </tbody>
- </table>
- ---
- ## 🔬 文本评估引擎
- 写完一段,跑一次检查。不是让模型"自己检查自己"——而是用**正则匹配 + 术语表比对**做确定性校验。
- ```bash
- python scripts/review.py paper.md
- ```
- ```
- 评估完成:2 个错误 / 5 个警告 / 1 个提示
- ✗ [错误] R1-01 第12行
- 模糊引用:使用了「有学者指出」类表述但未给出具体文献
- 建议:替换为具体的作者名+出处,或删除这个引用
- ⚠ [警告] L-07 第45行
- 总结句中堆砌了 5 个以上并列概念
- 建议:检查这些并列项是否都在前文得到了论证
- ⚠ [警告] L-08 第38行
- 强断言「显然」附近未见充分的论据支撑
- 建议:删去强度词,或补充多重论据
- ```
- ### 六个维度 · 21 条规则
- | 维度 | 规则 | 做什么 |
- |------|------|--------|
- | 🔴 **可信度** | R1-01 ~ R3-01 | 模糊引用、未来年份引用(编造嫌疑)、过度断言 |
- | 🟡 **术语** | T-01 | 同一概念多个译名混用(灵晕/灵韵/灵光) |
- | 🟠 **格式** | F-01 ~ F-04 | 空脚注、参考文献缺 [M][J]、中英标点混用、标题编号混用 |
- | 🔵 **语体** | S-01 ~ S-02 | 口语化("说白了""笔者觉得")、自称不统一 |
- | 🟣 **论证逻辑** | L-01 ~ L-08 | 连续断言无论证连接、并列堆砌无递进、引文后缺分析、因果前提未论证、总结句概念堆砌、强度词缺论据 |
- | ⚪ **结构** | ST-01 ~ ST-02 | 缺摘要/关键词/参考文献、引言缺论点句 |
- ---
- ## 📚 文献搜索与分析
- ### 英文文献:自动搜索
- 通过免费公开 API 搜索,稳定可靠,零配置即可使用:
- ```bash
- python scripts/search.py "trauma narrative Chinese literature"
- ```
- | 数据源 | 说明 |
- |--------|------|
- | 🌐 OpenAlex | 2.5亿+论文,Scopus 的免费替代品 |
- | 🌐 Semantic Scholar | Allen AI 提供,免费公开 API |
- | 🌐 CORE | 3亿+开放获取论文 |
- | 🌐 CrossRef | DOI 元数据查询 |
- ### 中文文献:用户搜索 + AI 分析
- 知网、Google Scholar 等平台反爬机制较强,自动抓取不稳定。推荐的工作流是:
- 1. **你自己搜** — 在知网/国家哲社文献中心/万方搜索
- 2. **导出或复制** — 导出文献列表(txt/Endnote格式),或直接复制搜索结果
- 3. **交给 AI** — 上传文件或粘贴到对话中
- 4. **AI 来分析** — 解析、筛选、拆解、整合文献,撰写文献综述
- 这其实更符合真实的学术研究流程——研究者本来就是自己搜文献,AI 的价值在于帮你**分析和写作**。
- ### 文献拆解
- 筛选出核心文献后,用五层拆解法榨干每篇文献的价值:
- 1. **元信息提取** — 标题、作者、论点、方法、关键词
- 2. **论证结构拆解** — 问题→立场→论证路径→结论
- 3. **证据与引文标记** — 可引用的论点/数据/方法,附页码
- 4. **与你论文的关系定位** — 理论基础/对话对象/反面论据
- 5. **交叉比对** — 多篇文献之间的共识、分歧与空白
- ---
- ## 📂 项目结构
- ```
- humanities-thesis-skill/
- ├── SKILL.md # 核心指令(agent 启动时加载)
- ├── README.md # 本文件
- ├── LICENSE # MIT License
- ├── requirements.txt # Python 依赖
- ├── .gitignore # 忽略 .env 等敏感文件
- │
- ├── references/ # 📚 参考文档(按需加载,节省 token)
- │ ├── writing-templates.md # 写作模板与正反面示范(269行)
- │ ├── theory-frameworks.md # 理论家速查(20 位,含兜底搜索策略)
- │ ├── terminology-bilingual.md # 术语对照表(350+ 条,19 个学科)
- │ ├── formatting-guide.md # 格式规范(字体字号、脚注、参考文献)
- │ ├── literature-review.md # 文献综述方法 + 搜索策略
- │ ├── literature-analysis.md # 核心文献五层拆解法
- │ ├── material-integration.md # 散碎材料 → 完整论文工作流
- │ ├── english-translation.md # 英文翻译与投稿准备
- │ ├── text-review.md # 文本评估维度说明
- │ └── platform-guide.md # Agent 适配说明
- │
- └── scripts/ # 🔧 Python 工具链
- ├── search.py # 文献搜索入口
- ├── review.py # 文本评估入口
- ├── .env.example # 数据源配置模板
- ├── lib/ # 公共模块
- │ ├── schema.py # 数据模型
- │ ├── http_client.py # HTTP 封装(SSL 安全验证)
- │ ├── utils.py # 工具函数
- │ ├── query.py # 查询预处理(中英双语展开)
- │ ├── score.py # 搜索结果评分排序
- │ ├── dedupe.py # 跨数据源去重
- │ ├── render.py # 输出渲染
- │ ├── citation.py # 引文自动生成
- │ └── review_rules.py # 文本评估规则引擎(21 条)
- └── sources/ # 数据源模块
- ├── source_openalex.py # OpenAlex(免费)
- ├── source_semantic_scholar.py # Semantic Scholar(免费)
- ├── source_core.py # CORE(免费)
- ├── source_crossref.py # CrossRef(免费)
- ├── source_cnki.py # 知网(实验性)
- ├── source_ncpssd.py # 国家哲社文献中心(实验性)
- ├── source_wanfang.py # 万方(实验性)
- ├── source_google_scholar.py # Google Scholar(实验性)
- └── autocli_fetch.py # autocli 增强抓取(可选)
- ```
- ---
- ## 🎯 设计原则
- | 原则 | 具体做法 |
- |------|---------|
- | **SKILL.md 保持精简** | 核心指令控制在 250 行以内,其余内容按需从 references/ 加载 |
- | **Rules 优先于方法论** | R1-R4 防幻觉规则写在所有写作指导之前——学术可信度是底线 |
- | **从材料出发** | 方法论始终强调"论点从材料内部生长",不是先选理论再找材料印证 |
- | **确定性校验优先** | 文本评估用正则匹配 + 术语表比对,不依赖模型自我判断 |
- | **搜索与分析分离** | 英文文献自动搜索;中文文献用户搜索、AI分析——各取所长 |
- | **查不到就搜** | 理论框架和术语对照表都内置兜底机制:表里没有 → 联网搜 → 拼音+解释兜底 |
- ---
- ## ⚠️ 注意事项
- - **这是写作辅助工具,不是论文代写工具。** Skill 帮你理清思路、检查问题、搜索文献,但核心论点和原创分析必须来自你自己
- - **所有生成内容都需要人工核实。** 尤其是文献信息(作者、标题、年份、页码),即使有防幻觉规则,仍然建议逐条验证
- - **中文文献搜索建议手动。** 知网、Google Scholar 的反爬机制较强,脚本自动抓取不稳定,推荐用户自行搜索后将结果交给 AI 分析
- - **术语表和理论框架会持续扩充。** 目前覆盖 20 位理论家、350+ 条术语,欢迎 PR 补充
- ---
- ## 🤝 贡献
- 欢迎以下类型的贡献:
- - 📖 **理论家 / 术语补充** — 编辑 `references/theory-frameworks.md` 或 `terminology-bilingual.md`
- - 🔍 **评估规则** — 发现了 AI 写学术论文的新型错误模式?往 `review_rules.py` 里加一条
- - 🔧 **新数据源** — 写一个 `source_xxx.py` 提 PR
- - 🐛 **Bug 修复** — 评估规则误报、脚本解析失败等
- ---
- <div align="center">
- **MIT License** · Created by [@ganzhi-black](https://github.com/ganzhi-black)
- <sub>给每一个在深夜和论文搏斗的人文社科研究者。</sub>
- </div>
scripts/sources/autocli_fetch.py · Bundled script · 207 lines · 1 finding marked
- """基于 autocli 的学术网页抓取
- 复用用户的 Chrome 登录会话,直接抓取需要登录的学术网站。
- 比传统 HTTP 抓取稳定得多——不会被反爬机制拦截,不需要 Cookie 配置。
- 依赖:autocli CLI 工具(https://github.com/nashsu/AutoCLI)
- 安装:curl -fsSL https://raw.githubusercontent.com/nashsu/AutoCLI/main/scripts/install.sh | sh
- Note: Pipes a downloaded script directly into a shell (curl | sh / wget | bash)
- Line 7 on GitHub
- 工作流:
- 1. 检测 autocli 是否已安装
- 2. 用 autocli read <url> 抓取学术网页(复用 Chrome 登录态)
- 3. 用 autocli google search 搜索 Google Scholar
- 4. 解析返回的 Markdown/JSON 提取文献信息
- """
- from __future__ import annotations
- import subprocess
- import json
- import re
- import shutil
- import logging
- import sys
- import os
- sys.path.insert(0, os.path.join(os.path.dirname(__file__), ".."))
- from lib.schema import Paper, SearchResult
- from lib.utils import parse_year
- logger = logging.getLogger(__name__)
- def is_autocli_available() -> bool:
- """检测 autocli 是否已安装"""
- return shutil.which("autocli") is not None
- def _run_autocli(args: list[str], timeout: int = 30) -> str | None:
- """执行 autocli 命令,返回 stdout 或 None"""
- try:
- result = subprocess.run(
- ["autocli"] + args,
- capture_output=True,
- text=True,
- timeout=timeout,
- )
- if result.returncode == 0:
- return result.stdout
- logger.warning("autocli %s failed (exit %d): %s",
- " ".join(args[:3]), result.returncode, result.stderr[:200])
- return None
- except FileNotFoundError:
- logger.warning("autocli not found")
- return None
- except subprocess.TimeoutExpired:
- logger.warning("autocli %s timed out", " ".join(args[:3]))
- return None
- except Exception as e:
- logger.warning("autocli error: %s", e)
- return None
- def read_url(url: str, fmt: str = "text") -> str | None:
- """用 autocli read 抓取任意网页内容(复用 Chrome 登录态)
- 适用于:
- - 知网论文详情页(需要登录才能看摘要)
- - Google Scholar 搜索结果页
- - 国家哲社文献中心
- - 任何需要登录的学术网站
- Args:
- url: 网页 URL
- fmt: 输出格式 (text/markdown/json)
- Returns:
- 网页内容文本,或 None(如果失败)
- """
- return _run_autocli(["read", url, "-f", fmt], timeout=30)
- def search_google_scholar(query: str, limit: int = 20) -> SearchResult:
- """通过 autocli + Google 搜索 Google Scholar
- 原理:用 autocli google search 搜索 "site:scholar.google.com <query>",
- 复用用户的 Chrome Google 登录态,绕过反爬。
- """
- if not is_autocli_available():
- return SearchResult(
- query=query,
- source="Google Scholar (autocli)",
- error="autocli 未安装。安装方法见 references/platform-guide.md",
- )
- # 通过 Google 搜索限定 scholar.google.com
- search_query = f"site:scholar.google.com {query}"
- output = _run_autocli(
- ["google", "search", search_query, "--limit", str(limit), "--format", "json"],
- timeout=20,
- )
- if not output:
- return SearchResult(
- query=query,
- source="Google Scholar (autocli)",
- error="autocli google search 返回为空,请确认 Chrome 中已登录 Google",
- )
- try:
- data = json.loads(output)
- except json.JSONDecodeError:
- return SearchResult(
- query=query,
- source="Google Scholar (autocli)",
- error="autocli 返回内容无法解析为 JSON",
- )
- papers: list[Paper] = []
- items = data if isinstance(data, list) else data.get("results", data.get("items", []))
- for item in items[:limit]:
- title = item.get("title", "")
- url = item.get("url", item.get("link", ""))
- snippet = item.get("snippet", item.get("description", ""))
- # 从 snippet 中尝试提取作者和年份
- authors: list[str] = []
- year = parse_year(snippet)
- papers.append(Paper(
- title=title,
- authors=authors,
- year=year,
- url=url,
- source="Google Scholar (autocli)",
- abstract=snippet,
- language="en",
- ))
- return SearchResult(
- query=query,
- source="Google Scholar (autocli)",
- papers=papers,
- total_found=len(papers),
- )
- def search_cnki_via_read(query: str, limit: int = 10) -> SearchResult:
- """通过 autocli read 抓取知网搜索结果页
- 比 Cookie 方式更稳定——直接复用 Chrome 的知网登录态。
- """
- if not is_autocli_available():
- return SearchResult(
- query=query, source="知网 (autocli)",
- error="autocli 未安装",
- )
- import urllib.parse
- search_url = (
- f"https://kns.cnki.net/kns8s/defaultresult/index?"
- f"action=scdbsearch&txt_1_sel=SU&txt_1_value1={urllib.parse.quote(query)}"
- f"¤tid=txt_1_value1"
- )
- content = read_url(search_url, fmt="text")
- if not content:
- return SearchResult(
- query=query, source="知网 (autocli)",
- error="无法抓取知网搜索页,请确认 Chrome 中已登录知网",
- )
- # 从纯文本中提取论文信息(简单启发式)
- papers: list[Paper] = []
- # 知网的 Readability 提取可能不完美,但至少能拿到标题和部分信息
- # 更精确的解析需要根据实际返回内容调整
- lines = content.split("\n")
- for line in lines:
- line = line.strip()
- if not line or len(line) < 5:
- continue
- # 简单匹配看起来像论文标题的行(包含期刊年份信息的)
- if re.search(r"(19|20)\d{2}", line) and len(line) > 10 and len(line) < 200:
- year = parse_year(line)
- papers.append(Paper(
- title=line[:100],
- year=year,
- source="知网 (autocli)",
- language="zh",
- ))
- if len(papers) >= limit:
- break
- return SearchResult(
- query=query,
- source="知网 (autocli)",
- papers=papers,
- total_found=len(papers),
- error="" if papers else "从知网页面中未能解析出结构化结果,建议直接在知网中搜索",
- )
- if __name__ == "__main__":
- print(f"autocli available: {is_autocli_available()}")
- if is_autocli_available():
- q = sys.argv[1] if len(sys.argv) > 1 else "鲁迅 创伤叙事"
- print(f"\nSearching Google Scholar for: {q}")
- result = search_google_scholar(q, limit=5)
- print(result.to_json())
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.