thesis-creator
适用于 Claude Code / Agent 的论文写作 Skill (论文.SKILL)。涵盖论文内容、数据库ER图、整体流程图生成。针对本科论文进行aigc率降低、降重的优化,助力毕业设计高质量生成。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/stars-oc--thesis-creator)HTML
<a href="/listings/stars-oc--thesis-creator"><img src="/api/listings/stars-oc--thesis-creator/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
方式一:Claude Skill 安装
# 自然语言安装 帮我安装下 skill,项目地址是:https://github.com/Stars-OC/thesis-creator.git # 从 GitHub 安装 git clone https://github.com/Stars-OC/thesis-creator.git 将文件放入./claude-skills/skills/ 下 # 市场安装 (待进行)
方式二:OpenSkills 安装
使用 OpenSkills 包管理器安装:
# 安装 OpenSkills CLI(如未安装) pip install openskills # 或从 GitHub 安装 openskills install https://github.com/Stars-OC/thesis-creator.git openskills sync
方式三:完整安装(推荐)
包含 Python 工具和依赖:
# 克隆仓库 git clone https://github.com/Stars-OC/thesis-creator.git cd thesis-creator # 安装 Python 依赖 .\scripts\install.ps1
<details> <summary>手动安装 Python 依赖</summary>
# 创建虚拟环境 python -m venv .venv # 激活虚拟环境 .\.venv\Scripts\Activate.ps1 # 安装依赖 pip install -r scripts\requirements.txt
</details>
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 · 323 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: thesis-creator
- description: 面向中国本科生的毕业论文全流程写作辅助系统。支持从选题到交稿的端到端工作流,包含降重优化、AIGC 降低和本地检测功能。用户说「帮我写论文」或「帮我降重」等时触发。
- ---
- # 论文创作 Agent 系统
- 面向中国本科生的**毕业论文全流程写作辅助系统**。
- ---
- ## 核心原则
- > [!IMPORTANT]
- > **工作区隔离原则**:AI 始终在用户项目目录下的 `thesis-workspace/` 工作。所有产出文件都在用户工作区内。
- ---
- ## 触发条件
- | 触发语 | 执行动作 |
- |--------|----------|
- | 「帮我写论文,主题是…」 | 全流程(Step 0-9) |
- | 「帮我降重这段文字:…」 | 仅 Step 5 |
- | 「降低这段的 AIGC 率:…」 | 仅 Step 6:必须输出“处理前计划 → 改写文本 → 清单自检”,并按场景化重写、自然承接、轻冗余控制和高密度句拆解处理,不得只给改写结果 |
- | 「检测这段文字的 AIGC 率」 | AIGC 检测 |
- | 「帮我生成论文大纲」 | Step 0-3 |
- | 「初始化工作区」 | Step 0(工作区不存在直接初始化) |
- | 「继续」 | 仅在当前步骤的强制交互点、前置校验和质量门禁均已满足后继续流程 |
- | 「生成摘要」 | Step 4(仅摘要部分) |
- | 「生成图片」「生成图表」 | Step 8 |
- | 「导出 Word」「导出文档」 | Step 9 |
- | 「一键导出」 | Step 8+9 |
- ---
- ## 工作流程概览
- ```mermaid
- flowchart LR
- A[Step 0: 初始化] --> B[Step 1-2: 准备]
- B --> C[Step 3: 大纲]
- C --> D[Step 3→4: 文献搜索与建池]
- D --> E[Step 4: 撰写]
- E --> F[Step 5-6: 降重]
- F --> G[Step 7: 合并检测]
- G --> H[Step 8: 图片生成]
- H --> I[Step 9: 导出Word]
- ```
- > **⚠️ 流程顺序**:大纲确认 → 文献搜索与建池 → 正文写作 → 合并 → 图片生成 → 导出 Word
- > 状态文件路径:`thesis-workspace/.thesis-status.json`
- > 若文件不存在,`status_manager.py` 会自动创建。
- >
- > **推荐统一入口**:`scripts/core/lifecycle.py`(整合日志 + 状态管理)
- ---
- ## 继续与暂停点规则
- > [!IMPORTANT]
- > **「继续」不是跳过按钮。** 若当前流程仍存在强制交互点、前置校验或质量门禁未完成,则必须先完成对应动作,再允许进入下一步。
- ### 不可跳过的暂停点
- 1. **Step 0 初始化后**:必须先运行 `python scripts/core/lifecycle.py --workspace thesis-workspace/ --check-workspace`,并检查 `thesis-workspace/references/prompt/background.md` 是否已补全;工作区必须通过脚本初始化并从 `config/.thesis-config.yaml` 复制生成 `thesis-workspace/.thesis-config.yaml`,同时生成 `thesis-workspace/.thesis-status.json`、`thesis-workspace/logs/`、`thesis-workspace/scripts/charts/render.py`、`thesis-workspace/workspace/final/images/sources` 与 `thesis-workspace/workspace/references/images.yaml`;未完成时只能提示用户编辑,禁止直接推进到 Step 1/3。
- 2. **Step 3 大纲确认后**:必须先询问用户文献数量(20-30 / 30-50 / 15-20),并展示搜索耗时预估后,进入 Step 3→4 之间的“文献搜索与建池”阶段;该阶段不是独立 Step,但后续在 Step 4/6/7 中如发现文献不足、语种比例失衡或文献失效,必须允许回流补池后再继续写作或检测。
- 3. **Step 4 每章写作时**:必须先完成 Stage 1 要点规划,待用户确认后才能进入 Stage 2 扩写;如果当前仍停留在 Stage 1,用户回复「继续」只能视为确认本章要点,不能跳过更早的未完成门禁。
- 4. **Step 7 合并检测后**:若同一 `ref_id` 在终稿中重复出现,必须硬阻断并回退修正,禁止带重复引用进入 AIGC 检测;若 AIGC 检测未通过,必须回退到 Step 5/6 继续改写与审校,禁止进入 Step 8 图片生成或 Step 9 导出。
- 5. **Step 8 图片生成前**:必须按“抽取图片需求 → 准备源码文件 → 大模型填写 `.dot/.mmd/.puml` → 渲染 PNG → 回填 `[image_N]` → 完整性验证”执行;使用 `scripts/charts/manifest_builder.py`、`source_writer.py`、`render.py`、`markdown_updater.py`、`validate.py`,最终已渲染 AI 图片不得残留 `[image_N]`。
- ---
- ## 详细步骤(按需加载)
- | 步骤 | 说明 | 详细文档 |
- |------|------|----------|
- | Step 0 | 工作区初始化 | `workflows/step_0_init.md` |
- | Step 3 | 生成论文大纲 | `workflows/step_3_outline.md` |
- | Step 4 | 分章节撰写 | `workflows/step_4_writing.md` |
- | Step 6 | 审校润色 | `workflows/step_6_review_polish.md` |
- | Step 7 | 合并与检测 | `workflows/step_7_merge_detect.md` |
- | Step 8 | 图片生成与渲染(ER图默认读取 `background.md`,优先输出教科书风格 DOT,信息不足时尽量生成并 warning) | `workflows/step_8_image.md` |
- | Step 9 | 文档导出 | `workflows/step_9_export.md` |
- | 参考文献 | 文献池管理 | `workflows/reference_workflow.md` |
- ---
- ## 参考文献(独立存放)
- > **核心改进**:文献池独立存放在 `workspace/references/verified_references.yaml`
- > **文献校验状态**:`verified_doi / verified_metadata_only / broken_doi_metadata_ok / missing_doi_unverified / invalid_reference`
- > **规则说明**:无 DOI 不等于假文献;允许通过元数据验证的真实文献继续进入文献池。
- ### 图片需求清单
- - 正文图片占位符统一使用 `[image_1]`、`[image_2]` 等格式
- - 图片需求清单统一记录到 `workspace/references/images.yaml`
- - `workspace/references/images.yaml` 必须采用结构化字段,至少包含 `id`、`title`、`chapter`、`section`、`source`、`diagram_type`、`engine`、`purpose`、`fact_source`、`placement`、`status`、`description`、`source_file`、`output_file`、`render_status`;可选 `prompt_hint` 用于指导大模型生成源码,`dot_mode` 可用于单图覆盖 ER 的 DOT 子模式
- - Step 4 只负责记录 `[image_N]` 与 `image-requirement` 图片需求块,Step 8 再生成 `images.yaml`、准备源码文件、由大模型填写 `.dot/.mmd/.puml`、渲染 PNG 并回填 Markdown 图片引用
- - 架构图、模块图、流程图、ER 图等 AI 图片必须先有 manifest 记录;用户提供图片必须在清单中标明 `source=user` 和待补状态
- - 图表引擎按图类型明确映射,不自由摇摆:**流程图/活动图/用例图/时序图/类图 → PlantUML (`.puml`);ER 图由 `.thesis-config.yaml` 的 `er_modeling.graph_type` 决定,默认 Graphviz DOT (`.dot`) 教科书 Chen 风格,`erd` 时输出 Mermaid `erDiagram`;`diagram_type=overall_er` 必须第一个展示,且仅展示实体、联系与 `1:1` / `1:N` 基数,关系菱形节点必须结合外键字段或实体语义命名,如“拥有”“包含”,不得统一写成“关联”,且不展示字段;`diagram_type=entity_er` 可通过 `.thesis-config.yaml` 的 `er_modeling.dot_mode=textbook-single-entity-ring` 或 `images.yaml` 单图 `dot_mode` 启用单实体字段环绕 DOT,优先级为单图覆盖全局;架构图 → 用户自行生成/GPT image 后补入 (`source=user`);模块图 → Mermaid (`.mmd`);用户截图 → `user`**
- - **仅当流程图使用 PlantUML 生成时**,必须附加固定提示词模板,并将其中主题替换为当前图表标题或用途描述:
- ```text
- 请生成一个用于毕业论文的PlantUML流程图,主题为“{{图表主题}}”。要求:
- - 使用activity diagram
- - 所有节点使用中文
- - 起止节点使用“开始”“结束”
- - 逻辑严谨,体现完整业务流或上下文流转机制
- - 包含必要循环(如存在用户持续操作、重试或追问)
- - 避免语法歧义(防止被解析为class diagram)
- - 图结构简洁,不超过3层嵌套
- - 判断分支连线必须明确标注 Y/N
- - 全图只保留一个最终结束节点,所有分支和普通路径最终汇入该结束节点
- - 适合论文插图展示
- 只输出PlantUML代码。
- ```
- - 不再默认使用 Mermaid 流程图;普通流程图同样优先走 PlantUML。
- - **生成测试图或单独响应“生成流程图”类指令时,默认行为是将源码写入 `thesis-workspace/workspace/final/images/sources/` 对应 `.puml/.dot/.mmd` 文件,而不是在控制台直接输出完整图表源码;仅在用户明确要求“只输出代码”时,才直接返回源码文本。**
- ### 流程
- 1. **Step 3 大纲确认后询问文献数量**(默认 20-30 篇)
- 2. **多源搜索**:Semantic Scholar + CrossRef + OpenAlex
- 3. **DOI 验证**:判断 4xx 错误状态码
- 4. **合并去重**:多源结果合并,按相关度选出最相关 x 篇(`scripts/references/reference_merger.py`)
- 5. **写作时从文献池选取未占用引用**
- 6. **文献搜索与建池阶段可回流复用**:在 Step 4/6/7 任一阶段,如果当前章节缺少可用未占用文献、文献验证失败、语种比例不达标或引用密度不足,必须回到该阶段补充搜索,并增量更新 `workspace/references/verified_references.yaml`
- 7. **单篇文献整篇仅允许引用一次**:一旦某个 `ref_id` 被正文使用一次,就必须标记为已占用,后续章节不得重复使用;Step 7 发现重复 `ref_id` 必须硬阻断
- 8. **中文文献质量不足时提示人工补充**:若自动源无法满足中文文献占比 >65%,必须提示用户从 CNKI、万方、学校图书馆等外部高质量来源人工补充真实中文文献,禁止伪造
- 9. **文献 YAML 输出必须安全可解析**:标题含英文冒号、中文冒号、括号等特殊字符时,仍必须能被 `yaml.safe_load()` 读取
- 详见 `workflows/reference_workflow.md`
- ---
- ## 用户工作区目录结构
- ```
- thesis-workspace/
- ├── README.md # 工作区使用说明
- ├── .thesis-config.yaml # 配置文件
- ├── references/ # 参考资料(用户放入)
- │ ├── templates/ # 学校模板
- │ ├── examples/ # 范文
- │ ├── guidelines/ # 规范
- │ └── prompt/background.md # 论文背景(必填)
- ├── workspace/ # 论文产出
- │ ├── outline.md # 大纲
- │ ├── references/ # 参考文献池(独立)⭐
- │ │ ├── verified_references.yaml # 已验证文献池
- │ ├── cited_references.json # 引用记录(每章引用的ref_id)⭐
- │ ├── drafts/ # 初稿(仅含临时引用编号,无参考文献列表)⭐
- │ │ ├── 参考文献.md # 合并阶段生成的参考文献(独立MD文件,GB/T 7714格式)⭐
- │ ├── final/ # 终稿
- │ │ ├── 论文终稿.md # 终稿(引用编号已重排)
- │ │ ├── 论文终稿.docx
- │ │ └── images/ # 图片
- │ └── reports/ # 报告
- ├── logs/ # 日志
- └── .thesis-status.json # 状态
- ```
- > ⭐ 标记为本次更新新增或变更的文件
- ---
- ## Markdown 标题输出硬约束(Markdown→Word 映射)
- > [!IMPORTANT]
- > **生成的 Markdown 必须能被 Pandoc / python-docx / markdown-it / Typora / VSCode Markdown 正确识别,并映射为 Word Heading 1~4,支持自动目录、导航窗格、标题折叠和大纲视图。**
- ### 标题生成规则
- | Markdown 语法 | Word 映射 | 说明 |
- |--------------|-----------|------|
- | `# 标题名称` | Heading 1 | 章级标题(摘要、第N章、结论等) |
- | `## 标题名称` | Heading 2 | 节级标题(1.1、4.2 等) |
- | `### 标题名称` | Heading 3 | 小节级标题(1.2.1、4.4.1 等) |
- | `#### 标题名称` | Heading 4 | 段级标题(5.2.1 等) |
- **格式硬约束**:标题符号 `#` 后必须保留一个空格。正确:`## 研究背景`;错误:`##研究背景`。
- ### 禁止行为(标题模拟禁令)
- 以下方式视为**格式错误**,禁止用于模拟标题层级:
- | 禁止方式 | 说明 |
- |---------|------|
- | **加粗文本** | `**第一章 绪论**` 不是标题 |
- | **序号+普通段落** | `1.1 研究背景` 无 `##` 不是标题 |
- | **列表项** | `- 第一章 绪论` 不是标题 |
- | **表格标题** | 表格内文字不是标题 |
- | **单纯放大字体** | HTML `<font size>` 不是标题 |
- | **中文符号模拟层级** | `===系统设计===` 不是标题 |
- | **HTML 标签** | `<h1>` 等不是标题 |
- ### 层级约束
- 标题必须满足严格层级结构,禁止跨级跳跃:
- ```
- 正确:# → ## → ### → ####
- 错误:# → ###(跳过 ##)
- ```
- ### 论文结构标题示例
- ```markdown
- # 摘要
- # Abstract
- # 第一章 绪论
- ## 1.1 研究背景
- ## 1.2 国内外研究现状
- # 第二章 系统分析
- # 第三章 系统设计
- # 第四章 系统实现
- # 第五章 测试与分析
- # 结论
- # 参考文献
- ```
- ### 输出约束
- 1. 输出必须是**纯 Markdown 正文**
- 2. 禁止用 ````markdown```` 代码块包裹正文内容
- 3. 不要输出解释性文字(如"以下是论文内容")
- 4. 不要输出提示语
- ### 兼容性要求
- 生成结果必须兼容 `Markdown → docx` 转换流程,确保通过 `pypandoc.convert_file()` 或 `python-docx` 转换后能自动生成 Word 目录。
- ### 最终目标
- 导出的 docx 文档必须满足:
- - Word「引用 → 目录」可自动生成目录
- - Word「导航窗格」可显示章节树
- - 标题可折叠
- - 标题具备大纲级别
- - Heading 1~4 自动识别
- ---
- ## 防错机制
- | 问题 | 影响 | 处理 |
- |------|------|------|
- | 缺少规定动作章节 | 致命 | 自动补充 |
- | 设计实现未分离 | 致命 | 强制拆分 |
- | **章节顺序错误** | **致命** | **强制调整为:系统分析→系统设计→系统实现→系统测试→总结与展望** |
- | **使用 LLM 上下文合并文档** | **致命** | **必须使用 merge_drafts.py 脚本** |
- | 图表不足 | 严重 | 提示补充 |
- | **数据库表数量不足** | **严重** | **检查 background.md 表定义,确保 ≥11 张表** |
- | **未执行状态管理脚本** | **致命** | **每个 Step 必须通过 lifecycle.py 或 status_manager.py 记录状态,禁止大模型自行维护状态** |
- | **日志未通过脚本记录** | **严重** | **所有流程日志必须通过 logger.py 输出,禁止大模型自行生成日志内容** |
- | **文献链接 404** | **严重** | **合并前执行 reference_validator.py --check-404,404文献必须替换** |
- | **图片文件缺失** | **严重** | **Step 8 完成后检查 images/ 目录,所有占位符必须有对应 PNG 文件** |
- | 参考文献虚构 | 严重 | DOI验证+重生成 |
- | 参考文献数量超标 | 严重 | 按相关度截取 |
- | **参考文献缺少中英文** | **严重** | **中文和英文文献都必须包含,缺少则触发补充搜索** |
- | **参考文献 YAML 解析失败** | **严重** | **reference_merger.py 必须使用安全 YAML 输出,特殊字符标题保存后仍可 `yaml.safe_load()`** |
- | **中文文献比例不足** | **严重** | **自动源不足时提示从 CNKI、万方、学校图书馆人工补充真实中文文献,禁止伪造** |
- | **引用复用同一 ref_id** | **严重** | **同一篇文献整篇仅允许引用一次,发现重复占用必须硬阻断并回流补池改写引用** |
- | AI模板词超标 | 中等 | 按 Step 6 的 AIGC 标准流程处理:先做处理前计划,再按”场景化重写 → 结构重组 → 细节注入 → 自然承接与轻冗余 → 高密度句拆句解释 → 语言去模板化”改写,最后输出清单自检;禁止只做同义替换、删词式压缩或只给改写结果 |
- | **标题未使用 Markdown # 语法** | **致命** | **所有标题必须用 `#` / `##` / `###` / `####`,禁止加粗文本/序号段落/中文符号模拟标题** |
- | **标题层级跳跃** | **严重** | **禁止跨级(如 #→###),必须逐级(#→##→###→####)** |
- | **标题符号后无空格** | **严重** | **`#标题` 必须修正为 `# 标题`,符号后必须保留一个空格** |
- | **AIGC 降低缺少自检清单** | **严重** | **必须补齐处理前计划、改写文本、自检表;自检项出现“未通过”时继续局部修正,不得交付为最终版** |
- | **章节内自建参考文献列表** | 中等 | 删除,合并阶段统一生成 |
- | **background.md 为空或未完善** | **致命** | **提示用户编辑 `thesis-workspace/references/prompt/background.md`,禁止控制台交互式输入** |
- | **ER 图事实源不一致** | **严重** | **Step 8 的 ER 图默认读取 `background.md`,仅 ER 图受 `thesis-workspace/.thesis-config.yaml` 的 `er_modeling` 配置影响;默认输出教科书 Chen 风格 DOT(实体矩形、属性椭圆、联系菱形),总体 ER 图必须第一个展示,且只展示实体、联系与 `1:1` / `1:N` 基数;关系菱形节点必须结合外键字段或实体语义命名,如“拥有”“包含”,不得统一写成“关联”;DOT 输出不要显式使用 `label=`** |
- ---
- ## Prompt 文件(写作时加载)
- | 文件 | 说明 | 加载时机 |
- |------|------|----------|
- | `prompts/writer_guidelines.md` | 写作规范 | Step 4 |
- | `prompts/aigc_reducer_prompt.md` | AIGC 表达质量优化与深度人工化流程,按场景化重写、自然承接、轻冗余控制和高密度句拆句解释执行 | Step 6 |
- | `prompts/humanizer_guidelines.md` | 人工化改写细则与风险边界,约束自然过渡、轻冗余和拆句解释不得破坏学术语体 | Step 6 |
- | `prompts/reference_citation_prompt.md` | 引用铁律 | Step 4 |
- | `workspace/references/verified_references.yaml` | 文献池 | **必须加载** |
- ---
- ## Script 文件
- | 文件 | 说明 |
- |------|------|
- | `scripts/references/reference_engine.py` | 多源搜索 + DOI验证 |
- | `scripts/references/reference_merger.py` | 文献合并去重 + 选出最相关 x 篇 |
- | `scripts/document_exporter/` | Word导出 + 图片插入 |
- | `scripts/content/merge_drafts.py` | 章节合并 |
- | `scripts/aigc/detect.py` | AIGC检测 |
- | `scripts/aigc/technical_detect.py` | 技术论文 AIGC 检测 |
- | `scripts/charts/manifest_builder.py` | 从正文 `[image_N]` 与 `image-requirement` 生成或更新 `images.yaml` |
- | `scripts/charts/source_writer.py` | 根据 `images.yaml` 准备并校验 `.mmd/.dot/.puml` 源码文件 |
- | `scripts/charts/render.py` | 按 Mermaid、Graphviz、PlantUML 渲染 PNG |
- | `scripts/charts/markdown_updater.py` | 将已渲染图片回填为 Markdown 图片引用 |
- | `scripts/charts/validate.py` | 校验源码、PNG、占位符和用户待补截图状态 |
- ---
- ## 致谢
- 致谢生成位于 `Step 4`(与摘要同阶段),输出文件为 `workspace/drafts/致谢.md`,由 `merge_drafts.py` 在合并阶段自动纳入终稿。
- > 注意:致谢不计入七章正文结构,但属于论文交付的必备内容之一。
README.md · README · 464 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">
- # 论文创作 Agent 系统
- **面向中国本科生的毕业论文全流程写作辅助系统**
- 从选题到交稿,一句话搞定
- [](LICENSE)
- [](https://www.python.org/)
- [](https://claude.ai/)
- [](docs/CHANGELOG.md)
- [功能特性](#功能特性) •
- [快速开始](#快速开始) •
- [使用文档](docs/usage_guide.md) •
- [贡献指南](CONTRIBUTING.md)
- </div>
- ---
- ## 简介
- 论文创作 Agent 系统是一个基于 Claude Code 的毕业论文写作辅助工具。通过智能化的 10 步工作流,帮助本科生高效完成毕业论文创作,同时提供降重优化、AIGC 检测和文献真实性验证功能。
- > [!IMPORTANT]
- > **v2.0 多学科 Beta 预告**:`main` 当前默认支持 CS / SE 学科。
- > 已在 [`multi-discipline-beta`](https://github.com/Stars-OC/thesis-creator/tree/multi-discipline-beta) 分支提供 **9 个学科模板包**(计算机/经管/法学/教育/人文/医护/工科/理科/艺术设计)+ **状态机产物对账** + **图片管线双格式**。
- > 教育学测试用例已端到端跑通(Step 0→9 全部 completed,AIGC 6.1%)。
- > 完整路线请见 [docs/ROADMAP.md](docs/ROADMAP.md#v200-beta开发中分支-multi-discipline-beta)。
- ## 功能特性
- | 特性 | 说明 |
- | :---------------- | :----------------------------------- |
- | 🔄 **全流程覆盖** | 从选题到交稿的端到端工作流 |
- | 📉 **降重优化** | 句式重构、同义替换、段落重组 |
- | 🤖 **AIGC 降低** | 场景化重写、自然承接、轻冗余控制和高密度句拆解,降低模板化与机械表达特征 |
- | 🔗 **自然承接语** | 压缩模板化连接词,允许“具体来说、换句话说、放到实际使用里看”等解释型转场 |
- | 🪶 **轻冗余控制** | 删除机械废话,保留少量“通常、往往、也会、在一定程度上”等缓冲词 |
- | 🧩 **高密度句拆解** | 将职责、流程、目标塞在一句内的内容拆成主干、动作和解释层 |
- | 📚 **成语适度使用** | 仅在非技术性总结或维护效果说明处少量使用,避免技术细节附近堆砌 |
- | 🔍 **本地检测** | 轻量级 AIGC 检测工具,快速预估检测率 |
- | 📝 **格式检查** | 自动检查论文结构规范性 |
- | 💬 **智能讨论** | 三轮深入讨论充分理解论文需求 |
- | 🖼️ **图片生成** | 从图片需求清单生成 Mermaid、Graphviz、PlantUML 图表;系统架构图和截图按用户图片占位处理 |
- | 📄 **图片插入** | Word 文档自动插入图片和图注 |
- | 📚 **文献验证** | 三源学术搜索 + DOI 验证 + 虚构文献自动替换 ⭐ NEW |
- | ⚙️ **配置化** | YAML 配置文件,API Key / 日志 / 导出格式可配置 ⭐ NEW |
- | 📝 **摘要生成** | 自动生成中英文摘要与关键词 ⭐ NEW |
- | 📊 **文档导出** | 支持 Word/PDF 格式一键导出 |
- ---
- ## AIGC 降低效果展示
- ### 改写示例
- <details>
- <summary> 原文(检测率100%): </summary>
- 检索增强生成(Retrieval-Augmented Generation,RAG)技术的出现,为解决上述问题提供了有效方案。RAG通过将检索系统与大模型结合,使模型能够基于特定知识库生成回答,显著提升了回答的准确性和可靠性。
- 从实践角度看,中小企业在部署AI知识库时面临诸多挑战。商业化的企业级知识管理产品往往价格昂贵、部署复杂,难以满足中小企业的实际需求。开源方案虽然成本较低,但技术门槛高、集成难度大
- 。因此,设计一个技术成熟、部署灵活、成本可控的AI知识库系统,对推动中小企业数字化转型具有重要的实践意义。
- 国内外研究现状
- 知识管理领域的研究始于20世纪90年代。Nonaka于1995年提出的SECI知识创造模型,系统阐述了隐性知识与显性知识的转化过程,为后续研究奠定了理论基础[3]。进入21世纪后,随着互联网技术的发展
- ,知识管理系统的研究重心逐渐从理论框架转向技术实现。
- 在知识表示与存储方面,知识图谱(Knowledge Graph)技术成为研究热点。2012年,Google正式发布知识图谱项目,将其应用于搜索引擎优化。此后,Facebook、Amazon、Microsoft等科技公司相继推
- 出类似产品。知识图谱通过结构化的方式表示实体及其关系,使机器能够"理解"知识语义,为智能问答提供了有力支撑[4]。学者们围绕知识图谱的构建方法、存储优化、推理机制等展开了深入研究。Bo
- rdes等人提出的TransE模型开创了知识图谱嵌入学习的先河,后续的TransH、TransR等模型进一步提升了表示学习的效果[5]。
- 在智能问答方面,早期的研究主要基于关键词匹配和模板填充。随着深度学习技术的发展,基于神经网络的问答系统逐渐成为主流。2017年,Vaswani等人提出的Transformer架构引发了自然语言处理领
- 域的范式变革[6]。基于Transformer的预训练模型,如BERT、GPT系列,在问答任务上取得了突破性进展。2022年,ChatGPT的发布更是将智能问答推向了新的高度。
- RAG技术的提出解决了大模型在专业领域应用中的知识局限性问题。Lewis等人于2020年首次系统阐述了RAG框架,通过引入外部知识库增强模型的生成能力[7]。此后,众多学者对RAG进行了改进和优化。
- Karpukhin等人提出的DPR(Dense Passage Retrieval)方法,利用双塔编码器实现高效的语义检索[8]。Gao等人探索了RAG在医疗、法律等专业领域的应用,验证了其在垂直场景的有效性[9]。
- 纵观国内外研究现状,知识库系统的发展呈现出以下特点:
- 其一,技术架构从单一存储向多元融合演进。现代知识库系统不仅支持结构化数据和非结构化文档的统一管理,还融合了向量检索、图数据库等新技术,实现了多模态知识的高效组织。
- 其二,智能化程度不断提升。从早期的关键词搜索到语义检索,从简单的问答对匹配到大模型驱动的智能对话,知识库系统的交互方式日益智能化。
- 其三,部署模式趋于灵活。云原生架构、微服务设计的普及,使得知识库系统能够根据企业规模和需求灵活部署,降低了中小企业的使用门槛。
- 然而,现有研究和产品仍存在一定不足:部分商业产品价格高昂,中小企业难以承受;开源项目技术门槛较高,需要较强的研发能力;现有系统在知识图谱自动化构建、多源知识融合等方面的能力有待
- 提升。本研究将在现有技术基础上,设计一个适合中小企业部署的轻量级AI知识库系统
- 研究内容
- 本文围绕AI知识库系统的设计与实现展开研究,主要内容包括:
- (1)系统架构设计。研究适合中小企业部署的系统架构,采用前后端分离、微服务设计思想,确保系统的可扩展性和可维护性。
- (2)核心技术实现。深入研究RAG架构、向量检索、知识图谱等核心技术,设计合理的实现方案。
- (3)功能模块开发。实现用户管理、知识库管理、智能问答、知识图谱、系统配置等功能模块,满足企业的实际业务需求。
- (4)系统测试与优化。对系统进行功能测试和性能测试,验证系统的正确性和稳定性。
- </details>
- <details>
- <summary> 改写后(人性化处理,检测率约 65.39%疑似): </summary>
- 检索增强生成(Retrieval-Augmented Generation,RAG)技术应运而生,为上述难题打开了突破口。RAG的核心思路是将检索系统与大模型"联姻"——模型生成回答前,先从特定知识库中检索相关信息。回答的
- 准确性和可靠性因此有了比较大的改善。
- 但实践层面,中小企业部署AI知识库并非一帆风顺。商业化产品动辄数十万,部署也颇为复杂;开源方案虽然免费,技术门槛却高不可攀,集成起来困难重重。这便是本研究的出发点:设计一个技术成熟、部
- 署灵活、成本可控的AI知识库系统,为中小企业数字化转型提供切实可行的路径。
- 国内外研究现状
- 知识管理研究起点可以追溯到20世纪90年代。Nonaka在1995年提出SECI模型,系统揭示了隐性知识与显性知识转化机制,后来者多有沿袭[3]。进入21世纪,互联网技术突飞猛进,研究重心也随之从理论框架
- 转向技术落地。
- 知识图谱的兴起是一个重要节点。2012年Google正式发布知识图谱项目后,Facebook、Amazon、Microsoft等科技巨头紧随其后。知识图谱用结构化方式表示实体及其关系,机器因此能够"理解"知识语义,智
- 能问答有了坚实根基[4]。围绕知识图谱的构建方法、存储优化、推理机制等,学者们展开了较为深入的研究。Bordes等人提出的TransE模型开创了知识图谱嵌入学习先河,后续的TransH、TransR等模型又将
- 表示学习效果推上新台阶[5]——这几篇论文在当时被引用得相当多。
- 智能问答的演进同样耐人寻味。早期方案依赖关键词匹配和模板填充,粗糙而僵化。深度学习入场后,基于神经网络问答系统逐渐成为主流。2017年是转折点——Vaswani等人提出的Transformer架构颠覆了自然
- 语言处理既有范式[6]。BERT、GPT等预训练模型相继涌现,问答任务取得长足进步。2022年ChatGPT发布,更是将智能问答推向公众视野中心。
- RAG技术则在另一个维度上发力:它解决的是大模型在专业领域的知识短板。根据Lewis等人(2020)的阐述,RAG框架通过引入外部知识库来增强模型生成能力[7]。此后改进方案层出不穷:Karpukhin等人提
- 出DPR方法,用双塔编码器实现高效语义检索[8];Gao等人则在医疗、法律等领域验证了RAG实战价值[9]。
- 纵观研究现状,知识库系统演进呈现出几条清晰脉络。技术架构层面,从单一存储走向多元融合——现代知识库系统既能管理结构化数据,也能处理非结构化文档,向量检索、图数据库等技术引入让多模态知识
- 组织更加高效。智能化程度持续深化,交互方式也从关键词搜索升级为语义检索,从问答对匹配进化为大模型驱动智能对话。部署模式日趋灵活,云原生架构和微服务设计逐渐普及,中小企业可以根据自身规
- 模和需求灵活部署。
- 当然,现有研究和产品仍有短板。商业产品价格令人望而却步;开源项目对研发能力要求较高;知识图谱自动化构建、多源知识融合等能力也还有提升空间。本研究将在现有技术基础上,设计一个适合中小企
- 业部署的轻量级AI知识库系统。
- 研究内容
- 本文围绕AI知识库系统设计与实现展开研究,主要工作包括:
- (1)系统架构设计。针对中小企业部署场景,采用前后端分离、微服务设计思想,兼顾可扩展性与可维护性。
- (2)核心技术实现。围绕RAG架构、向量检索、知识图谱等关键技术,设计切实可行的实现方案。
- (3)功能模块开发。完成用户管理、知识库管理、智能问答、知识图谱、系统配置等模块开发工作。
- (4)系统测试与优化。开展功能测试和性能测试,验证系统正确性与稳定性。
- </details>
- ### 策略应用说明
- | 策略 | 应用前后对比 |
- |------|------------|
- | 场景化重写 | 先判断段落功能,从真实使用场景切入,而不是只替换词语 |
- | 自然承接语 | 压缩「此外、综上所述」等模板连接,保留“具体来说、换句话说”等解释型转场 |
- | 轻冗余控制 | 保留少量“通常、往往、也会”等缓冲词,避免文本被压缩得过于生硬 |
- | 高密度句拆解 | 将职责、动作、目标集中的长句拆成主干句、动作说明和解释层 |
- | 条款结构保护 | 保留(1)(2)(3)等编号、标题和顺序,只改条款内部表达 |
- | 学术边界 | 不新增虚构接口、表结构、实验指标或参考文献,避免口语化和宣传化 |
- > 📌 **AIGC检测率对比**
- >
- > 
- >
- ---
- ## ⚠️ 重要提示
- > [!WARNING]
- > **关于 AIGC 降低的客观认知**
- >
- > 降低检测率的同时,文本可能会**失去部分学术严谨性**。
- >
- > - 成语替换可能让学术表达显得稍显文学化
- > - 「的」字删除需谨慎处理,过长定语保留可读性
- > - 微瑕疵模拟不应影响核心论点的逻辑清晰
- > - 不同学科对成语接受度不同,请参考学科适配表
- >
- > **建议**:将降重视为辅助工具,最终内容需人工审核确保学术质量。
- ---
- ## 工作流程
- ```
- ┌─────────────────────────────────────────────────────────────┐
- │ 论文创作工作流 │
- ├─────────────────────────────────────────────────────────────┤
- │ Step 0: 初始化工作区 │
- │ ↓ │
- │ Step 1: 环境准备 → Step 1.5: 背景信息讨论 │
- │ ↓ │
- │ Step 2: 读取参考资料 → Step 3: 生成论文大纲 │
- │ ↓ │
- │ Step 4: 分章节撰写(含摘要生成)→ Step 5: 降重处理 │
- │ ↓ │
- │ Step 6: AIGC 人性化 → Step 7: 合并检测 │
- │ ↓ │
- │ Step 8: 图片生成与渲染 🖼️ │
- │ ↓ │
- │ Step 9: 文档导出(Word/PDF + 图片插入) │
- └─────────────────────────────────────────────────────────────┘
- ```
- ## 各平台查重及 AIGC 检测结果
- ### 朱雀全文检测
- 
- ---
- ### PaperPass检测
- 
- ---
- ### paperYY检测
- 
- ---
- ## 快速开始
- ### 前置要求
- - Python 3.9+
- - Claude Code 已安装
- - Windows 10/11
- ### 安装
- #### 方式一:Claude Skill 安装
- ```powershell
- # 自然语言安装
- 帮我安装下 skill,项目地址是:https://github.com/Stars-OC/thesis-creator.git
- # 从 GitHub 安装
- git clone https://github.com/Stars-OC/thesis-creator.git
- 将文件放入./claude-skills/skills/ 下
- # 市场安装 (待进行)
- ```
- #### 方式二:OpenSkills 安装
- 使用 OpenSkills 包管理器安装:
- ```powershell
- # 安装 OpenSkills CLI(如未安装)
- pip install openskills
- # 或从 GitHub 安装
- openskills install https://github.com/Stars-OC/thesis-creator.git
- openskills sync
- ```
- #### 方式三:完整安装(推荐)
- 包含 Python 工具和依赖:
- ```powershell
- # 克隆仓库
- git clone https://github.com/Stars-OC/thesis-creator.git
- cd thesis-creator
- # 安装 Python 依赖
- .\scripts\install.ps1
- ```
- <details>
- <summary>手动安装 Python 依赖</summary>
- ```powershell
- # 创建虚拟环境
- python -m venv .venv
- # 激活虚拟环境
- .\.venv\Scripts\Activate.ps1
- # 安装依赖
- pip install -r scripts\requirements.txt
- ```
- </details>
- ### 使用
- **1. 准备参考资料**
- ```
- references/
- ├── templates/ # 学校论文格式模板
- ├── examples/ # 优秀范文
- ├── guidelines/ # 写作规范
- ├── prompt/
- │ └── background.md # 论文背景信息(必填)
- └── reference/
- ├── code/ # 参考代码
- └── doc/ # 参考文献
- ```
- **2. 触发 Skill**
- 在 Claude Code 中输入:
- ```
- 帮我写论文,主题是《大数据在精准营销中的应用研究》
- ```
- 系统将自动执行完整工作流。
- ### 单功能模式
- | 触发语 | 功能 | 说明 |
- | :----------------------- | :--------- | :--- |
- | `帮我降重这段文字:…` | 降重优化 | 同义替换、句式重构 |
- | `降低这段的 AIGC 率:…` | 人性化改写 | 输出处理前计划、改写文本和清单自检,按场景化重写、自然承接、轻冗余和高密度句拆解处理 |
- | `用成语降重这段文字:…` | 成语替换改写 | 侧重成语替换策略 |
- | `检测这段文字的 AIGC 率` | AIGC 检测 | 调用 `scripts/aigc/detect.py` 本地快速预估 |
- | `帮我生成论文大纲` | 大纲生成 | 根据背景信息生成 |
- | `生成摘要` | 摘要生成 ⭐ | 中英文摘要 + 关键词 |
- | `生成图片` / `生成图表` / `生成架构图` | 图片生成 | AI 图按 Mermaid、Graphviz、PlantUML 生成;架构图生成 `source=user` 占位并提示用户补图 |
- | `为第X章配图` | 图片生成 | 为指定章节生成图表 |
- | `导出 Word` / `导出文档` | 文档导出 | Word + 图片插入 |
- | `导出 PDF` | 文档导出 | PDF 格式 |
- | `一键导出` | 图片+文档 | 自动生成图片并导出 Word |
- | `验证文献` / `搜索文献` | 文献验证 ⭐ | 三源搜索 + DOI 验证 |
- ### AIGC 降低策略一览
- | 策略层级 | 策略名称 | 说明 | 优先级 |
- | :------ | :------- | :--- | :----- |
- | P0 | 场景化重写 | 先判断段落功能,从真实使用场景切入,避免只做词语替换 | 必做 |
- | P0 | 自然承接语 | 压缩“因此、此外、综上所述”等模板连接,允许“具体来说、换句话说、放到实际使用里看”等解释型转场 | 必做 |
- | P0 | 轻冗余控制 | 删除机械废话,保留少量“通常、往往、也会、在一定程度上”等缓冲词 | 必做 |
- | P0 | 高密度句拆解 | 对职责、流程、目标集中在一句内的内容按“抽主干 → 拆动作 → 补解释层”处理 | 必做 |
- | P0 | 条款结构保护 | 保留(1)(2)(3)等编号、标题和顺序,只改条款内部表达 | 必做 |
- | P1 | 句长波动 | 形成短句点题、长句解释、中句收束的节奏,避免句长过度均匀 | 建议 |
- | P1 | 原句骨架重组 | 语义接近前提下调整句序和段内组织,避免机械同义替换 | 建议 |
- | P2 | 成语适度使用 | 仅在非技术性总结或维护效果说明处少量使用,技术细节附近不堆砌 | 可选 |
- | P2 | 学术边界复核 | 检查是否未新增虚构接口、表结构、实验指标、参考文献或系统能力 | 必做 |
- ## 目录结构
- ```
- thesis-creator/
- ├── SKILL.md # 主 Skill 定义
- ├── README.md # 项目说明
- ├── LICENSE # MIT 许可证
- ├── CONTRIBUTING.md # 贡献指南
- ├── .openskills.json # OpenSkills 包配置
- ├── docs/ # 文档
- │ ├── usage_guide.md # 使用指南
- │ ├── ROADMAP.md # 开发路线图
- │ └── CHANGELOG.md # 更新日志
- ├── prompts/ # 提示词模板
- │ ├── reference_citation_prompt.md # 文献引用提示词 ⭐
- │ └── image_generation.md # 图片生成提示词 ⭐
- ├── scripts/ # Python 工具
- │ ├── INDEX.md # scripts 总索引
- │ ├── core/ # 生命周期、状态、日志与任务分发
- │ │ ├── INDEX.md
- │ │ ├── lifecycle.py
- │ │ ├── status_manager.py
- │ │ ├── logger.py
- │ │ └── task_dispatcher.py
- │ ├── content/ # 正文读取、格式检查、关键词抽取与终稿合并
- │ │ ├── INDEX.md
- │ │ ├── merge_drafts.py
- │ │ ├── document_reader.py
- │ │ ├── format_checker.py
- │ │ └── keyword_extractor.py
- │ ├── aigc/ # AIGC 检测与降 AIGC 子模块
- │ │ ├── INDEX.md
- │ │ ├── detect.py
- │ │ ├── technical_detect.py
- │ │ ├── reduce_workflow.py
- │ │ └── term_whitelist.txt
- │ ├── charts/ # 图表生成渲染子系统
- │ │ ├── INDEX.md
- │ │ ├── manifest_builder.py
- │ │ ├── source_writer.py
- │ │ ├── render.py
- │ │ ├── markdown_updater.py
- │ │ └── validate.py
- │ ├── references/ # 参考文献流程子模块
- │ │ ├── INDEX.md
- │ │ ├── reference_engine.py
- │ │ ├── reference_validator.py
- │ │ ├── reference_searcher.py
- │ │ └── verified_reference_pool.py
- │ └── document_exporter/ # Word/PDF 导出与图片插入
- ├── scripts/templates/ # 图表模板
- │ ├── chart_themes.yaml # 图表主题配置 ⭐
- │ └── charts/ # 图表模板目录 ⭐
- ├── config/ # Skill 配置模板
- │ └── .thesis-config.yaml # 项目配置文件 ⭐
- ├── references/ # 参考资料
- ├── workflows/ # 工作流文档 ⭐
- │ ├── step_0_init.md # Step 0 初始化
- │ ├── step_3_outline.md # Step 3 大纲生成
- │ ├── step_4_writing.md # Step 4 撰写(含摘要)
- │ ├── step_7_merge_detect.md # Step 7 合并检测
- │ ├── step_8_image.md # Step 8 图片生成
- │ ├── step_9_export.md # Step 9 文档导出
- │ └── reference_workflow.md # 文献搜索工作流
- └── workspace/ # 论文产出
- ├── outline.md # 论文大纲
- ├── drafts/ # 初稿
- ├── reduced/ # 降重版
- ├── history/ # 历史版本
- ├── final/ # 终稿
- │ ├── images/ # 论文图片
- │ ├── 论文终稿.md # Markdown 终稿
- │ ├── 论文终稿.docx # Word 终稿(含图片)
- │ └── 论文终稿.pdf # PDF 终稿
- ```
- ## 目标指标
- | 指标 | 目标值 |
- | :----------- | :---------------- |
- | 论文产出速度 | 3000 字 / 30 分钟 |
- | 查重率 | ≤ 30% |
- | AIGC 检测率 | ≤ 15% |
- | 排版合规率 | 符合学校模板 |
- ## 文档
- | 文档 | 说明 |
- | :------------------------------ | :----------------------- |
- | [使用指南](docs/usage_guide.md) | 详细安装、配置和使用说明 |
- | [开发路线图](docs/ROADMAP.md) | 项目功能规划 |
- | [更新日志](docs/CHANGELOG.md) | 版本更新记录 |
- | [贡献指南](CONTRIBUTING.md) | 如何参与项目开发 |
- ## 注意事项
- > [!WARNING]
- > 本地 AIGC 检测为近似估计,正式提交前建议使用知网/维普进行官方检测。
- > 建议使用智谱模型的 GLM(GLM-5/GLM-5.1) 系列 其他模型可能生成的效果不太好(用 **gpt-5.4** 尝试过)
- - **版本控制**:每次改写前自动备份到 `workspace/history/`
- - **术语保护**:专业术语不会被降重工具打乱
- - **断点续传**:支持任意步骤中断后恢复
- ### 测试指南
- 目前 只用于论文 **初稿** 的创建中,功能尚未完善 需要自己调整 **排版**!
- ## 贡献
- 欢迎贡献代码、报告问题或提出建议!
- 请阅读 [贡献指南](CONTRIBUTING.md) 了解如何参与项目。
- ## 许可证
- 本项目基于 [MIT License](LICENSE) 开源。
- ## 致谢
- - [Claude Code](https://claude.ai/) - AI 编程助手
- - [Anthropic](https://www.anthropic.com/) - Claude 模型提供方
- ---
- <div align="center">
- **[⬆ 回到顶部](#论文创作-agent-系统)**
- 如果这个项目对你有帮助,请给一个 ⭐ Star 支持一下!
- </div>
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.