最近朋友圈和几个技术群聊得最凶的两个词一个是 GPT6一个是 Skill。很多人跑来问我国产平替到底能不能打我的回答是单看泛泛聊天国产模型和国外顶尖模型确实还有距离但如果你把场景锁定在学术写作这种高度结构化、规范性极强的任务上一套调教到位的学术写作 Skill加上不错的国产大模型写论文的效率真的能到“无人能及”的程度。今天不聊虚的我把自己在用的这套学术写作 Skill 怎么搭、怎么调、怎么避坑完整拆给你看。先说清楚一件事网上流传的“GPT6 官方正版安装包”“满血 GPT6 下载”基本都是坑别信也千万别去下。所谓“GPT6”更多是网友对“下一代最强模型能力”的一种代称不是某个官方发布的实体产品。我们要做的是把这种“最强能力”的期待落到一个具体可复现的方案里。1. 先搞清楚GPT6、国产平替、Skill 到底是怎么回事1.1 “GPT6”是个热词不是具体产品很多人搜“gpt6官方正版安装”“下载满血gpt6”我见了都替他们捏把汗。这类搜索结果十个里有九个是钓鱼页或者带捆绑的安装包装上之后电脑变肉鸡的概率比用到真模型高得多。所谓的“GPT6”从我观察到的网络讨论来看本质上是大众对“能力断层式提升”的一种想象。大家觉得 GPT-5 那一代已经很强了那新一代肯定叫 GPT-6肯定更强。于是“满血 GPT6”就成了一个形容词形容“最强的那一档模型能力”。但在真实工作流里我们并不需要执着于某一个模型的版本号。尤其是学术写作它不像代码生成那样对模型能力的绝对值要求极高反而更看重结构化指令、上下文管理、对中文语境的把握能力这些恰恰是国产模型的强项。所以与其追什么“满血版”不如把精力放在怎么把现有模型调教成“学术写作特种兵”。注意任何时候都不要下载来历不明的“GPT6安装包/客户端”。目前市面能稳定使用的都是正规 API 或大厂 App别贪便宜。1.2 学术写作这件事国产模型凭什么平替学术写作有几个特点第一中文语料占比高第二格式要求极其琐碎第三对逻辑结构和术语准确性要求高第四数据隐私敏感。这四点正好是国产模型的优势区。我个人的体感是这样的国产模型因为训练语料里中文占比大写出来的中文句子更符合国内学术期刊的表达习惯不会出现那种“翻译腔十足的伪学术中文”。相比之下国外顶级模型强在逻辑推理和长文一致性但在中文的“语感”上经常爆出“基于本研究的创新性策略为……提供了理论支撑”这种一眼假的学术套话。再说成本和合规。现在 DeepSeek、豆包、Kimi、智谱清言这些平台API 调用价格低到离谱免费额度对个人写论文完全够用。更重要的是你的论文在正式发表前属于未公开成果用国内合规平台的 API 和客户端在数据合规和心理安全感上都更踏实。以下是几个适合学术写作的国产模型选型参考平台核心优势适合场景备注DeepSeek中文推理强开源可私有化部署论文正文、复杂论证、降重性价比极高API 便宜Kimi超长上下文能一次读大量材料文献综述、大章节整写长文本是它的拿手戏豆包生态齐全客户端易用初稿、润色、日常问答免费额度充足智谱清言知识库挂载稳定企业合规课题申报书、标准格式文件政企校合作多安全可控结论很直接学术写作这个垂直场景已经不存在“国外模型不可替代”的问题。真正拉开差距的是你会不会给它配一套严格的“工作手册”——也就是 Skill。1.3 Skill 不是插件是“岗位说明书”现在全网都在聊 skill什么“skill编码247”“agent skill教程”“豆包安装skill”看起来玄乎其实概念很简单。Skill 的本质是一段结构化的指令文件通常用 Markdown、JSON 或者 YAML 编写作用是给模型注入一套完整的“行为规范”。普通聊天相当于你雇了个什么都会一点的实习生你跟他说“帮我写篇论文”他只能自由发挥而接入 Skill 之后相当于你给了他一本《岗位说明书 标准作业流程 常见禁忌清单》他按规矩干活产出质量瞬间稳定。这跟插件不一样。插件是外部工具比如 Web 搜索、计算器、绘图引擎它去调用外部能力而 Skill 是内部行为规范只改变模型“怎么思考、怎么组织内容、按什么顺序输出”。你可以把 Skill 想象成给新员工发的一本《编辑工作手册》。光说“你是个编辑”没用手册里写清楚了选题流程、审稿红线、格式要求、禁用词列表新员工才能独当一面。Skill 干的就是这件事。很多平台上现在能下载别人做好的 Skill 包有些还带编号比如“skill编码193”“skill编码247”本质上都是封装好的指令模板。但说实话真正好用的还是自己调过的那一套后面我会把可直接抄走的模板给你。2. 学术写作 Skill 的关键构成从角色到流程2.1 一个能用的 Skill 至少包含八件事我在反复调优第三方 Skill 和自写 Skill 之后发现一个能打的学术写作 Skill至少要覆盖八个模块缺一个就会出幺蛾子。第一身份角色。不能只说“你是学术写作助手”要给模型一个精确的人设锚点比如“你有十五年核心期刊审稿经验既是作者也是审稿人”这样它写出来的东西才会兼顾作者和审稿人的双重视角。第二任务边界。明确它能做什么、不能做什么。比如“只负责文本生成与修改不负责提供未经核实的文献数据”这条不写模型就会自信地给你编文献。第三工作流程。把写作拆成固定步骤先做选题分析再出大纲然后逐节生成最后统一润色和合规检查。没有流程模型会跳着输出逻辑容易乱。第四写作规范。包括句子长度控制、段落结构、论证方式。我一般会让模型“每段先亮观点再做论证最后给证据或例子”兼容中文学术写作的习惯。第五格式规范。这是学术写作的重灾区标题层级、图表编号、引文格式都得写清楚。不同学科要求不同Skill 里要留下可配置的变量。第六引用规则。必须明确“宁缺毋滥禁止编造”。我会让模型只输出“[[引用占位符]]”文献条目由我统一补充彻底堵死编文献的隐患。第七禁用表述。把 AI 味最重的词列成黑名单比如“首先、其次、最后、总而言之、综上所述、值得注意的是、不难发现、赋能、抓手、闭环”这类词出现在初稿里直接扣分。第八输出模板。规定每次输出的结构比如开头先给“摘要关键词”正文按三级标题输出结尾附“本轮修改说明”。这样多轮迭代时你随时知道它改了什么。2.2 核心模板可直接抄走的学术写作 Skill下面这个模板是我目前在用的精简版我改了十几轮覆盖了上面说的八个模块。把它存成一个 markdown 文件然后在支持 Skill 功能的平台里加载或者直接粘贴到系统提示词里都能用。--- name: academic-writing-skill description: 中文学术论文全流程写作与润色 version: 2.3 triggers: [写论文, 写综述, 写引言, 润色, 降重, 开题报告] --- ## 角色 你是一位拥有二十年经验的学术写作导师长期担任核心期刊审稿人精通中文学术论文的结构逻辑、语言规范和学术伦理。 ## 任务边界 你负责文本的规划、生成、修改与润色。 你不得编造文献、数据、实验结果或引用信息。 你不得提供未经核实的期刊影响因子、卷期页码。 ## 工作流程 1. 选题分析帮助用户拆解题目明确研究问题、方法和创新点。 2. 大纲设计输出三级标题大纲标注每个章节的核心论点。 3. 分段生成每次只生成一个章节按逻辑顺序推进。 4. 语言润色在终稿阶段统一修改去除口语化表达和AI痕迹。 5. 合规检查检查引用格式、标题编号、术语一致性。 ## 写作规范 1. 段落结构先亮观点再做论证最后给证据或例子。 2. 句子控制长短句交替每段不少于三句单句不超过40字。 3. 避免空洞每个核心论断必须有具体理由或数据支撑禁止空话套话。 ## 格式要求 1. 标题使用阿拉伯数字编号三级以上全部保留。 2. 引文采用作者-年份制或顺序编码制默认顺序编码制。 3. 图表说明需在段落中显式提及。 ## 引用规则 1. 文献请输出为 [[引用占位符]]不要生成具体文献条目。 2. 如果用户提供真实文献列表严格按列表引用。 ## 禁用表述 以下表达禁止出现在输出中 首先、其次、最后、总而言之、综上所述、值得一提的是、 不难发现、显而易见、值得注意、赋能、抓手、闭环、深耕。 除非用户特别要求否则不得使用以上词语。 ## 输出模板 每次生成内容前先输出以下结构 【章节】章节名 【写作对象】期刊论文 / 学位论文 / 综述 / 报告 【字数】预计字数 【核心论点】一句话说明本段要证明什么 然后正文。 ## 自定义变量 - 学科领域空 - 目标期刊/会议空 - 引用格式GB/T 7714 / APA / MLA默认GB/T 7714 - 语言风格中文学术正式体这个模板里最值钱的是引用规则和禁用表述。很多“Skill 包”只是教模型怎么说漂亮话没教它怎么管住嘴最后论文被审稿人一眼看出“AI 代笔”问题都出在编文献和堆砌套话上。2.3 Skill 是活的不同论文场景的三个变体模板是死的场景是活的。我自己在写不同材料时会切换 Skill 的变体避免“一种写法打天下”的尴尬。第一个变体是文献综述型。综述的重点在于“综”和“述”模型容易写成流水账。这个变体我会在写作规范里额外加一条“每个研究方向的评述必须包含至少一篇代表性文献的贡献、不足和演化关系段落结尾要有批判性小结。”这样生成的综述才有评述感而不是动词列表。第二个变体是实验技术型。这类论文最怕方法描述含糊结果分析脱离数据。变体规则里我会写“方法部分必须包含实验条件、参数设置、评测指标结果部分必须先用数据说话再解释原因禁止先抛结论后补数据。”相当于给模型戴上了“数据合规”的紧箍咒。第三个变体是学位论文长章节。学位论文动辄上万字模型写到后面容易逻辑漂移。变体规则要求“每个三级标题结束后用50字以内总结该小节与本章核心论述的关系。”这样能强制模型保持章节间逻辑呼应即使分段生成也不会散。每次我新建一个写作项目第一步不是直接开写而是先把对应变体的规则复制进基础模板再填入学科领域和目标期刊。这个动作只花两分钟但后面能省下大量返工时间。3. 实操心法如何把 Skill 真正用出“无人能及”的效果3.1 让模型先搭骨架再填血肉我见过太多人一上来就让 AI“写一篇关于某某的论文”这等于让实习生直接憋终稿结果不用说也知道结构混乱、废话连篇、越写越偏。正确姿势是强制它先给骨架。我在实际项目中第一步只要求模型按 Skill 输出大纲并且明确要求“二级标题必须有章节写作目的说明”。比如我要写一篇《基于深度学习的轻量化遥感图像目标检测综述》第一步对话是这样的请按学术写作 Skill 流程给出一份三级大纲。每个一级章节下要写明这个章节的核心写作目的以及计划覆盖的 3-5 个关键技术点。暂时不需要正文。模型按 Skill 模板输出的东西基本会是这样一份结构1 引言 1.1 遥感目标检测的应用背景与研究意义 1.2 轻量化模型的研究动因 2 轻量化方法分类 2.1 网络结构设计 2.2 剪枝与量化 2.3 知识蒸馏 3 典型应用场景与评测 3.1 航天遥感 3.2 无人机航拍 3.3 实时边缘部署 4 挑战与展望 5 结论拿到大纲后我做的第一件事不是夸它而是改它。照着我看过的二十多篇相似综述把缺的方向补进去把多余的分支砍掉把章节顺序调一调。这个“人改骨架”的动作极其关键它决定了后面所有正文内容的走向。改了骨架之后再让它按“每轮只写一个二级章节”的方式逐段填充上下文压力小输出质量明显更稳。实操心得大纲环节不要跳过。宁可花一晚上把大纲打磨到位也别让 AI 从引言直冲结论否则后面返工改到怀疑人生。3.2 文献与引用让模型闭嘴让工具干活用 AI 写论文最翻车的事故就是模型编出一堆看起来高度逼真的假文献。作者没核对直接放进参考文献列表被审稿人一查当场社死。我的解决方案很简单在 Skill 的引用规则里明确要求“输出 [[占位符]]”从源头上让 AI 在文献问题上闭嘴。它只负责在正文该引用的位置留下标记比如“轻量化网络设计的主要思路是通过结构压缩减少计算量[[引用占位符]]。”后面我再手动把真实文献一条条填进去。文献的管理和格式化我交给专业工具。Zotero、EndNote、NoteExpress 都可以我个人用 Zotero 多一些因为它的插件生态和 Word 联动更顺。操作流程是这样的先把从知网、Web of Science、谷歌学术合规途径下载的文献导入 Zotero按主题分好组写论文时用插件插入引用最后统一生成符合 GB/T 7714 的参考文献表。有些国产模型比如 Kimi 和豆包在做完检索对话后能给出看起来真实的来源但即便如此任何文献信息我都会在数据库中二次核对。这不是不信任 AI而是学术伦理问题审稿人和导师可不管你用的是哪家模型他们只看文献是否真实存在。3.3 去AI味让初稿像人写的靠这三刀“去 AI 味”是网上最热的需求之一大家吐槽 AI 写的东西一股“机器腔”。我自己实测下来靠三个动作能改掉八成 AI 味。第一刀删连接词。把“首先、其次、再次、最后”全部删掉改成直接进入内容把“综上所述”换成具体的结论句把“值得注意的是”后面接的内容直接顶上。AI 爱用这些词是因为它本质上在“组织逻辑”但人写学术论文根本不需要把这些组织动作写到字面上。第二刀注入具体细节。AI 喜欢说“本研究提出的方法显著提升了性能”人话是“本研究在 X 数据集上将检测精度从 82.4% 提升到 89.7%同时单帧推理耗时下降 31%。”所以我在润色阶段会让模型“检查每一段是否包含具体数字、方法名、实验条件”如果没有就标记出来让我补充。模型可以提建议但数据只能由我填。第三刀打散句式节奏。AI 生成的句子经常都是主谓宾完整、长度接近读起来平平无奇。我要求模型把关键长句改成“短句-长句-破折号补充”的结构。举个例子AI 原句可能是“该算法通过引入注意力机制有效提升了模型对遥感图像中多尺度目标的检测能力。”改成人话版本“该算法引入注意力机制。这个改动很直接但效果出人意料在多尺度目标检测上其 AP 值提升了 6.2 个百分点而额外计算量几乎可以忽略。”短句定节奏细节给支撑读起来就舒服多了。这三刀走完再配合 Grammarly 或者国产品牌的语言校对工具扫一遍语法初稿基本就能见人了。3.4 私有化部署与内网环境的补充方案很多高校和科研院所对数据有硬性要求论文未发表内容不能出内网。这种情况下公共云的 API 就不能用了得走私有化部署路线。好消息是国产开源模型给这条路留好了口子。比如 DeepSeek 开源版本或者阿里的 Qwen 系列都是可以自行部署在单位内网服务器上的。部署思路两步走第一步用推理框架把模型跑起来。常见的选择有 vLLM、llama.cpp 这类前者吞吐高适合多用户后者轻量易上手。显存不够就用量化版本比如 Q4 量化压缩体积的同时能力损失在可接受范围内。第二步把 Skill 文件固化进应用层。如果你只是用命令行或者开源对话前端可以把 Skill 模板作为 system prompt 直接注入如果你们开发了内部 AI 写作平台那就把 Skill 解析成后端的系统指令模板再叠加一个最低权限的用户界面做到“论文进内网、模型跑内网、数据不出内网”。我在帮一个课题组搭这个方案时踩过最大的坑是“模型版本和推理框架的兼容性”。不同的量化格式对框架版本很敏感动不动就报算子不支持错误。后来我养成了习惯部署前先把模型路径、量化格式、框架版本写进一个 requirements.txt 式的环境清单固定版本不随便升级这套系统就再没趴窝过。注意内网部署的模型能力通常弱于各家旗舰 API所以 Skill 的重要性更突出。结构化的指令约束能抹平不少模型能力上的短板。4. 常见问题与排查技巧实录4.1 问题速查表我把这半年里被问得最多的问题整理成了一张速查表每一条都是真实踩过的坑。问题现象可能原因解决动作模型输出空洞、全是“意义重大”套话Skill 缺具体论据要求在写作规范里加“每个核心论断必须含数字或实例”参考文献全是编的没在 Skill 里限定引用规则引用规则改为“只输出占位符”文献走 Zotero 统一填写长章节写到一半逻辑飞了一次生成内容太长上下文混乱开启分段生成每次只写一个二级章节章节间人工复核降重之后语句不通、逻辑断裂降重用替换词而不是改逻辑降重以段落为单位保留连接词和核心因果链风格不像目标期刊Skill 缺少风格锚点把一篇目标期刊范文片段写进 Skill作为风格参考样例部署内网后回复变笨小模型能力不足把 Skill 写得更“啰嗦”细化到输出模板和禁用词这里我想特别展开说降重那一行。AI 降重的逻辑很多就是同义词替换比如把“重要的”换成“关键的”把“提升”换成“增强”。这种降重在知网查重系统面前几乎是裸奔因为查重系统看的是句子结构不是单个词。我实测下来最有效的降重方式是“改写句子骨架”主动语态换被动语态、长句拆短句、短句合长句把“方法在先结果在后”变成“结果引出方法”。这一套逻辑放在 Skill 的润色规范里比单纯列一堆同义词管用得多。4.2 几条真实踩坑经验最后说几条不太好写成教程但非常重要的经验。第一条永远保持“人在回路”。让 AI 写论文理想状态是“AI 先写、我审、我改、AI 按意见再改”而不是“AI 一次生成整篇定稿”。我见过太多学霸翻车就是在最后赶 Deadline 时彻底信任 AI 的终稿结果引用格式全错、算法描述张冠李戴。有一位师弟更惨直接把 AI 编的“某数学公式出处”写进了学位论文的致谢答辩时被评委现场指出场面极其尴尬。Skill 能把错误率压到一个很低的水平但“最后一道关由人守”这件事任何 Skill 都替代不了。第二条Skill 不是越复杂越好。有人喜欢把 Skill 写成几千词的“宪法”什么场景都要覆盖结果模型上下文被塞满反而连基础的段落输出都开始犯迷糊。我的经验是一个 Skill 文件最好控制在 300 行以内触发场景控制在 5 个以内。如果论文类型差异大就准备几个小型变体用时按需加载而不是搞一个包治百病的巨型文件。第三条Skill 也要版本管理。我自己的 Skill 文件是放在 Git 仓库里的每次改动都提交一次。别觉得小题大做你就想一个场景你花两小时调好了新版 Skill结果发现新版本在某个任务上还不如旧版想回滚却发现已经忘了旧版长什么样。版本管理五分钟就搞定但在关键时刻能救你命。另外别迷信“满血”这个词。不管是“满血 GPT6”还是“某某 superpower skill”都只是工具。真正决定论文质量的还是你对研究问题的理解深度、对文献的掌握广度、对逻辑链条的把控能力。Skill 的意义在于把那些重复性的格式劳动、语言劳动、组织劳动从你身上卸下来让你把精力留给真正需要人脑的核心创造。工具用猛了反而会钝化你自己的写作手感。我的习惯是每篇论文的引言部分一定自己先写一版初稿哪怕再烂。这个动作不单是为了保质量也是为了防止自己完全依赖 AI 之后连“怎么提出一个研究问题”的基本功都退化掉。模型可以帮你冲刺但日常的训练不能停。 
长河君 · 2026/10/31 8:14:07 · 阅读 1.2k 学术写作Skill调教：国产大模型平替GPT6，搭建高效论文流水线
最近朋友圈和几个技术群聊得最凶的两个词一个是 GPT6一个是 Skill。很多人跑来问我国产平替到底能不能打我的回答是单看泛泛聊天国产模型和国外顶尖模型确实还有距离但如果你把场景锁定在学术写作这种高度结构化、规范性极强的任务上一套调教到位的学术写作 Skill加上不错的国产大模型写论文的效率真的能到“无人能及”的程度。今天不聊虚的我把自己在用的这套学术写作 Skill 怎么搭、怎么调、怎么避坑完整拆给你看。先说清楚一件事网上流传的“GPT6 官方正版安装包”“满血 GPT6 下载”基本都是坑别信也千万别去下。所谓“GPT6”更多是网友对“下一代最强模型能力”的一种代称不是某个官方发布的实体产品。我们要做的是把这种“最强能力”的期待落到一个具体可复现的方案里。1. 先搞清楚GPT6、国产平替、Skill 到底是怎么回事1.1 “GPT6”是个热词不是具体产品很多人搜“gpt6官方正版安装”“下载满血gpt6”我见了都替他们捏把汗。这类搜索结果十个里有九个是钓鱼页或者带捆绑的安装包装上之后电脑变肉鸡的概率比用到真模型高得多。所谓的“GPT6”从我观察到的网络讨论来看本质上是大众对“能力断层式提升”的一种想象。大家觉得 GPT-5 那一代已经很强了那新一代肯定叫 GPT-6肯定更强。于是“满血 GPT6”就成了一个形容词形容“最强的那一档模型能力”。但在真实工作流里我们并不需要执着于某一个模型的版本号。尤其是学术写作它不像代码生成那样对模型能力的绝对值要求极高反而更看重结构化指令、上下文管理、对中文语境的把握能力这些恰恰是国产模型的强项。所以与其追什么“满血版”不如把精力放在怎么把现有模型调教成“学术写作特种兵”。注意任何时候都不要下载来历不明的“GPT6安装包/客户端”。目前市面能稳定使用的都是正规 API 或大厂 App别贪便宜。1.2 学术写作这件事国产模型凭什么平替学术写作有几个特点第一中文语料占比高第二格式要求极其琐碎第三对逻辑结构和术语准确性要求高第四数据隐私敏感。这四点正好是国产模型的优势区。我个人的体感是这样的国产模型因为训练语料里中文占比大写出来的中文句子更符合国内学术期刊的表达习惯不会出现那种“翻译腔十足的伪学术中文”。相比之下国外顶级模型强在逻辑推理和长文一致性但在中文的“语感”上经常爆出“基于本研究的创新性策略为……提供了理论支撑”这种一眼假的学术套话。再说成本和合规。现在 DeepSeek、豆包、Kimi、智谱清言这些平台API 调用价格低到离谱免费额度对个人写论文完全够用。更重要的是你的论文在正式发表前属于未公开成果用国内合规平台的 API 和客户端在数据合规和心理安全感上都更踏实。以下是几个适合学术写作的国产模型选型参考平台核心优势适合场景备注DeepSeek中文推理强开源可私有化部署论文正文、复杂论证、降重性价比极高API 便宜Kimi超长上下文能一次读大量材料文献综述、大章节整写长文本是它的拿手戏豆包生态齐全客户端易用初稿、润色、日常问答免费额度充足智谱清言知识库挂载稳定企业合规课题申报书、标准格式文件政企校合作多安全可控结论很直接学术写作这个垂直场景已经不存在“国外模型不可替代”的问题。真正拉开差距的是你会不会给它配一套严格的“工作手册”——也就是 Skill。1.3 Skill 不是插件是“岗位说明书”现在全网都在聊 skill什么“skill编码247”“agent skill教程”“豆包安装skill”看起来玄乎其实概念很简单。Skill 的本质是一段结构化的指令文件通常用 Markdown、JSON 或者 YAML 编写作用是给模型注入一套完整的“行为规范”。普通聊天相当于你雇了个什么都会一点的实习生你跟他说“帮我写篇论文”他只能自由发挥而接入 Skill 之后相当于你给了他一本《岗位说明书 标准作业流程 常见禁忌清单》他按规矩干活产出质量瞬间稳定。这跟插件不一样。插件是外部工具比如 Web 搜索、计算器、绘图引擎它去调用外部能力而 Skill 是内部行为规范只改变模型“怎么思考、怎么组织内容、按什么顺序输出”。你可以把 Skill 想象成给新员工发的一本《编辑工作手册》。光说“你是个编辑”没用手册里写清楚了选题流程、审稿红线、格式要求、禁用词列表新员工才能独当一面。Skill 干的就是这件事。很多平台上现在能下载别人做好的 Skill 包有些还带编号比如“skill编码193”“skill编码247”本质上都是封装好的指令模板。但说实话真正好用的还是自己调过的那一套后面我会把可直接抄走的模板给你。2. 学术写作 Skill 的关键构成从角色到流程2.1 一个能用的 Skill 至少包含八件事我在反复调优第三方 Skill 和自写 Skill 之后发现一个能打的学术写作 Skill至少要覆盖八个模块缺一个就会出幺蛾子。第一身份角色。不能只说“你是学术写作助手”要给模型一个精确的人设锚点比如“你有十五年核心期刊审稿经验既是作者也是审稿人”这样它写出来的东西才会兼顾作者和审稿人的双重视角。第二任务边界。明确它能做什么、不能做什么。比如“只负责文本生成与修改不负责提供未经核实的文献数据”这条不写模型就会自信地给你编文献。第三工作流程。把写作拆成固定步骤先做选题分析再出大纲然后逐节生成最后统一润色和合规检查。没有流程模型会跳着输出逻辑容易乱。第四写作规范。包括句子长度控制、段落结构、论证方式。我一般会让模型“每段先亮观点再做论证最后给证据或例子”兼容中文学术写作的习惯。第五格式规范。这是学术写作的重灾区标题层级、图表编号、引文格式都得写清楚。不同学科要求不同Skill 里要留下可配置的变量。第六引用规则。必须明确“宁缺毋滥禁止编造”。我会让模型只输出“[[引用占位符]]”文献条目由我统一补充彻底堵死编文献的隐患。第七禁用表述。把 AI 味最重的词列成黑名单比如“首先、其次、最后、总而言之、综上所述、值得注意的是、不难发现、赋能、抓手、闭环”这类词出现在初稿里直接扣分。第八输出模板。规定每次输出的结构比如开头先给“摘要关键词”正文按三级标题输出结尾附“本轮修改说明”。这样多轮迭代时你随时知道它改了什么。2.2 核心模板可直接抄走的学术写作 Skill下面这个模板是我目前在用的精简版我改了十几轮覆盖了上面说的八个模块。把它存成一个 markdown 文件然后在支持 Skill 功能的平台里加载或者直接粘贴到系统提示词里都能用。--- name: academic-writing-skill description: 中文学术论文全流程写作与润色 version: 2.3 triggers: [写论文, 写综述, 写引言, 润色, 降重, 开题报告] --- ## 角色 你是一位拥有二十年经验的学术写作导师长期担任核心期刊审稿人精通中文学术论文的结构逻辑、语言规范和学术伦理。 ## 任务边界 你负责文本的规划、生成、修改与润色。 你不得编造文献、数据、实验结果或引用信息。 你不得提供未经核实的期刊影响因子、卷期页码。 ## 工作流程 1. 选题分析帮助用户拆解题目明确研究问题、方法和创新点。 2. 大纲设计输出三级标题大纲标注每个章节的核心论点。 3. 分段生成每次只生成一个章节按逻辑顺序推进。 4. 语言润色在终稿阶段统一修改去除口语化表达和AI痕迹。 5. 合规检查检查引用格式、标题编号、术语一致性。 ## 写作规范 1. 段落结构先亮观点再做论证最后给证据或例子。 2. 句子控制长短句交替每段不少于三句单句不超过40字。 3. 避免空洞每个核心论断必须有具体理由或数据支撑禁止空话套话。 ## 格式要求 1. 标题使用阿拉伯数字编号三级以上全部保留。 2. 引文采用作者-年份制或顺序编码制默认顺序编码制。 3. 图表说明需在段落中显式提及。 ## 引用规则 1. 文献请输出为 [[引用占位符]]不要生成具体文献条目。 2. 如果用户提供真实文献列表严格按列表引用。 ## 禁用表述 以下表达禁止出现在输出中 首先、其次、最后、总而言之、综上所述、值得一提的是、 不难发现、显而易见、值得注意、赋能、抓手、闭环、深耕。 除非用户特别要求否则不得使用以上词语。 ## 输出模板 每次生成内容前先输出以下结构 【章节】章节名 【写作对象】期刊论文 / 学位论文 / 综述 / 报告 【字数】预计字数 【核心论点】一句话说明本段要证明什么 然后正文。 ## 自定义变量 - 学科领域空 - 目标期刊/会议空 - 引用格式GB/T 7714 / APA / MLA默认GB/T 7714 - 语言风格中文学术正式体这个模板里最值钱的是引用规则和禁用表述。很多“Skill 包”只是教模型怎么说漂亮话没教它怎么管住嘴最后论文被审稿人一眼看出“AI 代笔”问题都出在编文献和堆砌套话上。2.3 Skill 是活的不同论文场景的三个变体模板是死的场景是活的。我自己在写不同材料时会切换 Skill 的变体避免“一种写法打天下”的尴尬。第一个变体是文献综述型。综述的重点在于“综”和“述”模型容易写成流水账。这个变体我会在写作规范里额外加一条“每个研究方向的评述必须包含至少一篇代表性文献的贡献、不足和演化关系段落结尾要有批判性小结。”这样生成的综述才有评述感而不是动词列表。第二个变体是实验技术型。这类论文最怕方法描述含糊结果分析脱离数据。变体规则里我会写“方法部分必须包含实验条件、参数设置、评测指标结果部分必须先用数据说话再解释原因禁止先抛结论后补数据。”相当于给模型戴上了“数据合规”的紧箍咒。第三个变体是学位论文长章节。学位论文动辄上万字模型写到后面容易逻辑漂移。变体规则要求“每个三级标题结束后用50字以内总结该小节与本章核心论述的关系。”这样能强制模型保持章节间逻辑呼应即使分段生成也不会散。每次我新建一个写作项目第一步不是直接开写而是先把对应变体的规则复制进基础模板再填入学科领域和目标期刊。这个动作只花两分钟但后面能省下大量返工时间。3. 实操心法如何把 Skill 真正用出“无人能及”的效果3.1 让模型先搭骨架再填血肉我见过太多人一上来就让 AI“写一篇关于某某的论文”这等于让实习生直接憋终稿结果不用说也知道结构混乱、废话连篇、越写越偏。正确姿势是强制它先给骨架。我在实际项目中第一步只要求模型按 Skill 输出大纲并且明确要求“二级标题必须有章节写作目的说明”。比如我要写一篇《基于深度学习的轻量化遥感图像目标检测综述》第一步对话是这样的请按学术写作 Skill 流程给出一份三级大纲。每个一级章节下要写明这个章节的核心写作目的以及计划覆盖的 3-5 个关键技术点。暂时不需要正文。模型按 Skill 模板输出的东西基本会是这样一份结构1 引言 1.1 遥感目标检测的应用背景与研究意义 1.2 轻量化模型的研究动因 2 轻量化方法分类 2.1 网络结构设计 2.2 剪枝与量化 2.3 知识蒸馏 3 典型应用场景与评测 3.1 航天遥感 3.2 无人机航拍 3.3 实时边缘部署 4 挑战与展望 5 结论拿到大纲后我做的第一件事不是夸它而是改它。照着我看过的二十多篇相似综述把缺的方向补进去把多余的分支砍掉把章节顺序调一调。这个“人改骨架”的动作极其关键它决定了后面所有正文内容的走向。改了骨架之后再让它按“每轮只写一个二级章节”的方式逐段填充上下文压力小输出质量明显更稳。实操心得大纲环节不要跳过。宁可花一晚上把大纲打磨到位也别让 AI 从引言直冲结论否则后面返工改到怀疑人生。3.2 文献与引用让模型闭嘴让工具干活用 AI 写论文最翻车的事故就是模型编出一堆看起来高度逼真的假文献。作者没核对直接放进参考文献列表被审稿人一查当场社死。我的解决方案很简单在 Skill 的引用规则里明确要求“输出 [[占位符]]”从源头上让 AI 在文献问题上闭嘴。它只负责在正文该引用的位置留下标记比如“轻量化网络设计的主要思路是通过结构压缩减少计算量[[引用占位符]]。”后面我再手动把真实文献一条条填进去。文献的管理和格式化我交给专业工具。Zotero、EndNote、NoteExpress 都可以我个人用 Zotero 多一些因为它的插件生态和 Word 联动更顺。操作流程是这样的先把从知网、Web of Science、谷歌学术合规途径下载的文献导入 Zotero按主题分好组写论文时用插件插入引用最后统一生成符合 GB/T 7714 的参考文献表。有些国产模型比如 Kimi 和豆包在做完检索对话后能给出看起来真实的来源但即便如此任何文献信息我都会在数据库中二次核对。这不是不信任 AI而是学术伦理问题审稿人和导师可不管你用的是哪家模型他们只看文献是否真实存在。3.3 去AI味让初稿像人写的靠这三刀“去 AI 味”是网上最热的需求之一大家吐槽 AI 写的东西一股“机器腔”。我自己实测下来靠三个动作能改掉八成 AI 味。第一刀删连接词。把“首先、其次、再次、最后”全部删掉改成直接进入内容把“综上所述”换成具体的结论句把“值得注意的是”后面接的内容直接顶上。AI 爱用这些词是因为它本质上在“组织逻辑”但人写学术论文根本不需要把这些组织动作写到字面上。第二刀注入具体细节。AI 喜欢说“本研究提出的方法显著提升了性能”人话是“本研究在 X 数据集上将检测精度从 82.4% 提升到 89.7%同时单帧推理耗时下降 31%。”所以我在润色阶段会让模型“检查每一段是否包含具体数字、方法名、实验条件”如果没有就标记出来让我补充。模型可以提建议但数据只能由我填。第三刀打散句式节奏。AI 生成的句子经常都是主谓宾完整、长度接近读起来平平无奇。我要求模型把关键长句改成“短句-长句-破折号补充”的结构。举个例子AI 原句可能是“该算法通过引入注意力机制有效提升了模型对遥感图像中多尺度目标的检测能力。”改成人话版本“该算法引入注意力机制。这个改动很直接但效果出人意料在多尺度目标检测上其 AP 值提升了 6.2 个百分点而额外计算量几乎可以忽略。”短句定节奏细节给支撑读起来就舒服多了。这三刀走完再配合 Grammarly 或者国产品牌的语言校对工具扫一遍语法初稿基本就能见人了。3.4 私有化部署与内网环境的补充方案很多高校和科研院所对数据有硬性要求论文未发表内容不能出内网。这种情况下公共云的 API 就不能用了得走私有化部署路线。好消息是国产开源模型给这条路留好了口子。比如 DeepSeek 开源版本或者阿里的 Qwen 系列都是可以自行部署在单位内网服务器上的。部署思路两步走第一步用推理框架把模型跑起来。常见的选择有 vLLM、llama.cpp 这类前者吞吐高适合多用户后者轻量易上手。显存不够就用量化版本比如 Q4 量化压缩体积的同时能力损失在可接受范围内。第二步把 Skill 文件固化进应用层。如果你只是用命令行或者开源对话前端可以把 Skill 模板作为 system prompt 直接注入如果你们开发了内部 AI 写作平台那就把 Skill 解析成后端的系统指令模板再叠加一个最低权限的用户界面做到“论文进内网、模型跑内网、数据不出内网”。我在帮一个课题组搭这个方案时踩过最大的坑是“模型版本和推理框架的兼容性”。不同的量化格式对框架版本很敏感动不动就报算子不支持错误。后来我养成了习惯部署前先把模型路径、量化格式、框架版本写进一个 requirements.txt 式的环境清单固定版本不随便升级这套系统就再没趴窝过。注意内网部署的模型能力通常弱于各家旗舰 API所以 Skill 的重要性更突出。结构化的指令约束能抹平不少模型能力上的短板。4. 常见问题与排查技巧实录4.1 问题速查表我把这半年里被问得最多的问题整理成了一张速查表每一条都是真实踩过的坑。问题现象可能原因解决动作模型输出空洞、全是“意义重大”套话Skill 缺具体论据要求在写作规范里加“每个核心论断必须含数字或实例”参考文献全是编的没在 Skill 里限定引用规则引用规则改为“只输出占位符”文献走 Zotero 统一填写长章节写到一半逻辑飞了一次生成内容太长上下文混乱开启分段生成每次只写一个二级章节章节间人工复核降重之后语句不通、逻辑断裂降重用替换词而不是改逻辑降重以段落为单位保留连接词和核心因果链风格不像目标期刊Skill 缺少风格锚点把一篇目标期刊范文片段写进 Skill作为风格参考样例部署内网后回复变笨小模型能力不足把 Skill 写得更“啰嗦”细化到输出模板和禁用词这里我想特别展开说降重那一行。AI 降重的逻辑很多就是同义词替换比如把“重要的”换成“关键的”把“提升”换成“增强”。这种降重在知网查重系统面前几乎是裸奔因为查重系统看的是句子结构不是单个词。我实测下来最有效的降重方式是“改写句子骨架”主动语态换被动语态、长句拆短句、短句合长句把“方法在先结果在后”变成“结果引出方法”。这一套逻辑放在 Skill 的润色规范里比单纯列一堆同义词管用得多。4.2 几条真实踩坑经验最后说几条不太好写成教程但非常重要的经验。第一条永远保持“人在回路”。让 AI 写论文理想状态是“AI 先写、我审、我改、AI 按意见再改”而不是“AI 一次生成整篇定稿”。我见过太多学霸翻车就是在最后赶 Deadline 时彻底信任 AI 的终稿结果引用格式全错、算法描述张冠李戴。有一位师弟更惨直接把 AI 编的“某数学公式出处”写进了学位论文的致谢答辩时被评委现场指出场面极其尴尬。Skill 能把错误率压到一个很低的水平但“最后一道关由人守”这件事任何 Skill 都替代不了。第二条Skill 不是越复杂越好。有人喜欢把 Skill 写成几千词的“宪法”什么场景都要覆盖结果模型上下文被塞满反而连基础的段落输出都开始犯迷糊。我的经验是一个 Skill 文件最好控制在 300 行以内触发场景控制在 5 个以内。如果论文类型差异大就准备几个小型变体用时按需加载而不是搞一个包治百病的巨型文件。第三条Skill 也要版本管理。我自己的 Skill 文件是放在 Git 仓库里的每次改动都提交一次。别觉得小题大做你就想一个场景你花两小时调好了新版 Skill结果发现新版本在某个任务上还不如旧版想回滚却发现已经忘了旧版长什么样。版本管理五分钟就搞定但在关键时刻能救你命。另外别迷信“满血”这个词。不管是“满血 GPT6”还是“某某 superpower skill”都只是工具。真正决定论文质量的还是你对研究问题的理解深度、对文献的掌握广度、对逻辑链条的把控能力。Skill 的意义在于把那些重复性的格式劳动、语言劳动、组织劳动从你身上卸下来让你把精力留给真正需要人脑的核心创造。工具用猛了反而会钝化你自己的写作手感。我的习惯是每篇论文的引言部分一定自己先写一版初稿哪怕再烂。这个动作不单是为了保质量也是为了防止自己完全依赖 AI 之后连“怎么提出一个研究问题”的基本功都退化掉。模型可以帮你冲刺但日常的训练不能停。