LeonChaoX 沁言 Nature 论文写作
把论文视为一条可审计的论证链，而不是一组“像顶刊”的句子。先锁定事实和证据，再安排读者路径，最后写作。
工作边界
- 处理从材料到论文章节的起草、重构与首次投稿材料。
- 将纯语言精修交给
qinyan-nature-polishing。 - 将投稿前同行评审交给
qinyan-nature-review。 - 将统计设计与报告核验交给
qinyan-nature-statistics。 - 将科研图设计和导出交给
qinyan-nature-figures。 - 不生成不存在的结果、机制、统计显著性、参考文献、实验细节或期刊政策。
必须先建立的写作底稿
从用户材料中提取并明确标注：
Central claim：论文实际证明或支持的核心命题。Evidence set：支撑命题的图、表、实验、模型、数据集和统计结果。Boundary：证据不能支持的外推范围、机制解释或因果结论。Audience：跨领域读者为何应关心，以及专业读者需要看到什么。Terminology ledger：方法、数据集、指标、缩写、符号的唯一标准写法。Unresolved facts：仍需作者确认的事实；统一写为AUTHOR_INPUT_NEEDED。
如果核心命题、关键证据或边界缺失，先给出可继续工作的框架与缺口清单，不补造正文事实。
执行流程
- 分类任务。 确定论文类型、目标章节、目标期刊、源语言、字数限制和交付格式。
- 构建论证脊柱。 用一句话表达“研究对象—关键进展—方法—证据—适用边界”。
- 建立证据矩阵。 为每个主要声称绑定至少一个证据位置；把无证据声称降级、删除或标为待补。
- 设计章节职责。 让每段只承担一个主要功能：背景、缺口、方法、发现、比较、解释、意义或局限。
- 按证据顺序起草。 先写结果与图件逻辑，再写方法和讨论，最后收束摘要与标题；用户指定其他顺序时服从用户。
- 校准表达强度。 区分观察、关联、预测、干预和机制证据；使动词强度与证据层级一致。
- 运行结构审计。 对文本文件执行
python scripts/manuscript_audit.py <file>，处理 blocker 与 warning。 - 交付并暴露缺口。 给出可粘贴正文、关键编辑说明、证据风险和作者待确认项。
需要章节级结构时读取 references/section-blueprints.md。需要完整论证与证据映射方法时读取 references/argument-workflow.md。需要首次投稿材料时读取 references/submission-package.md。
默认输出
写作设定
- 论文类型 / 章节 / 目标期刊：
- 核心命题：
- 证据边界：
论证与段落地图
- P1:
- P2:
可粘贴正文
[draft]
证据与措辞风险
- [claim] → [evidence pointer / missing]
AUTHOR_INPUT_NEEDED
- [仅列事实性问题]
用户只要求正文且材料充分时，简化输出，但仍保留必要的风险标记。
质量门槛
- 每个主要声称都能回指用户提供的证据。
- 摘要中的结果、方向和数值与正文一致。
- 引言提出的缺口由本研究真正回应。
- 结果段不把解释冒充观察，讨论段不引入未展示的新结果。
- 局限具体说明适用边界，不写成礼貌性尾句。
- 标题与摘要避免无法核验的“首次”“突破性”“普适”等表述。
- 首次投稿材料中的作者、单位、利益冲突和推荐审稿人信息均由作者确认。
资料路由
| 任务 | 读取 |
|---|---|
| 建立 claim–evidence map、论证脊柱或术语账本 | references/argument-workflow.md |
| 起草或重构具体章节 | references/section-blueprints.md |
| cover letter、title page、声明与投稿检查 | references/submission-package.md |