Haimbeau1o Thesis Optimizer Thesis Optimizer

Thesis-Optimizer: 学术论文智能优化系统

何时使用此Skill / When to Use

当用户需要对学位论文进行以下优化时触发：

• 降低 AI 写作风险特征（可结合用户指定检测工具抽样验证）
• 降低查重率（知网、维普等）
• 学术润色和表达提升
• 系统化、可追踪的论文优化

核心架构 / Core Architecture

采用两层文档架构 + 显式状态追踪：

第一层: 总揽文档 (thesis_master_overview.md)
  ├── 论文整体分析与解读
  ├── 章节划分与优化策略
  ├── 全局进度追踪 [██████░░░░] 60%
  └── 章节状态矩阵
      │
      ├─→ 第二层: chapter_01_abstract.md
      ├─→ 第二层: chapter_02_intro.md
      └─→ ... 其他章节任务文档

工作流程 / Workflow

Phase 0: 初始化 - 生成总揽文档

触发条件: 用户首次请求优化论文

执行步骤:

1. 使用 view_file 完整阅读论文LaTeX源文件
2. 分析结构：识别章节、段落、公式、图表
3. 内容解读：理解研究主题、核心贡献、论证逻辑
4. 问题诊断：识别AI特征、查重风险点、表达问题
5. 根据 templates/master_overview_template.md 生成总揽文档

输出: thesis_master_overview.md 存储在论文同目录

Phase 0.5: AI 模式全景扫描

触发条件: 总揽文档生成后、逐章节优化开始前

执行步骤:

1. 依据 references/ai_pattern_taxonomy.md 对全文进行系统扫描
2. 定位 6 大类 30+ 种典型 AI 模式特征及高风险段落
3. 在总揽文档中生成模式检出热力图（标记各章节主要 AI 缺陷）

Phase 1: 逐章节深度优化循环

对于总揽文档中每个待处理章节:

1. 创建章节任务文档

   • 使用 templates/chapter_task_template.md
   • 命名: chapter_XX_name.md

2. 应用高阶优化策略 (阅读 references/ 获取详细指导)

   • 核心原则：术语保护优先，保留公式、专业缩写和关键推理链。
   • 最小干预原则：处理 AI 写作风险特征时，优先采用句内结构微调、局部语序调整和小范围词汇替换；不要推翻原段落逻辑或进行大段扩写。
   • 学术语体约束：避免戏剧化、网文风、口语化或过度情绪化表达（如“暴力美学”、“疯狂抽取”、“撕碎”等）。重写应保持客观、严谨、中立、平实。
   • 策略A: 模式扫描与定位 → 对照 references/ai_pattern_taxonomy.md
   • 策略B: 词汇风险检查 → 参考 references/ai_vocabulary_blacklist.md
   • 策略C: 句式节奏检查 → 参考 references/perplexity_burstiness.md
   • 策略D: 降低 AI 写作风险特征 → 依据作者原有逻辑进行句内微调
   • 策略E: 降查重率（语义改写） → references/strategy_plagiarism.md
   • 策略F: 学术润色（精炼与连贯） → references/strategy_polishing.md

3. 生成优化后的LaTeX

   • 保持原有格式规范
   • 记录改写前后对照

4. 更新总揽文档

   • 更新章节状态: ⏳待处理 → 🟡进行中 → 🟢已完成
   • 更新全局进度条
   • 记录关键问题和解决方案

5. 评估质量

   • 参考 references/evaluation_criteria.md
   • 记录评估结果到章节任务文档

Phase 2: 全局评估与迭代

触发条件: 所有章节初次优化完成

1. 汇总各章节评估结果
2. 识别未达标章节 (标记为 🔴需返工)
3. 在总揽文档添加"迭代计划"
4. 返回Phase 1处理问题章节

状态追踪机制 / State Tracking

状态标记:

• ⏳ 待处理 (Pending)
• 🟡 进行中 (In Progress)
• 🟢 已完成 (Completed)
• 🔴 需返工 (Re-work Needed)
• ⭐ 已验证 (Verified)

防偏移设计:

• 每个章节在总揽文档有明确状态行
• "当前工作"和"下一步"字段指示任务
• 章节文档开头链接回总揽文档
• 每次更新记录时间戳

三大优化策略概览 / Optimization Strategies

策略A: 降低 AI 写作风险特征（坚守最小干预原则）

• 句内重组机制：相关修改优先限于句内级别的结构重组与同义词更替，避免大范围扩写或整段洗稿。
• 顺应人类逻辑：完全尊重并保留作者原始的人类书写逻辑与思维跳跃，不强行填补“AI式完美过渡”，保留真实的撰写颗粒度。
• 打破规整化句式：刻意营造长短句交织，祛除AI偏爱的“高度对称、四平八稳、排比列举”等僵化行文特征。

策略B: 降查重率

• 深度语义改写 (同义替换、结构重组)
• 引用规范化 (直接→间接转换)
• 专业术语处理 (核心保留+描述变换)

策略C: 学术润色

• 表达精准化 (量化抽象概念)
• 学术规范性 (术语一致、时态规范)
• 可读性优化 (复杂句拆分、过渡流畅)

评估目标 / Evaluation Targets

快速开始 / Quick Start

告诉我你的论文路径，我将：

1. 完整阅读并分析你的论文
2. 生成高质量的总揽文档
3. 按优先级逐章节进行优化
4. 持续追踪进度直至完成

参考资源 (按任务需要阅读):

• 基础工作流:
  • templates/master_overview_template.md - 总揽文档模板
  • templates/chapter_task_template.md - 章节任务模板
  • references/evaluation_criteria.md - 包含 5 维评分标准的评估体系
• 前置风险参考:
  • references/ai_pattern_taxonomy.md - 30+ 种中文学术论文 AI 模式判别
  • references/ai_vocabulary_blacklist.md - 中文学术 AI 高频词汇风险参考
  • references/perplexity_burstiness.md - 句式节奏与统计风险提示
• 核心优化策略:
  • references/strategy_ai_reduction.md - AI 写作风险特征降低策略
  • references/strategy_plagiarism.md - 降查重防自引策略
  • references/strategy_polishing.md - 严谨化学术语言指南

Source: Haimbeau1o/thesis-optimizer — distributed by TomeVault.