# Humanities Thesis > 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。 Use when this capability is needed. - Skill: `tomevault-io/humanities-thesis` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add tomevault-io/humanities-thesis` - Raw SKILL.md: https://api.skillmd.com/api/skills/tomevault-io/humanities-thesis/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: tomevault-io (https://skillmd.com/u/tomevault-io) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/tomevault-io/humanities-thesis --- # 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 | --- > Source: [ganzhi-black/humanities-thesis-skill](https://github.com/ganzhi-black/humanities-thesis-skill) — distributed by [TomeVault](https://tomevault.io).