Paper Micro Unit Generator

论文微单元批量生成与合并器

目标

• 配合 scripts/generate_all_offline.py 与 scripts/merge.py，自动完成：微单元生成 → 合并 → 编号与交叉引用检查，生成可交付的论文草稿。

适用时机

• 用户已经明确采用 CUMCM 风格的细粒度拆分模板，希望把一篇大论文拆成大量小片段，逐步生成并自动合并时。
• 已经有题意对齐与模型路线（例如来自 problem-doc-model-selector），并且完成了数据计算与占位符填充，下一步需要系统地“写完所有文字”的场景。

脚本清单（本技能实际会用到的）

• scripts/generate_all_offline.py
  • 何时用：已有 paper_output/tasks.json，需要批量产出微单元文本文件时。
  • 做什么：读取 paper_output/plan/model_recommendations.json、清洗数据概况和占位符，生成较完整的通用论文微单元，写入 paper_output/micro_units/*.txt 和 paper_output/generate_log.json。
• scripts/merge.py
  • 何时用：微单元已生成（或部分生成），需要合并成一份可读的论文草稿时。
  • 做什么：生成 paper_output/final_paper.md 和 paper_output/ref_check.md。

输入

• 必填：
  • 任务清单：paper_output/tasks.json（由 quality-assurance-auditor/scripts/pipeline.py 生成）。
• 可选：
  • 占位符字典：step3_filled_placeholder.py 中的 PLACEHOLDER，用于把题目、模型名、结果数值写进正文。
  • 模型推荐结果：paper_output/plan/model_recommendations.json，由 modeling-paper-rubric-and-model-selector/scripts/recommend_models.py 生成，用于指导基线、改进、指标与验证描述。
  • 题意对齐结果与模型路线：A_题意对齐.md、B_论文大纲.md、C_评分点对齐表.md、D_模型路线.json，用于指导每个微单元的写作侧重点与交叉引用。
  • 若要接入大模型生成，可在此技能脚本基础上扩展生成逻辑。

输出

• 单元级输出：
  • paper_output/micro_units/*.txt：每个微单元对应一个文本文件，文件名包含编号（如 ABS-1.txt）。
  • paper_output/generate_log.json：记录每个单元的生成长度与输出路径。
• 文档级输出：
  • paper_output/final_paper.md：按任务清单顺序合并后的完整论文草稿。
  • paper_output/ref_check.md：交叉引用与编号检查报告。

目录约定（与项目全局对齐）

• 赛题与附件：problem_files/（由 QA 检查是否为空）。
• 本技能只读 paper_output/tasks.json，并写入 paper_output/。

前后衔接

• 前置：quality-assurance-auditor（先生成 paper_output/tasks.json）。
• 后续：一般不再需要其他产文技能；若要全局一致性把关，可再跑一次 quality-assurance-auditor。
• 若想一键跑到论文草稿：直接调用 paper-workflow-orchestrator。

约束（必须遵守）

• Memory Interaction (必做):
  • 开始生成前：建议读取 context-memory-keeper 以获取最新的全局约束与风格要求；特别注意检查 External Resources / Literature，确保引用的文献与 memory 中的记录一致。
  • 合并完成后：必须调用 context-memory-keeper，更新项目进度为“论文草稿已生成”，并记录 final_paper.md 的路径。
• 运行前必须满足：paper_output/tasks.json 已存在且可读；否则必须先调用 quality-assurance-auditor。
• 合并输出以 paper_output/final_paper.md 为唯一权威合并稿；不要在根目录或其他目录另起“final_paper.md”，避免引用混乱。
• 若用户目标是“论文生产完整”，本技能完成后必须确认 paper_output/final_paper.md 与 paper_output/ref_check.md 同时存在；若 ref_check.md 报断链，则视为未完成，需要修复后重跑合并。

工作流程

1. 准备微单元模板与占位符

• 从 cumcm_detailed.md 中读取：
  • 论文整体拆分方案：每一章/节/段/句对应的微单元编号、角色、输入占位符、目标字数、验收标准与交叉引用要求。
  • 特别关注摘要、问题重述、模型建立与求解、结果分析与模型检验等评分权重高的部分，确保这些微单元的模板与验收要求更严格。
• 将题目、模型、算法、数值结果等关键信息填入占位符字典，以便在生成时统一替换。

2. 单元级生成策略

• 生成逻辑：
  • 按微单元编号顺序（如 ABS-1-1、ABS-1-2、BG-1-1 等）依次调用大模型，传入：
    • 对应行的角色设定、输入占位符、目标字数与验收标准。
    • 相关的题意对齐与模型路线信息（例如该句属于问题一/问题二/问题三的哪一部分，是否需要提及 Airy 模型或 FFT 等关键词）。
  • 模型输出后，立即进行本地校验：
    • 字数是否在要求范围内（例如 15–20 字）。
    • 是否包含指定关键词或符号（如“第三代半导体”“Airy”“厚度/μm”等）。
    • 是否符合语法与风格要求（如被动语态、学术表达、引用格式）。
• 通过校验的单元写入 paper_output/micro_units/，未通过的单元记录失败原因以便重试。

3. 批量生成脚本协同

• scripts/generate_all_offline.py：
  • 读取 paper_output/tasks.json，逐微单元生成离线文本并写入 paper_output/micro_units/*.txt。
• 本技能在被调用时，指导如何配置与调用这些脚本，解释每个参数的含义与对最终论文风格/长度的影响。

4. 合并与自动编号

• 使用 scripts/merge.py：
  • 按 paper_output/tasks.json 的顺序读取各微单元文件并合并。
  • 合并为一个 Markdown 文本，并执行：
    • 自动生成目录与章节编号（如“1 问题背景”“2 问题提出”）。
    • 图/表/公式/参考文献的统一编号（如“图1”“表2”“式(3)”与“[4]”）。
    • 交叉引用替换与检查，对“见第X章图Y”“见式(3)”等文字进行解析并保证对应目标存在。
  • [New] 直接生成 Word (docx):
    • 脚本内部集成了 python-docx 库，在合并的同时直接写入 .docx 文件。
    • 不依赖 Pandoc，无需安装额外软件即可生成。
    • 注意：数学公式将以 LaTeX 源码形式保留在 Word 中（如 $E=mc^2$），需用户使用 MathType 或 Word 自带工具渲染。
• 若发现断链或重复编号，ref_check.md 中会给出具体位置与建议修正方式。

5. 验收与调整

• 对生成完的 final_paper.md，本技能建议：
  • 先按章节快速检查：是否每一问都得到完整回答，是否有“只写方法不给结果”或“只给结果没有验证”的段落。
  • 对照 C_评分点对齐表.md：检查每个评分点至少在论文中出现一次对应的文字与图表。
  • 若发现某些部分字数明显不足或风格不一致，可回到对应微单元模板，放宽或调整字数与验收条件，再用 generate_all.py 局部重跑。

与其他技能的关系

• 与 problem-doc-model-selector：
  • 前者解决“题目看懂了、模型路线选好了”的问题；本技能基于这些结果完成大规模文字生成。
• 与 paper-structured-composer：
  • paper-structured-composer 在章节/小节层面规划与拆分；本技能进一步细化到“句级微单元”，更适合需要精准控制字数与评分点覆盖的场景。
• 与 paper-workflow-orchestrator：
  • paper-workflow-orchestrator 从全流程角度串联“赛题解析→数据计算→占位符→微单元→合并”；本技能专注于其中“微单元生成与合并”这一段。

防跑偏检查

• 不要跳过占位符字典填充就开始批量生成，否则生成内容会缺少具体数值或出现风格不统一的描述。
• 微单元模板中的验收条件应尽量与评分点对齐，避免“微单元写得很漂亮，但没有支撑比赛评分指标”。
• 若只想写一篇较短的说明性报告而非国赛级长文，可以减少微单元数量或调整 cumcm_detailed.md 中的拆分粒度，本技能依然适用。

何时不必使用本技能

• 仅需要补写少量段落或修订现有论文时，可直接调用 paper-structured-composer 在段落层面生成，不必动用完整微单元系统。
• 任务是英文简短摘要或 PPT 文本等，粒度无需细到“句级微单元”时，本技能会显得过重。

附录 A：扩展材料（可选）

以下内容用于“更细粒度微单元/接入 LLM 生成”的扩展模式；当前离线脚本不会读取。

CUMCM 论文分步生成提示词（超详细版）

本文件将论文拆成“章→节→段→句”四级，共 200+ 微单元，每单元给出：

• 角色设定
• 输入占位符
• 输出字数/格式
• 验收标准
• 交叉引用要求

可直接喂给 LLM 逐单元生成，最后自动合并。

0. 前置公共变量

请在整个写作过程中始终使用以下占位符，并在首次出现时替换为真实值（需在 step3_filled_placeholder.py 中定义）：

• {{论文题目}}
• {{背景关键词}}（如：光伏、交通流、碳排放、医疗资源）
• {{核心指标}}（如：厚度、效率、成本、相关系数）
• {{问题一模型}} / {{问题一算法}} / {{问题一结果}}
• {{问题二模型}} / {{问题二算法}} / {{问题二结果}}
• {{问题三模型}} / {{问题三算法}} / {{问题三结果}}
• {{主要软件}} = MATLAB / Python / SPSS / LINGO
• {{数据附件}} = 附件1/2/3/4 说明

1. 摘要（≈800 字，6 段，48 句）

生成方法：

1. 逐句调用 LLM，替换占位符；
2. 每句自检：字数、关键词、被动语态；
3. 48 句完成后自动拼接成 1 段，再人工润色。

2. 问题重述（≈1500 字，2 节，12 段，96 句）

2.1 问题背景（≈400 字，4 段，32 句）

2.2 问题提出（≈1100 字，8 段，64 句）

按“问题一/二/三”再细分，每问 3 段：（1）重述原文→（2）学术化转写→（3）可计算任务定义

例：

…以下同理，共 96 句。

3. 问题分析（≈1000 字，3 节，24 段，192 句）

每问 8 段，每段 8 句，按“漏斗”逻辑：（1）本质判定→（2）数据特征→（3）模型动机→（4）算法理由→（5）指标选取→（6）验证方案→（7）难点预告→（8）小结

例（问题一第1段）：

4. 模型假设（≈600 字，6 条，48 句）

每条假设拆 8 句：（1）必要性→（2）合理性→（3）简化范围→（4）影响评估→（5）数据支持→（6）反例排除→（7）文献佐证→（8）符号约定

例：假设1“{{假设1标题}}”

5. 符号说明（≈800 字，表格+清单，2 节，16 段，128 句）

5.1 符号定义表（自动脚本生成）

每行=1 句，共 N 行，每句格式：

5.2 纯文本对照清单（自动脚本生成）

每句格式：“汉字 --- 符号”

6. 模型建立与求解（≈3000 字，3 节，72 段，576 句）

每问 24 段，按“通用建模模板”拆：

6.1 问题一（基础模型，8 段，192 句）

每句 15-25 字，共 192 句。

6.2 问题二（进阶/复杂模型，8 段，192 句）

同上结构，重点在于：

1. 模型的递进关系（基于Q1的改进或新场景适配）。
2. 更复杂的算法（如启发式算法、深度学习、非线性规划）。
3. 更深入的结果对比（改进前后效果对比）。

6.3 问题三（综合评价/推广/应用，8 段，192 句）

重点在于：

1. 建立评价指标体系（客观/主观权重）。
2. 多方案对比与排序（TOPSIS/AHP/DEA等）。
3. 模型的鲁棒性检验与灵敏度分析。
4. 实际应用建议或推广价值。

7. 结果分析与可视化（≈1500 字，3 节，24 段，192 句）

每问 8 段：

1. 主结果概括（一句话结论）
2. 详细数值表格展示
3. 误差分析/置信区间（误差棒图）
4. 方案对比/模型对比（柱状图/雷达图）
5. 变化趋势/规律发现（折线图/散点图）
6. 统计显著性检验（P值/R平方）
7. 业务/物理含义解释
8. 段落小结

8. 模型检验（≈1200 字，3 节，18 段，144 句）

每问 6 段：

1. 检验目的与方法选择
2. 数据集划分（训练/测试）或 实验设计
3. 交叉验证结果 / 对照组分析
4. 残差分布 / 误差正态性检验
5. 极端情景测试 / 压力测试
6. 检验结论（稳健性/适用性）

9. 结论与建议（≈800 字，3 节，12 段，96 句）

每问 4 段：

1. 直截了当回答原问（≤20 字）
2. 给出具体数值答案 + 置信水平/适用范围
3. 基于结果的业务/管理建议
4. 政策含义或社会价值

10. 不足与展望（≈600 字，2 段，48 句）

1. 不足 3 点（每点 8 句）：针对模型假设强、数据局限、算法复杂度的自我批评。
2. 展望 3 点（每点 8 句）：未来数据扩充、模型推广、算法优化的方向。

11. 参考文献（≈400 字，自动脚本）

按 GB/T 7714-2015 生成 10-15 条，每句 20-30 字。

12. 附录（≈2000 字，代码+图表）

12.1 核心代码（Python/MATLAB）

每函数 1 段，每段 16 句：功能说明→输入参数→输出结果→关键逻辑→注释→示例调用→结果截图→小结

12.2 附加图表

每图 1 段，每段 8 句：图题→坐标含义→颜色说明→图例解释→读图结论→与其他图对比→正文引用→文件路径

自动化脚本

提供脚本：

• scripts/generate_micro_unit.py

运行后得到：

{
  "unit_id": "ABS-1-1",
  "text": "本文针对{{行业/领域}}中的{{核心问题}}，通过建立{{模型名称}}，利用{{算法名称}}，解决了{{具体难点}}，对{{应用价值}}具有重要的指导意义。",
  "pass": true,
  "msg": ""
}

合并流程

1. 按编号顺序读取所有微单元 JSON；
2. 过滤 pass=false 的单元，给出重跑提示；
3. 按“章-节-段-句”层级拼接成 .md 文件；
4. 自动编号：图/表/式/参考文献；
5. 生成交叉引用索引，替换“见第X章图Y”为实际编号；
6. 输出：
   • final_paper.md（完整论文）
   • unit_log.json（每单元校验日志）
   • ref_check.md（引用断链报告）

使用步骤

1. 先调用 quality-assurance-auditor，生成 paper_output/tasks.json；
2. 如需具体数值与模型名，填写 step3_filled_placeholder.py（可选）；
3. 运行 python ~/.codex/skills/paper-micro-unit-generator/scripts/generate_all_offline.py 生成 paper_output/micro_units/*.txt；
4. 运行 python ~/.codex/skills/paper-micro-unit-generator/scripts/merge.py 生成 paper_output/final_paper.md；
5. 最后用 quality-assurance-auditor 对全文做一致性与评分点审计（可选但推荐）。

扩展说明

• 新增微单元：在对应表格续行，保证编号连续；
• 调整字数：修改“字数”列，脚本自动截断或提示扩写；
• 切换语言：把模板中文换成英文即可输出英文论文；
• 插入图表：在对应微单元模板用 ![图题](path) 占位，合并脚本自动编号。

本提示词共拆出 ≈2000 个微单元，总字数 ≈1.5 万中文字，可直接生成 国赛一等奖篇幅与深度 的完整论文。

附录 B：合并脚本

提供脚本：

• scripts/merge.py