zimoliao 论文写作辅助
协助用户撰写研究论文的各个章节，基于工作区中的文献提供引用支持。
前提
用户必须指定一个 workspace（--ws NAME）。如果用户未指定：
- 运行
scholaraio ws list列出已有工作区 - 让用户选择或创建一个
输出写入 workspace/<name>/ 目录。
执行逻辑
1. 了解写作需求
向用户确认：
- 写哪个章节：Introduction / Related Work / Method / Results / Discussion / Conclusion / Abstract
- 目标期刊/会议：格式要求、篇幅限制
- 语言：中文 / English
- 用户已有内容：草稿、大纲、实验数据、图表
- 风格参考（可选）：用户可提供同期刊/同领域的范文，你来分析其写作风格（句式结构、术语选择、段落节奏、引用方式、形式化程度），然后仿照
2. 论文分析笔记复用
用 scholaraio show 阅读工作区论文时，已有的 notes.md 历史笔记会自动展示。有则优先复用，无需重复阅读全文。
分析完成后，必须通过 CLI 将新的关键发现写入笔记：
scholaraio show "<paper-id>" --append-notes "## YYYY-MM-DD | <workspace> | paper-writing
- 关键发现"
3. 各章节写作策略
Introduction
- 从宏观背景切入，逐步聚焦到具体问题
- 引用工作区论文建立研究脉络：
scholaraio ws search <name> "<背景关键词>" scholaraio show <paper-id> --layer 2 # 摘要 - 明确指出现有工作的不足（research gap）
- 阐述本文贡献
Related Work
本质上是聚焦版的文献综述，参考 /literature-review skill 的方法，但更紧凑：
- 按与本文的关系分组（而非按主题），每组指出与本文的异同
- 明确本文相对于 prior work 的改进
Method
- 用户描述方法，你协助组织成清晰的叙述
- 从工作区论文中找到可对比的方法：
scholaraio ws search <name> "<方法关键词>" scholaraio show <paper-id> --layer 4 # 读全文了解方法细节 - 确保符号定义一致、公式推导完整
- 公式与图表：读取参考论文中的数学推导（LaTeX）和方法示意图（
images/），对比本文方法的异同，确保描述准确
Results / Discussion
- 用户提供实验数据/图表
- 从工作区中检索可对比的基线结果：
scholaraio ws search <name> "<实验条件>" scholaraio show <paper-id> --layer 3 # 结论 - 读图对比：读取参考论文中的结果图表（configured papers library 下的
<dir>/images/），与用户的实验结果做定性/定量对比 - 编写代码验证：用 Python 做数据分析、统计检验、可视化——用计算结果支撑 Discussion 中的论点
- Results：客观描述发现，引用图表
- Discussion：解释原因、对比文献、讨论局限性
Conclusion
- 总结主要发现（不引入新内容）
- 简述局限性和未来方向
Abstract
- 最后写（需要全文定稿后）
- 包含：背景一句、问题一句、方法一句、主要结果两句、意义一句
- 字数严格遵循目标期刊要求
4. 引用管理
- 正文引用格式与目标期刊一致（通常
\cite{key}或(Author, Year)） - 所有引用必须来自工作区中的真实论文，绝不编造引用
- 如发现工作区缺少需要引用的论文，提醒用户补充：
scholaraio usearch "<关键词>" # 全库搜索候选 scholaraio ws add <name> <paper-id> # 添加到工作区 - 最终导出：
scholaraio ws export <name> -o workspace/<name>/references.bib
5. 输出
- 每完成一节保存到
workspace/<name>/下（如introduction.md、related-work.md） - 或按用户要求合并为完整论文文件
写作原则
- 引用诚实：只引用工作区中实际存在的论文。如果某个论点需要引用但库中没有对应文献，标注
[CITATION NEEDED]而非编造。AI 生成文本中约 40% 的引用可能是幻觉——必须用/citation-check验证 - 如有风格参考：分析范文的句式长度、主被动语态比例、术语密度、段落结构，严格仿照
- 避免 AI 痕迹：不用 "it is worth noting"、"in recent years, ... has garnered significant attention" 等套话；用具体、精确的学术表达
- 数据驱动：Results 和 Discussion 中的每个断言都应有数据或引用支撑
- 计算验证：当论文涉及数值结果或数学推导时，编写 Python 代码独立验证，不盲信手算或直觉
投稿前自查清单
完成全文后，按以下 6 项逐一检查：
- 结构完整性：各章节是否齐全？逻辑链条是否连贯？Introduction 提出的问题是否在 Conclusion 中回应？
- 引用一致性：正文引用与参考文献列表是否一一对应？有无遗漏或多余？用
/citation-check验证 - 图表质量：每个图表是否在正文中被引用？图例是否清晰？坐标轴标签是否完整？
- 数据可复现：方法描述是否足够详细？关键参数是否都列出？
- 语言质量：术语是否全文一致？时态是否正确？用
/writing-polish做最终润色 - 格式合规：是否满足目标期刊的字数、图片、参考文献格式要求？
示例
用户说："帮我写 Introduction，工作区是 my-paper"
→ 扫描 ws show my-paper，了解论文方向，询问研究问题，起草 Introduction
用户说："帮我按这篇 JFM 论文的风格写 Related Work" → 分析用户提供的范文风格，按该风格组织 Related Work
用户说："我有实验数据，帮我写 Results 和 Discussion" → 读取数据，检索工作区中的对比文献，撰写结果分析