Writing Chapters logo

Writing Chapters

Community
ahang1598
writing-chapters

论文章节写作参考。当用户需要写作、改写、续写论文单章或多章内容,或需要摘要、引言、方法、实验、讨论、结论等章节结构、公式表格生成和章节质量审查时,使用此参考;按豆包单代理流程生成对话章节产物、用户确认和状态块,不依赖持久目录或独立分章流程。

Overview

Publisherahang1598
Repositorydoubao-workbuddy-qwenwork-skills
Skill namewriting-chapters
Stars
90
Forks
35
Bundled files
Instructions only
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by ahang1598 on GitHub. Read the source before you install it.

Installation

Install the Writing Chapters AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/ahang1598/doubao-workbuddy-qwenwork-skills/tree/main/doubao/archive/deleted/2026-08-14-222038/skills/doubao-academic-polish/sub-skills/paper-write-zh/references/writing-chapters
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/ahang1598/doubao-workbuddy-qwenwork-skills.git /tmp/doubao-workbuddy-qwenwork-skills
mkdir -p .claude/skills
cp -r /tmp/doubao-workbuddy-qwenwork-skills/doubao/archive/deleted/2026-08-14-222038/skills/doubao-academic-polish/sub-skills/paper-write-zh/references/writing-chapters .claude/skills/writing-chapters
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Writing Chapters in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Writing Chapters on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Writing Chapters is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

章节写作

本参考负责论文各章节的实际写作。豆包环境中,不默认依赖长期存在的本地章节文件夹、计划文件或独立分章流程。章节内容可以先作为对话中的可复制 Markdown 源稿产物交付;但若用户未指定输出介质,最终仍应并入单文件 Markdown 源稿,并继续按主入口要求转为飞书云文档。若当前会话缺少飞书登录、权限或云文档能力,必须明确说明“已完成 Markdown 源稿,待转飞书云文档”,不得把对话中的纯文本章节正文视为最终交付完成。

一、写作前门控

开始章节写作前,先确认五件事;信息不足时可输出“待确认/待补”,不要编造。

  1. 章节角色:本章在全文中承担什么功能。
  2. 输入材料:已有题目、大纲、文献、数据、图表、实验日志或用户笔记。
  3. 模式要求:Draft Mode(完整初稿)还是 Final Mode(可提交终稿)。直接生成论文时默认 Draft Mode。
  4. 证据要求:是否涉及文献、实验、图表、事实判断或强结论。
  5. 交付范围:本轮写完整章、写某小节、改写已有文字,还是生成单文件完整初稿。

若涉及文献引用,必须先区分中文与英文来源。中文引用仍需来自 browser-task 页面可见内容、导出引用原文或用户提供的可核验材料;英文引用可来自 scholar_search 返回的真实元数据与引用格式,也可来自 DOI/出版社页面、arXiv 页面、browser-task 页面可见内容或用户材料。scholar_search 可用于正式英文参考文献、文内引用和元数据层判断,但若正文要写方法细节、实验效果或局限边界,仍需补摘要、DOI/出版社页面、arXiv 页面、browser-task 页面可见内容或用户材料。普通搜索工具、CrossRef、Semantic Scholar、OpenAlex 等后台检索/API 元数据仍不得作为已核验证据。进入正文时,文献性判断必须显式挂文内引用标识,不能只有文末参考文献列表而正文没有引用。未指定体例时,中文默认使用 GB/T 7714 顺序编码制 [1]、[2];学校/期刊模板要求著者-出版年制、脚注或其他体例时,正文必须改用对应的作者-年份、脚注序号或模板规定形式。

若用户只要求小段润色,可以简化流程;但只要涉及引用、实验、图表或事实判断,仍要执行对应最小核查。

二、章节类型路由

章节类型写作前动作
摘要正文主要内容确定后再写;不新增正文没有出现的结果
引言 / 相关工作 / 文献综述先按 evidence-driven-writing 规范建立对话 evidence map 与 paragraph blueprint;正文中每个文献性判断或综合段都必须显式挂文内引用标识
方法 / 模型 / 系统设计按输入到输出的数据流写,不只罗列模块名称
实验结果Draft Mode 可生成 PLANNING DATA 表格和结果分析初稿;Final Mode 必须先确认真实数据、指标、表格、图像、日志
讨论解释结果边界和成立条件,不做宣传式拔高
结论收束真实贡献、限制和后续工作,不复述摘要

2.1 整篇论文结构路由

直接生成整篇论文时,不默认使用同一套六章结构。先根据论文类型选择结构:

类型推荐结构
技术类期刊论文题目;摘要;关键词;1 Introduction;2 Related Work;3 Proposed Method;4 Experiments and Results;5 Discussion;6 Conclusion;References。引言通常以连续段落推进,不默认拆成大量小节。
毕业/学位论文摘要;Abstract;第1章 绪论;第2章 相关理论与研究现状;第3章 方法设计;第4章 实验与结果分析;第5章 讨论;第6章 结论与展望;参考文献;致谢(如需要)。
综述/课程论文按题目和课程要求压缩结构,保留摘要、引言、主体综述、比较分析、结论和参考文献。

当用户说“一个文件就行”时,所有章节、图表计划、参考文献和 paper-writer-state 放在同一个对话产物中,不创建或暗示长期存在的分章文件。

三、对话章节任务卡

中型章节任务开始前,先在对话中建立轻量任务卡。任务卡不是持久文件要求,它用于锁定边界。

markdown
### 章节任务卡
- 章节名:
- 模式:Draft Mode / Final Mode
- 本章角色:
- 本轮范围:完整章 / 小节 / 改写 / 蓝图
- 可用材料:
- 必须使用的证据 ID:
- 缺失材料:
- 禁止写入正文:提示词、过程说明、AI 来源说明、待替换说明、无依据强结论
- 交付标准:

如果用户已经给出清晰大纲,可直接基于大纲生成任务卡并继续,不要为了形式反复询问。

四、写作流程

  1. 确认章节目标:用 2-4 句话复述本章要解决的问题。
  2. 建立或引用证据:文献/实验/图表相关章节必须有 evidence map 或明确待补项。
  3. 生成段落蓝图:只规定段落角色和证据,不规定句式。
  4. 写连续正文:优先自然段落,不把要点直接堆成列表;涉及文献性判断时,在句内或句末挂上 [1]、(作者, 年份) 或脚注等文内引用标识。
  5. 两阶段审查:先查规格,再查质量。
  6. 交付章节产物:输出章节 Markdown 源稿正文、风险说明和 paper-writer-state 更新建议;若用户未指定输出介质,后续仍需并入单文件 Markdown 源稿并继续转飞书云文档。
  7. 等待用户确认:用户确认后再继续下一章;若用户要求加速,可简化确认,但不跳过风险说明。

章节正文不得使用 Markdown 加粗、斜体或 emoji 制造重点;例如 **预训练与迁移学习**、__预训练与迁移学习__、_预训练与迁移学习_ 应改为普通小节标题或自然段主题句。

摘要、引言和结论是最容易暴露模板腔的位置。写完整篇或完整章节时,从开始生成正文起就不使用“首先、其次、最后、此外、总之、值得注意的是、需要指出的是、具有重要意义”机械推进;摘要不机械罗列改进模块,引言不把“具有重要意义—近年来显著进展—本文贡献如下”作为固定三段式,结论不重复摘要的效果宣传。若目标模板需要列出贡献,也要让每一项对应具体问题、设计动作、证据位置或适用边界。

五、两阶段审查

5.1 规格审查

检查项说明
章节功能是否完成本章在全文中的功能
范围匹配是否只写了本轮要求的章节/小节
结构完整小节层级和段落顺序是否清晰
证据使用文献、实验、图表是否按任务卡使用
文内引用文献性判断是否已显式挂上 [1]、作者-年份或脚注等正文引用标识;是否出现“正文无引用、只在文末列参考文献”
公式表格公式是否可渲染,表格是否结构化且未粘连
正文格式是否残留 **...**、__...__、_..._、emoji、提示词或说明性标记
缺失标注缺文献、缺图、缺日志、缺数据是否明确标注

5.2 质量审查

检查项说明
去 AI 味是否存在模板句、高频自指、直译腔、价值宣传化
论证连续段落之间是否有因果、转折、限定或承接关系
引用真实引用是否能追溯到 browser-task 页面可见内容、导出引用原文或用户提供的可核验材料;是否有候选文献或搜索/API 元数据冒充正文证据
引用落点文献综述、相关工作、研究现状、引言中的文献句是否已按目标体例显式挂上文内引用标识;文末参考文献是否与正文引用对应
实验可信结果强度是否匹配数据、图表、日志和实验条件
终稿状态是否混入提示词、AI 来源说明、计算纠错或待替换说明

审查失败时,先修复;无法修复时,把风险写在交付说明和状态块里,不把问题伪装成终稿。

六、章节写作规范

6.1 反罗列写作

每章必须形成连续论证,而不是把要点平铺为短段落。正文段落应包含因果、转折、承接或限定关系。

完整初稿生成时,章节开头段不要套用固定背景句。优先从本研究对象的具体约束进入,例如数据集、场景、缺陷类型、评价指标或现有方法的局部不足;只有能说明后续方法选择时,才保留行业意义、技术发展或研究热点类背景。

章节结构也要避免八股节奏:引言不写成“宏大意义—传统方法问题—近年来显著进展—本文贡献如下”;方法不机械拆成“整体结构—模块 A—模块 B—模块 C—总结”;实验不逐表朗读数字;讨论不写成“有效性分析—对比优势—应用价值”三段宣传。若这些结构已经出现,至少重构一个章节功能块为具体约束、失败样例、异常结果或边界讨论。

常见段落角色:

  • 背景段:场景约束 → 研究矛盾 → 本章承接。
  • 文献段:同类研究共同解决的问题 → 代表性证据 → 尚未覆盖的边界;即使改成综合段,也必须保留 [1-3]、(作者, 年份) 或脚注等文内引用标识。
  • 方法段:输入对象 → 处理过程 → 输出形式 → 设计理由。
  • 实验段:评价目标 → 对照关系 → 指标含义 → 可接受结论边界。
  • 讨论段:结果含义 → 条件解释 → 局限和后续验证。

6.2 方法章节

方法章节采用输入到输出 flow:

  1. 输入对象:数据形态、样本、特征、约束。
  2. 预处理或表示:清洗、编码、划分、标准化。
  3. 核心模型/算法:每个模块说明输入、处理、输出、设计理由。
  4. 训练或推理流程:公式、算法、参数更新或决策路径。
  5. 输出:预测、解释、告警、指标或下游接口。
  6. 与实验对应:关键模块应能映射到消融、对照或局限说明。

禁止只写“由三层组成”“包括若干模块”后缺少数据流、公式位置和可复现步骤。

每个方法模块还必须说明“本文决策”:为什么选择该模块、放在网络或流程的哪个位置、针对本文数据或任务的哪类具体问题、对应哪项实验或图表验证。若只能写通用原理,说明它还只是背景介绍,不是本文方法段。

公式输出规范
  • 核心模型公式必须使用 LaTeX 数学格式或标准公式编辑器语法,独立成行并建议编号(如式(1))。
  • Markdown/纯文本交付中,行间公式统一写为 $$...$$,行内变量写为 $...$。
  • 飞书云文档交付中,优先使用云文档公式块/公式语法;如果只能先输出文本,必须提供可转换 LaTeX 源并说明应转为公式块。
  • 禁止在公式中使用 HTML 标签(如 <sub>、<sup>)或纯文本下标(如 NQP_{i,t}、β_0);上下标必须表达为数学格式。
  • 幂指数、上下标、分式必须完整写在同一个公式结构内,不得把指数单独拆成一行。
  • 公式后的符号说明必须与公式中的系数符号完全一致;例如公式含 γ_1、γ_2 时,解释中不得写成重复的“γ和γ”。
  • 变量定义段落按“被解释变量 / 解释变量 / 机制变量 / 控制变量”等层级分段,每一类单独成段,不与上一段正文粘连。

6.3 实验和讨论章节

实验章节不得保留“实验目的、表位、回填模板、讨论提示、请用户替换”等过程性说明。真实结果用数据支撑;Draft Mode 可使用 mock 或 PLANNING DATA 形成完整初稿,但表题、表注或状态块必须保留 PLANNING DATA - replace before submission 标记,不能写成已验证结论;Final Mode 不允许保留 mock 数据。

讨论章节不要重复摘要或结果表,而要解释:为什么出现该结果、结果在哪些条件下成立、哪些条件下可能失效、还需要哪些补充实验。

表格输出规范
  • 出现“一级指标 / 二级指标 / 衡量指标 / 指标属性”等结构化内容时,必须生成标准表格,不得压缩为连续正文。
  • 描述性统计必须使用标准表格,每个变量一行,观测值、均值、标准差、最小值、中位数、最大值等统计量分别成列。
  • 相关性分析必须输出为矩阵表,变量名作为行列标题;显著性星号紧跟对应系数,不得因换行被拆散。
  • 回归结果必须生成标准三线表或结构化表格;每个模型单独一列,变量、系数、括号内统计量、固定效应、样本量和 R² 分行展示。
  • 表格结束后另起段落;表题、表注、下一节标题不得与表格内容粘连。
  • Draft Mode 不得只写“表 X 待补”。缺真实数据时,生成带表题、列头、单位、TBD/mock 数值和表注的标准表格,并在表注中写明 PLANNING DATA - replace before submission。
图占位输出规范
  • 缺真实图片时,Draft Mode 使用正式图占位:图 X-X 待绘制:图题。内容要求:...。
  • 图占位应说明图中需要展示的对象、关键标注、输入输出关系或坐标轴,而不是只写“此处插图”。
  • 技术类期刊论文初稿通常至少保留 3-5 个图占位;毕业/学位论文初稿通常至少保留 6-8 个图占位。
  • YOLO/CV/缺陷检测论文常用图包括:技术路线图、整体网络结构图、注意力模块结构图、特征融合结构图、数据集样例图、训练曲线/PR 曲线、检测结果对比图和复杂场景示例图。

6.4 结论章节

结论只收束正文已经证明的内容:

  • 回应研究目的。
  • 概括真实贡献。
  • 说明限制。
  • 给出与本文问题直接相关的后续工作。

不要在结论中新增文献、实验结果、图表或夸大价值判断。

七、输出模板

章节交付状态使用以下四类之一:

状态含义
DONE本轮范围完成,材料和格式风险已说明且无阻塞问题。
DONE_WITH_CONCERNS内容可继续使用,但仍有待核验文献、缺图、缺日志、格式或证据风险。
NEEDS_CONTEXT缺少必要材料,继续写会导致编造或空泛。
BLOCKED缺少用户授权、知网登录、关键数据或模板,必须暂停。

7.1 开始写作前

markdown
我将处理「[章节名]」。

本章角色:[说明它在全文中的作用]
本轮范围:[完整章/小节/改写/蓝图]
可用材料:[文献/数据/图表/用户笔记]
待补材料:[如缺图、缺日志、缺真实实验]
文内引用体例:[默认 `[1]` / 作者-年份 / 脚注 / 模板要求]

若以上理解无误,我将按该边界输出章节正文;缺失材料会在正文外标注,不会补写成事实。

7.2 章节交付后

markdown
「[章节名]」本轮产物如下。

状态:DONE / DONE_WITH_CONCERNS / NEEDS_CONTEXT / BLOCKED

## [章节标题]

[章节正文]

### 本轮审查
- 规格审查:通过 / 有风险(说明)
- 质量审查:通过 / 有风险(说明)
- 文内引用:已按目标体例显式挂出 / 有风险(说明)
- 正文格式:无 `**...**`、`__...__`、`_..._`、emoji / 有风险(说明)
- 待补材料:
- 建议下一步:

7.3 状态块补充

章节写完后,建议更新主技能的 paper-writer-state:

markdown
当前章节/段落:
已完成内容:
待用户确认:
缺失材料:
高风险问题:
下一步:

八、错误处理

情况处理
没有大纲先输出章节蓝图或最小大纲,让用户确认后再写正文
前置章节未完成说明依赖关系;可先写独立小节或待补版,不伪装成终稿
用户要求跳过确认可加速,但章节完成后仍要给风险说明和下一步
缺文献不写具体文献结论;先输出检索需求或待核验写法
文末有参考文献但正文未挂引用视为未完成;补齐正文中的 [1]、作者-年份或脚注引用标识后再交付
缺实验材料不写“全面验证”;写数据需求、占位说明或限定结论
缺图表Draft Mode 生成正式图占位和 PLANNING DATA 表格;Final Mode 才正文外列为待补

九、关键原则

  • 一次聚焦一个章节或一个明确小节。
  • 每个章节产物都要可复制、可审查、可继续。
  • 用户未指定输出介质时,章节正文只是中间 Markdown 源稿产物,最终仍需并入单文件 Markdown 并继续转飞书云文档。
  • 用户确认后再进入下一章;用户催促时也不跳过真实性和终稿状态门控。
  • 风格遵循 writing-core 规范,证据遵循 evidence-driven-writing 规范。
  • 引用、实验、图表和事实不能编造。

Frequently asked questions

What does the Writing Chapters AI skill do?

论文章节写作参考。当用户需要写作、改写、续写论文单章或多章内容,或需要摘要、引言、方法、实验、讨论、结论等章节结构、公式表格生成和章节质量审查时,使用此参考;按豆包单代理流程生成对话章节产物、用户确认和状态块,不依赖持久目录或独立分章流程。

Why use Writing Chapters on TypingMind?

Because you install it once and use it with any model. Writing Chapters is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Writing Chapters in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/ahang1598/doubao-workbuddy-qwenwork-skills/tree/main/doubao/archive/deleted/2026-08-14-222038/skills/doubao-academic-polish/sub-skills/paper-write-zh/references/writing-chapters. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Writing Chapters?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Writing Chapters?

As many as you like. As long as a model supports skills, you can use Writing Chapters with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Writing Chapters AI skill free?

It is published on GitHub by ahang1598. Check the repository for licensing terms. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇