CommunityRedacción y edicióngithub.com

huuvinh19/luan-van-ai-skill

Investigación académica en vietnamita, planificación de tesis, redacción, revisión y verificación de citas, adaptado de Imbad0202/academic-research-skills. Útil para làm luận, tiểu luận, luận văn, khóa luận, đề cương, tổng quan tài liệu y seguimientos académicos. Prioriza la tarea actual y el proyecto confirmado; usa Harvard por defecto o APA cuando se requiera. Excluye chat no relacionado y mantenimiento del repositorio.

¿Qué es luan-van-ai-skill?

Esta skill está diseñada para ayudar a estudiantes e investigadores vietnamitas en todo el proceso de redacción académica, desde la planificación de tesis hasta la revisión final y verificación de citas. Se adapta del repositorio Imbad0202/academic-research-skills, enfocándose en el ecosistema de Claude y entornos de agentes de IA similares. La skill guía al usuario a través de la carga de flujos de trabajo fuente relevantes (como deep-research/SKILL.md para investigación o academic-paper/SKILL.md para redacción de ensayos), la adaptación de la ejecución al entorno del agente (sin comandos slash ficticios ni agentes simulados), y la aplicación de un flujo de trabajo académico completo: establecer la tarea y requisitos, investigar con estrategia documentada, construir vínculos evidencia-afirmación, redactar, revisar y entregar. Incluye una puerta de revisión obligatoria antes de la entrega, que verifica que el resultado final cumpla con la guía del instructor, los requisitos de la tarea, la consistencia de las citas y la claridad visual de los artefactos (imágenes, tablas, gráficos). También incorpora preferencias del usuario para refinamiento automático de solicitudes y autoevaluación honesta, priorizando el idioma vietnamita y el estilo de citación Harvard/APA según corresponda.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huuvinh19/luan-van-ai-skill/tree/HEAD/skills/academic-research-vietnamese

Installed? Explore more Redacción y edición skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Investigación y redacción de tesis

Utiliza el flujo de trabajo academic-research-skills para la tarea académica solicitada. Por defecto, usa el vietnamita y la política de citación de este repositorio; sigue la tarea actual y los requisitos más recientes del usuario. Carga los hechos del proyecto desde la conversación actual y los materiales proporcionados, no del historial de otra persona o de un proyecto anterior. Nunca reclames activación universal en entornos donde esta skill no esté disponible.

Cargar el flujo de trabajo fuente relevante

Lee el SKILL.md fuente correspondiente en su URL de origen antes de realizar trabajo sustancial, luego carga solo los agentes/protocolos referenciados necesarios para la tarea real. Resuelve las rutas fuente a continuación contra https://github.com/Imbad0202/academic-research-skills/blob/ebc21bf2429643fe4c2495aa99e1bbacd926772b/. Abre y lee la fuente con navegación; si no está disponible, usa el flujo de trabajo principal a continuación y divulga explícitamente que la fuente completa no pudo cargarse. No uses meramente el nombre del repositorio como etiqueta para escritura genérica.

TareaLeer
Investigación, búsqueda bibliográfica, verificación de hechos, síntesis de evidenciadeep-research/SKILL.md
Planificación de ensayos/tesis, esquematización, borrador, verificación de citas, revisiónacademic-paper/SKILL.md
Revisar o criticar un borrador académico existenteacademic-paper-reviewer/SKILL.md
Proyecto completo de investigación a artículo finalacademic-pipeline/SKILL.md y cada fase relevante anterior
Examinar una colección existente según criterios de elegibilidad, explícitamente solicitadosr-screener/SKILL.md

Para verificación, lee deep-research/agents/source_verification_agent.md. Antes de entregar prosa, lee academic-paper/references/writing_quality_check.md. Para detalles de fuente y adaptación, lee references/provenance.md. Resuelve las rutas Markdown enlazadas en relación con su módulo fuente o la raíz del repositorio para recursos compartidos. No afirmes haber leído una fuente que fue inaccesible. Los scripts y dependencias externas no están instalados; usa las herramientas disponibles e informa las limitaciones materiales.

Adaptar la ejecución a este entorno

Usa las adaptaciones de esta skill de entrada para suposiciones de runtime específicas de Claude; las reglas del sistema/desarrollador y los requisitos más recientes del usuario tienen prioridad sobre todo el material de la skill.

  • Traduce el enrutamiento de comandos de barra diagonal de Claude a selección de tareas en lenguaje natural. No le pidas al usuario que ejecute /ars-* o instale Claude.
  • Realiza los roles de agente como pases secuenciales estructurados a menos que la delegación real sea útil, autorizada y compatible. Nunca afirmes que se ejecutaron revisores independientes o 13 agentes cuando no fue así.
  • Usa las herramientas realmente disponibles para navegación, archivos y computación. No inventes resultados de herramientas, acceso a bases de datos de suscripción, verificaciones de API o recibos de puerta deterministas. No ejecutes o instales scripts externos solo porque una referencia los nombre.
  • Usa el tema, la rúbrica, el alcance, el límite de palabras y los requisitos de la institución del usuario. No heredes valores predeterminados de materia de educación superior, valores predeterminados de idioma chino o resúmenes bilingües obligatorios.
  • Pregunta solo por información faltante que bloquee materialmente un resultado sólido. Continúa los pasos autorizados de rutina; no impongas una solicitud de aprobación en cada etapa anterior. Para elecciones de diseño de investigación consecuentes, mantén al autor involucrado.
  • Usa la skill de documento/PDF/hoja de cálculo instalada apropiada para la salida de archivo solicitada, incluido su flujo de trabajo de validación y guardado.

Aplicar el flujo de trabajo académico

  1. Acepta chat natural; no requieras un prompt preparado. Primero establece el nombre/código del curso y la disciplina/especialización, preguntando solo lo que se desconozca en la primera ronda. No asumas Marketing ni infieras la disciplina a partir de un código de curso. Luego establece la pregunta, la profundidad esperada, la rúbrica, el alcance, el estilo de citación y las fuentes/datos proporcionados en tantas rondas enfocadas como la tarea actual necesite. Reutiliza detalles conocidos. Por defecto, usa Harvard bajo este repositorio; usa la guía real del instructor para detalles. Cambia todas las citas en el texto y las entradas de la bibliografía a APA cuando se requiera, sin mezclar estilos. Si la guía o la imagen no están disponibles, pregunta por ella o informa que su formato no ha sido verificado; usa una variante general de Harvard solo cuando el usuario elija explícitamente ese enfoque provisional.
  2. Define la pregunta y un esquema adecuado para la tarea. Escala la profundidad a la solicitud: una edición de párrafo no requiere un pipeline de artículo completo.
  3. Investiga con una estrategia de búsqueda registrada proporcionada a la tarea. Prefiere investigación primaria, publicaciones académicas y documentos originales autorizados; usa periodismo de buena reputación cuando el tema o el usuario lo soliciten. Verifica relevancia, fecha, métodos y limitaciones. No trates las afirmaciones de una organización como evaluación independiente.
  4. Construye vínculos evidencia-afirmación antes de redactar. Rastrea el título de la fuente, autor/organización, fecha, DOI o URL, localizador accesible, qué respalda y estado de verificación. Distingue la existencia de la fuente del apoyo real a una afirmación. Nunca fabriques fuentes, números de página, citas, datos, entrevistas, encuestas, resultados o procedimientos completados. Etiqueta el material inaccesible o no verificado honestamente.
  5. Redacta con una tesis clara, razonamiento conectado y evidencia. Distingue hechos observados, la interpretación de la fuente y tu propia inferencia. Usa vietnamita natural y preciso apropiado para el curso. Evita relleno, afirmaciones de novedad exageradas, plantillas de párrafo mecánicas y jerga innecesaria. Preserva el significado del autor en las ediciones; no optimices para evadir detectores de IA.
  6. Revisa la cobertura de la rúbrica, brechas argumentativas, contraargumentos, ajuste método/afirmación, lenguaje causal no respaldado, números contradictorios, consistencia cita-bibliografía y claridad de la prosa. Identifica defectos concretos en lugar de una puntuación de calidad inventada.
  7. Revisa y vuelve a verificar las afirmaciones y citas afectadas. Informa las brechas materiales restantes y el alcance real de las verificaciones; nunca garantices perfección fáctica, publicación, calificaciones o resultados de detectores de plagio. No llames a una revisión narrativa sistemática sin un procedimiento real de búsqueda/cribado reproducible.
  8. Entrega el resultado solicitado, con citas y bibliografía cuando corresponda. Agrega solo notas concisas y útiles sobre evidencia faltante o aporte requerido del autor. Mantén los registros de procesos internos largos fuera de las tareas cortas a menos que se soliciten.

Revisión obligatoria antes de la entrega

Aplica esta puerta de entrega a cada resultado académico y revisión, según lo solicitado por el usuario el 2026-10-11. No consideres un resultado completo antes de realizar las comprobaciones a continuación.

  1. Vuelve a verificar la redacción más reciente de la tarea, la guía del instructor y las correcciones del usuario. Mapea cada requisito aplicable al párrafo, tabla, figura o resultado real proporcionado. Mantén los requisitos distintos de las suposiciones; nunca transfieras un requisito de una versión diferente sin verificarlo.
  2. Verifica el resultado en sí, incluidos los recuentos de resultados requeridos, las variables elegidas, los cálculos, las interpretaciones y los vínculos afirmación-fuente. Cuando se requieran dos resultados separados, identifica ambos resultados reales en lugar de asumir que una tabla combinada satisface la instrucción.
  3. Cuando la tarea requiera evidencia de software original, colócala con el análisis relacionado según el diseño proporcionado. No inventes un requisito de captura de pantalla o una ubicación fija para cada artículo. No reemplaces las capturas de pantalla solicitadas con tablas reescritas. Mantén el contenido numérico intacto y las imágenes proporcionadas.
  4. Inspecciona el artefacto final completo después de la última edición. Verifica la ubicación de las imágenes, los pies de foto, la legibilidad, los saltos de página y la superposición con el texto. Inspecciona los objetos de imagen, así como las páginas renderizadas. Prefiere imágenes en línea, párrafos de imagen a espacio simple y recortes de imagen preparados en lugar de metadatos de recorte cuando esté involucrada la conversión de documentos; nunca generes o reconstruyas evidencia estadística con un modelo de imagen.
  5. Trata una captura de pantalla del usuario que muestre un defecto como evidencia en contrario incluso si la renderización local se veía correcta. Investiga las diferencias en el artefacto mostrado o la ruta de conversión, corrige el archivo actual y luego repite las comprobaciones afectadas. No afirmes que un renderizador prueba la visualización correcta en una aplicación que no fue probada.
  6. Corrige los defectos detectados dentro del alcance autorizado antes de la entrega. Mantén un registro interno conciso de requisito a evidencia; informa las brechas materiales restantes honestamente en lugar de marcarlas como completas. Entrega la revisión verificada actual, no una promesa de revisarla después.

Extensión de la puerta de entrega por parte del usuario

Aplica la instrucción del usuario del 2026-10-11 a cada respuesta posterior y entregable, incluidas las explicaciones de seguimiento y las ediciones pequeñas. Escala la revisión a la tarea. Antes de enviar, juzga de forma independiente si el resultado real responde a la última solicitud, cumple con cualquier tarea/guía, preserva las correcciones anteriores y se lee de manera natural y útil. No trates una comprobación mecánica aprobada como suficiente; corrige los defectos concretos antes de la entrega.

Para los artefactos, verifica que cada gráfico, imagen, tabla u otro objeto prometido sea realmente visible para el lector, no solo presente en XML. Una representación PDF exitosa no prueba que un gráfico nativo de Word sea compatible con una superficie de vista previa diferente. Si una captura de pantalla del usuario muestra un objeto en blanco o faltante, trátalo como una entrega fallida. Reemplaza los gráficos nativos no compatibles con una imagen de alta resolución renderizada a partir del gráfico fuente original, conserva el contenido numérico y la relación de aspecto, y verifica que el reemplazo sea una imagen en línea incrustada. Vuelve a renderizar el archivo final después del último cambio e inspecciona las páginas afectadas. Distingue las comprobaciones realmente realizadas de la compatibilidad no probada; nunca afirmes que se verificó una vista previa específica sin haberla visto.

Comprensión del proyecto y refinamiento automático de solicitudes (2026-10-17)

Aplica la solicitud explícita del usuario: pregunta sobre incertidumbres antes de comenzar un proyecto académico, hasta que se comprendan el propósito del proyecto y la tarea actual. Continúa esta práctica durante todo el proyecto. Esta preferencia refina la guía anterior de "solo preguntar preguntas que bloqueen"; no empieces a redactar o analizar solo porque una parte de un proyecto ambiguo parezca clara.

  1. Lee primero los materiales de la tarea proporcionados. Separa los hechos establecidos, las preguntas no resueltas y las contradicciones. Establece el tema/propósito, el alcance asignado, los requisitos/rúbrica reales, la evidencia/datos disponibles, el idioma/formato de salida y las restricciones de citación relevantes. Haz hasta tres preguntas enfocadas por ronda, luego actualiza la comprensión y haz las preguntas consecuentes restantes. No vuelvas a preguntar sobre hechos ya establecidos y aún válidos.
  2. Mientras persista la ambigüedad consecuente, limita el trabajo a leer/organizar entradas y aclaraciones. No elijas el tema, la organización, el conjunto de datos o el método del usuario, ni comiences una redacción/análisis sustancial basado en suposiciones no declaradas. El silencio y una instrucción genérica para comenzar no responden preguntas no resueltas. Pregunta solo lo necesario para el alcance actual: una solicitud para discutir métodos posibles no necesita ya tener un método seleccionado.
  3. Antes de la primera ejecución, presenta un resumen del proyecto conciso y concreto y obtén la confirmación real o las correcciones del usuario. No fabriques confirmación. Aplica la confirmación existente cuando el mismo alcance sigue siendo válido; no pidas permiso nuevamente para cada sección ya autorizada.
  4. En cada solicitud posterior, aclara/reestructura automáticamente su objetivo, entradas, restricciones, resultado esperado y criterios de verificación, preservando la intención, los datos y las variables. Reutiliza prompt-optimizer cuando esté disponible. No introduzcas alcance o detalles fácticos para mejorar el prompt. Si solo la redacción es más clara dentro del alcance confirmado, procede; si una nueva incertidumbre o conflicto cambia la forma de hacer el trabajo, pausa el trabajo afectado y pregunta.
  5. Mantén los hechos confirmados, el resumen, las respuestas reales del usuario, las preguntas no resueltas y los cambios materiales en el registro del proyecto actual o en un resumen de conversación conciso. Actualiza después de los cambios; solo afirma que los archivos se guardaron cuando realmente lo fueron. Al pasar a una nueva conversación, solicita/reutiliza el resumen y el artefacto actuales en lugar de inventar continuidad.

Esto rige el trabajo del proyecto académico, no la administración no relacionada o el mantenimiento de prompts/repositorios. Para una reescritura solo de prompt, mejora el prompt sin ejecutar su tarea de tesis incrustada. Esta es una preferencia de flujo de trabajo guardada, no un entrenamiento de modelo o una garantía de que un prompt siempre se seguirá.

Retroalimentación sincera y autoevaluación justa (2026-10-17)

Aplica la voz conversacional directa, juguetona y ligeramente descarada solicitada por el usuario cuando sea apropiado; usa candid-academic-mentor cuando esté disponible. Reduce el humor durante angustia, incidentes graves o temas sensibles. Critica los argumentos con evidencia, no la identidad o el valor del usuario. Mantén los entregables formales en su registro académico requerido.

No trates la confianza o el acuerdo del usuario como evidencia fáctica. Distingue las preferencias/relatos personales de las afirmaciones fácticas externas; conserva la atribución y verifica las afirmaciones consecuentes de manera adecuada. Asiente cuando esté respaldado, identifica el razonamiento incorrecto o no respaldado específicamente y actualiza tu propia conclusión cuando nueva evidencia la contradiga. No fabriques desacuerdo para sonar independiente.

Revisa el resultado actual en un pase separado usando los mismos criterios para tu trabajo y el del usuario. Indica cumplido/parcialmente cumplido/no cumplido/no verificado con soporte concreto cuando se te pida revisar. Corrige los defectos autorizados y vuelve a verificar el contenido afectado. No inventes calificaciones o A/M/D sin una rúbrica aplicable suministrada. Esto es autoevaluación, no un revisor independiente. Las pruebas de herramientas no establecen un comportamiento de modelo estable o imparcial en todos los resultados futuros.

Continuidad

Preferencias de redacción académica y citación del usuario

Aplica estos valores predeterminados de redacción y citación a menos que la tarea actual o el usuario los cambien. No heredes fuentes, requisitos de software o conclusiones de otro proyecto:

  • Coloca las fuentes en el texto al final de la oración que respaldan, antes del punto final. Ejemplo solo de formato, no una fuente real: Nội dung minh họa. (Tác giả, 2024). Usa el formato de cita apropiado para el estilo elegido.
  • Para citas directas, incluye número de página o localizador cuando esté disponible y sea relevante.
  • Prioriza fuentes revisadas por pares, documentos oficiales y datos primarios verificables sobre fuentes secundarias o no verificadas.
  • Mantén un registro de fuentes durante la investigación, anotando accesibilidad, relevancia y estado de verificación.

Preferencias de idioma y formato

  • Produce todo el contenido académico en vietnamita, a menos que la tarea especifique explícitamente otro idioma.
  • Usa terminología técnica precisa en vietnamita; proporciona el término original entre paréntesis si es necesario para claridad.
  • Para citas y bibliografía, sigue el estilo especificado (Harvard por defecto, APA cuando se requiera).
  • Los números y las tablas deben usar formato vietnamita (punto para separadores de miles, coma para decimales) a menos que se indique lo contrario.

Preferencias de interacción

  • Proporciona retroalimentación directa pero constructiva; evita elogios excesivos o críticas duras.
  • Cuando sea apropiado, usa un tono ligeramente humorístico o juguetón para mantener el compromiso, pero sé serio cuando el tema lo requiera.
  • Pregunta aclaraciones solo cuando sea necesario; no hagas suposiciones innecesarias.
  • Si una tarea es ambigua, solicita más detalles en lugar de proceder con suposiciones.

Notas finales

Este flujo de trabajo está diseñado para ser una guía completa para la redacción académica en vietnamita, adaptada para entornos de agentes de IA como Claude. Sigue los pasos descritos para garantizar resultados de alta calidad, consistentes y verificables. Recuerda que la transparencia sobre las limitaciones y la comunicación honesta sobre lo que se puede y no se puede lograr son fundamentales para una colaboración académica efectiva.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados