中文文献综述撰写技能
概述
使用此技能查找论文，按主题相关性筛选，并以问题驱动的方式撰写或修改中文学术文献综述部分。
力求同时达到三个品质：
- 主题聚焦紧密
- 低填充和低“AI 感”
- 最终的研究空白陈述能切实支持用户的方法选择
工作流程
1. 在搜索或撰写前锁定范围
- 提取主题、研究对象、目标任务、关键变量以及用户方法试图解决的矛盾。
- 如果主题具体，则仅在该主题及邻近方法内进行讨论。
- 不要从具体主题滑向广泛的行业、政策、控制、系统、平台或不相关的应用讨论，除非用户明确要求这种扩展。
- 如果用户提供了论文，优先使用这些论文。
- 如果用户未提供论文，则从主题推断一个方法链，并保持该链紧密围绕主题本身。
2. 在需要时先搜索和筛选论文
- 如果用户已提供论文列表，则优先筛选该列表，而不是从头重新搜索。
- 如果用户仅提供主题，则从五个要素生成搜索词：
- 研究对象
- 目标变量或任务
- 领域流程
- 核心方法族
- 邻近但仍切题的变体
- 分层搜索：
- 核心精确匹配的论文
- 解释方法链的邻近论文
- 然后才谨慎添加有助于填补明显空白的近邻论文
- 对于技术问题，优先选择主要来源，如出版商页面、DOI 页面、期刊页面、会议论文集、学位论文和作者所在机构的知识库。
- 在依赖一篇论文前，验证其标题、作者、年份、发表载体和 DOI 或稳定 URL。
- 不要仅仅因为一篇论文使用了流行方法就保留它。只有当它与主题、目标任务或未解决的矛盾紧密相关时才保留。
- 在撰写前，将每篇候选论文分类为：
- 强相关：与主题、任务或对象直接匹配
- 中等相关：与对象不完全匹配，但明确支持方法链或关键矛盾
- 弱相关：仅在方法名称上相关，对本综述价值有限
- 排除：离题、被关键词夸大、或主要涉及控制、平台、政策、诊断或其他任务
- 宁可选少数强相关论文，也不要选择大量松散相关的论文。
3. 除非用户另有要求，否则使用默认结构
默认顺序：
- 国外研究现状
- 国内研究现状
- 总结与本文切入点
在每个部分内部，仅当有助于解释问题链时，才使用时间顺序或技术演进。如果文献不支持，不要强行设置阶段标签。
4. 以问题为导向撰写每篇论文
对于每篇引用的作品，优先采用此顺序：
- 它做了什么
- 它解决了什么实际问题
- 如果“实际问题”不是重点，则替换为：遗留了哪些局限性，以及后续哪项工作对此进行了改进
结论要具体。说明改进了什么，以及相对于什么对象改进的，例如噪声、延迟、非线性、变量耦合、样本量、工况偏移或可解释性。
5. 以具体的方法空白收尾
- 用具体术语总结未解决的矛盾。
- 将用户方法的各个组成部分逐一映射到该矛盾上。
- 不要以诸如“因此本研究具有重要意义”之类的通用语句结尾，除非用户明确要求这种风格。
搜索与筛选输出
当用户要求查找或筛选论文时，在必要时先展示一个紧凑的筛选结果，然后再进行完整综述。
包括：
- 搜索重点
- 纳入规则
- 排除规则
- 强候选论文
- 中等候选论文（如果需要它们来完成方法链）
- 明确排除的方向（当它们可能导致主题偏离时）
对于每篇保留的论文，简要注明：
- 它为何相关
- 它在综述中将扮演什么角色
- 它是直接支持主题，还是仅支持方法链
硬规则
- 不要写成“作者 + 方法名”的流水账。
- 不要将关键词重叠误认为是主题相关性。
- 不要只提及论文提出了一种方法，却不说明它解决了什么问题。
- 不要做出无依据的论断，如“这证明该领域已进入成熟阶段”或“这标志着一个新阶段”，除非来源本身明确支持这一判断。
- 不要夸大论文的结论，超出其实际范围。
- 不要用空洞的短语填充综述，如“具有重要意义”、“极大地推动了发展”、“展现了广阔前景”或“提供了新思路”，而没有具体的对象。
- 不要像教科书一样定义每种方法。仅在首次提及并有助于提高可读性时，展开全称和缩写。
- 不要虚构论文之间的前后继承关系。只有在有文本证据支持时，才能说一项工作改进了另一项。
- 除非用户要求，否则不要将用户的主题扩展到更大的领域。
- 当用户的主题特指测量、预测或软测量任务时，不要保留其主要任务是控制、诊断、优化、平台建设或通用工业智能的论文。
- 除非用户明确指出，否则不要读取本地文件。
写作风格
- 使用适合论文开题报告、文献综述章节和研究现状部分的中文学术散文风格。
- 优先使用紧凑的段落，而不是提纲式的罗列，除非用户明确要求使用项目符号。
- 保持过渡自然且克制。
- 优先使用具体的名词和具体的问题，而不是抽象的赞美。
- 让“创新依据”落脚于一个矛盾，而不是一个口号。
低 AI 感中文文献综述方法
当用户要求文风“不像AI”、未通过 AIGC 检测，或需要论文文献综述部分听起来更像人类研究人员所写时，使用本节。
核心做法
不要通过添加更多平滑的过渡来润色文献综述。围绕具体的研究链重建每个段落：
研究对象 -> 数据或条件 -> 使用的方法 -> 解决的问题 -> 遗留的边界 -> 与本研究的关联
段落不需要每次都包含全部六个部分，但至少要有三个是具体的。如果一个段落只包含宽泛的领域标签、方法名称和赞美之词，读起来就会像机器生成的文本。
替换模板化的综述节奏
避免重复相同的主干：
近年来，随着...的发展，...受到广泛关注。某某提出了...方法，取得了较好效果。该研究为...提供了参考。综上，现有研究已经取得丰富成果，但仍存在不足。
优选从实际的研究对象开始写：
钻机运行曲线需要先转换成工况标签，孔深累计才有阶段边界。已有研究通常从转速、钻压、泵压和深度中提取特征，用于识别钻进、循环、起下钻和静止等状态。原始高频文件中的毛刺会放大差分结果。稳健统计研究中，中位数和MAD常用于削弱短时极端值对局部趋势判断的影响。
引文句子纪律
- 保持一个引文句子聚焦于一篇论文或一个紧密相关的论断。
- 避免在一个通用论断后堆叠大量引文。如果几篇论文被一起引用，首先说明它们的共同点，然后在下一句给出一个具体的差异。
- 不要将引文放在仅仅陈述“研究较多”、“发展较快”、“应用广泛”或“具有重要意义”的句子上。
- 如果用户所在学校要求每句一个参考文献，即使在为流畅性重写时也要保持这一规则。
人类风格的段落构建
对于一个综述段落：
- 从研究问题或数据条件开始，而不是宏大的领域背景。
- 根据论文实际做了什么来介绍它们，而不仅仅是方法名称。
- 仅在方法能解释技术路线时使用方法名称。
- 用具体的术语来描述局限性：样本量、噪声、延迟、工况偏移、传感器位置、弱标签、可解释性、现场部署或单位不匹配。
- 只有在关联真实存在时，才以用户的需求结尾。避免每个段落都以“为本文研究提供基础”结尾。
好的段落节奏可以是不均匀的。一个句子可以包含大量数据，下一个句子可以解释边界。不要使每个句子长度相同，或每个段落形状相同。
工程论文综述口吻
对于工程、设备、软件平台、数据采集、测量和算法章节：
- 从现场链路和数据链路出发。在相关时提及传感器、信号、文件、窗口、变量、单位、阶段和结果。
- 优先使用“转速、钻压、泵压和深度变量用于识别钻进、循环和静止状态”，而不是“多源数据技术推动了智能钻井发展”。
- 在回顾算法时，解释为什么该方法与数据问题相匹配。例如，使用“MAD适合处理短时尖峰”而不是“MAD具有良好的鲁棒性”。
- 在回顾软件或平台工作时，将架构与数据流联系起来，而不是与宽泛的信息化论断联系起来。
反检测修订步骤
在起草或修订后，运行此步骤：
- 移除那些删除后不影响语意的开头短语。
- 搜索重复的结尾，如“提供参考”、“奠定基础”、“提供支撑”、“具有重要意义”。
- 搜索连接词簇：“此外”、“同时”、“进一步”、“因此”、“综上”。
- 搜索基于转折的对比框架：“不是…而是”、“不仅…而且”、“不在于…而在于”。
- 搜索每句都以“某某等”开头的段落。
- 尽可能用具体的对象替换宽泛的名词，如“体系”、“平台”、“能力”、“水平”、“价值”、“意义”。
- 如果某个段落仍然过于接近之前的版本或检测片段，则改变句子顺序和主体焦点，而不是替换同义词。
综述和论文章节的亚10% AIGC 通过策略
当中文论文或综述章节的 AIGC 比例已降低，但检测器报告仍在10%-13%左右时使用此策略。
- 首先比较重复的报告。如果相同的段落被反复标记，而总比例仅略有变化，则将任务视为收敛通过，而不是全面重写。
- 不要为了稀释分数而扩大综述范围或添加不相关的引文。额外的通用文献通常会增加AI感。
- 对于每个反复出现的段落，改变其功用：
- 从“领域背景”改为“具体数据条件”；
- 从“论文列表”改为“每篇论文处理了什么问题”；
- 从“方法赞美”改为“为什么该方法与数据问题匹配”；
- 从“空白口号”改为“哪个传感器、样本、工况、标签或部署问题依然存在”；
- 从“因此本研究…”改为“本研究需要这个边界，因为…”。
- 当需要保持 Word 文档结构时，保持一个段落为一个段落。重写其内部顺序，而不是将其拆分。
- 如果一个段落主要是公式、变量或结果统计，请保留数字和单位。将解释从通用的数学语言转换为变量来源、数据窗口和工程含义。
- 当报告已低于10%时，仅为了边际改进再重写一次剩余匹配的段落。不要删除引文、表格、公式或结果值。
低 AI 感句子技巧
对顽固的综述段落使用以下技巧：
- 从测量或数据问题开始，而不是领域趋势。
- 将引用的作品放在问题句之后，而不是在每个句子前都使用“某某等”。
- 少用总结性动词：“提出”、“构建”、“实现”、“验证”、“表明”。用实际操作替换它们，例如“用转速和钻压窗口识别钻进段”或“用中位数削弱单点尖峰”。
- 避免以“为本文提供参考/基础/支撑”结束多个段落。以一个具体的边界或需求结尾。
- 保留一些不均匀感。人类写的综述可以在一个较长的技术句之后，出现一个简短的边界句。
前后模式对比
弱点：
国内外学者对智能钻井工况识别进行了大量研究，提出了多种机器学习和深度学习方法，取得了良好效果，为本文研究提供了理论基础。
更强：
钻机工况识别通常依赖转速、钻压、泵压和深度等时序变量。已有研究把这些变量用于识别钻进、循环、起下钻和静止等状态，解决的是连续曲线与现场动作之间的对应问题。本文后续的阶段识别和孔深累计也需要先确定这一边界。
弱点：
异常检测方法能够有效提高数据质量，因此被广泛应用于工业数据处理中。
更强：
高频采集文件中的单点尖峰会直接影响差分结果。中位数和MAD一类稳健统计量适合先削弱这类短时极端值，再进入阶段识别。
使用这些参考资料
- 有关搜索词设计、相关性评级和候选输出格式，请阅读 references/paper-discovery.md。
- 有关章节框架和句型，请阅读 references/writing-template.md。
- 有关禁用模式和重写示例，请阅读 references/anti-patterns.md。
- 在定稿前，请检查 references/quality-checklist.md。