学术论文策略师
概述
本技能为哲学与跨学科研究的学术论文提供系统性战略规划框架。它将引导你完成从平台选择到优化大纲的三个阶段，涵盖AI驱动的文献搜索、研究空白识别、原创性评估以及质量控制的大纲设计。
输出：一份详细、可供审阅的论文大纲及配套文档（平台风格指南、文献综述、空白分析、审稿人评估）。
配套技能：使用 academic-paper-composer 来执行大纲并撰写完整论文。
何时使用此技能
在以下情况下使用 academic-paper-strategist：
规划阶段：
- 从初始想法到结构化大纲，设计一篇研究论文
- 确定合适的发表平台（PhilArchive、arXiv等）
- 了解特定预印本平台的写作标准
研究阶段：
- 进行系统性文献搜索
- 识别有证据支持的研究空白
- 评估研究想法的原创性
- 预测潜在影响力
设计阶段：
- 构建论文章节与论证结构
- 从审稿人视角优化大纲
- 准备可直接投稿的策略
触发词：
- “规划一篇关于[主题]的论文”
- “帮我设计一篇关于[主题]的论文”
- “识别[领域]的研究空白”
- “这个想法有原创性吗？”
- “我应该向哪个平台投稿？”
工作流程概览
阶段 1：平台分析（目标选择 + 风格学习）
↓
阶段 2：理论框架（AI驱动的空白识别）
↓
阶段 3：大纲优化（质量控制设计）
↓
输出：详细大纲 + 配套文档
质量门控：3个验证检查点，确保每个阶段在进入下一阶段前达到标准。
阶段 1：平台分析
目标
确定最佳投稿平台，并通过系统的样稿分析了解其写作标准。
需要用户输入的信息
- 核心研究想法或主题（简要描述）
- 目标平台（可选 —— 如不明确，我将推荐）
- 领域/学科（哲学、认知科学、跨学科等）
工作流程
步骤 1.1：平台选择（如需）
如果目标平台不明确，我将：
-
列出候选平台，基于研究内容：
- PhilArchive/PhilPapers：哲学论文、现象学、形而上学
- arXiv (cs.AI, q-bio.NC)：计算、神经科学、AI相关
- PhilSci-Archive：科学哲学、形式方法
- PsyArXiv：心理学、认知科学
- SocArXiv：社会科学、跨学科
-
评估每个平台：
- 学科领域匹配度（你的主题是否契合？）
- 方法论匹配度（哲学/实证/计算）
- 接受标准
- 典型审稿周期
-
提供推荐理由
-
决策点 1：你确认平台或提出替代方案
步骤 1.2：样稿搜索（AI驱动，质量控制）
我将对8-10篇代表性论文进行多维搜索：
搜索策略（详情请参考 references/search_strategy.md）：
时间维度：
- 近期（最近6个月）：3篇 —— 捕捉当前趋势
- 当前（1-2年）：3篇 —— 确立的标准
- 经典（高引用）：2篇 —— 质量基准
相关性维度：
- 使用你主题中的关键词组合
- 为每篇论文评分0-10的相关性
- 仅保留评分≥7/10的论文
多样性维度：
- 多位作者（≥5位不同作者）
- 不同的研究视角
- 不同长度的论文
使用的工具：
- Exa MCP（语义搜索）
- Tavily MCP（网络搜索）
- 平台特定搜索（PhilPapers、arXiv）
质量验证：
搜索完成后，我将运行 scripts/evaluate_samples.py 生成评估报告：
python scripts/evaluate_samples.py
这将生成：
- 样品质量指标
- 时间分布检查
- 相关性统计
- 多样性评估
- 通过/失败建议
质量门控 1（必须通过）：
- ✓ 样稿数量 ≥8
- ✓ 时间分布平衡
- ✓ 平均相关性 ≥8/10
- ✓ 不同作者数 ≥5
如果失败：调整标准后重新搜索
步骤 1.3：写作标准提取
从8-10篇样稿中，我将提取：
结构模式：
- 摘要结构（问题→方法→结果→贡献？）
- 章节组织（多少部分？典型流程？）
- 平均比例（引言15%，主体70%，结论15%？）
风格模式：
- 第一人称与被动语态使用
- 论证如何构建
- 引用密度与格式
- 技术术语的使用
格式规范：
- 典型字数范围
- 参考文献数量范围
- 章节标题惯例
输出：[Platform]_Writing_Standards_Guide.md
阶段 2：理论框架
目标
AI驱动的系统性文献搜索、研究空白识别和原创性评估。
需要用户输入的信息
- 核心研究问题/论点（你的主要论证）
- 背景上下文（你对这个领域感兴趣的原因）
- 可选：你已了解的论文
工作流程
步骤 2.1：文献搜索（AI驱动，全自动）
重要提示：此阶段由AI驱动。你提供想法；我进行全面的文献搜索和空白分析。
多轮搜索策略：
第一轮：直接搜索（主要文献）
- 从你的想法中提取核心概念（3-5个概念）
- 生成关键词组合（10-15种组合）
- 概念 + 概念
- 概念 + 方法
- 包含同义词和学科变体
- 使用Exa/Tavily搜索每种组合
- 收集30-50篇候选论文
- 质量过滤：保留前20篇论文（相关性≥7/10）
第二轮：扩展搜索（邻近领域）
- 从第一轮论文中提取新关键词
- 搜索相邻学科：
- 哲学 → 认知科学
- 神经科学 → 心灵哲学
- AI → 意识研究
- 收集10-20篇桥梁论文
第三轮：经典文献（基础著作）
- 识别高引用论文（>100次引用）
- 追踪第一、二轮论文的引用
- 收集5-10篇基础论文
总文献基础：35-50篇论文
加载参考：references/search_strategy.md 获取详细方法论
步骤 2.2：研究空白识别（AI分析）
使用收集的文献，我将自动识别3-5个研究空白：
空白识别方法：
-
概念映射：
- 在概念×方法矩阵上标绘论文
- 识别空白区域（未探索的组合）
-
问题-解决方案分析：
- 文献解决了哪些问题？
- 作者承认了哪些局限性？
- 哪些问题仍未解答？
-
时间分析：
- 哪些研究曾被研究但后来被放弃？
- 哪些研究最近出现但仍未充分探索？
空白类型：
- 完全空白：没有现有研究
- 部分空白：仅有初步工作，需进一步发展
- 争议空白：竞争理论，尚无定论
对于每个空白，我记录：
- 清晰定义（50-100字）
- 证据（3-5篇引用显示空白存在）
- 重要性评估（高/中/低）
- 可行性评估（你能否解决？）
验证：运行 scripts/gap_analysis.py 确保质量：
python scripts/gap_analysis.py
这将验证：
- 每个空白有≥3条证据
- 定义具体且清晰
- 重要性有合理依据
质量门控 2（必须通过）：
- ✓ 文献基础 ≥20篇论文
- ✓ 识别空白数 ≥3
- ✓ 每个空白有≥3条证据引用
- ✓ 至少1个高重要性空白
如果失败：继续搜索或调整研究方向
输出：Literature_Review_Report.md + Research_Gap_Analysis.md
步骤 2.3：原创性评估（AI分析）
我将自动评估你想法的原创性：
步骤 1：相似性分析
- 将你的想法与最相似的15篇论文进行比较
- 创建相似性矩阵（主题/方法/结论重叠）
- 计算总体相似性百分比
解读：
-
80%：高度相似，需要重新定位
- 50-80%：中等程度，强调差异
- <50%：原创性好，继续推进
步骤 2：创新分类
确定适用的创新类型（需≥2种）：
- 方法创新：对已知问题的新方法
- 理论创新：新框架或模型
- 应用创新：将现有理论应用于新领域
- 整合创新：综合不同的文献
步骤 3：影响力预测（1-10分）
评分标准：
- 空白重要性（5分）：核心问题还是边缘问题？
- 普适性（3分）：广泛适用？
- 解释力（2分）：能否解决现有难题？
目标：≥7/10 才有好的影响力潜力
输出：Originality_Assessment_Report.md（相似性分析 + 创新类型 + 影响力预测 + 300字理由说明）
步骤 2.4：核心概念讨论（交互式）
决策点 2：基于文献分析，我将：
- 提议强调3-5个核心概念
- 解释理由（基于空白分析和文献频率）
- 征求你的反馈：同意？调整？添加？
这确保论文聚焦于正确的概念以最大化贡献。
阶段 3：大纲优化
目标
设计一个结构化、可提交审阅的大纲，并从审稿人角度进行优化。
输入
- 阶段2的文献分析
- 核心概念（步骤2.4中确认）
- 阶段1的平台标准
工作流程
步骤 3.1：初始结构设计
基于平台标准，我将：
-
设计章节结构：
- 摘要
- 引言（含子节）
- 主体部分（3-5章，每章含子节）
- 结论
-
分配字数：
- 引言：总字数的15-20%
- 主体部分：总字数的60-70%
- 结论：总字数的10-15%
-
确定论证流程：
- 思想的逻辑递进
- 在何处引入概念
- 在何处处理反驳
输出：Initial_Outline_Draft.md
步骤 3.2：审稿人视角自我评估
我将像平台审稿人一样评估大纲，使用7个维度（详细标准请参考 references/quality_standards.md）：
7维度评估（每项5分，总计35分）：
-
论证清晰度（1-5分）
- 论点是否明确？
- 支撑论证是否可识别？
-
论证完整性（1-5分）
- 是否存在逻辑漏洞或跳跃？
- 所有前提是否都已论证？
-
文献支持（1-5分）
- 预期引用数量（哲学论文通常40+）
- 关键著作是否涵盖？
-
方法清晰度（1-5分）
- 方法是否明确（哲学论证/现象学等）？
- 方法是否有充分理由？
-
原创性表达（1-5分）
- 贡献是否清楚？
- 是否与现有工作区分开来？
-
组织性（1-5分）
- 逻辑是否流畅？
- 比例是否平衡？
-
平台契合度（1-5分）
- 是否符合平台风格？
- 是否满足格式要求？
评分：
- 总分：X/35
- 通过阈值：≥28/35 (80%)
要求：必须至少识别3-5个具体问题，并附上具体的改进建议。
输出：Reviewer_Assessment_Report.md
步骤 3.3：优化建议（数据驱动）
对于每个评分低于4/5的维度，我将提供：
问题描述：
- 具体存在什么问题？
严重程度（高/中/低）：
- 高：影响论文可接受性
- 中：影响论文质量
- 低：次要改进
具体解决方案：
- 具体可行的修复措施
- 实施示例
预期改进：
- 这将提高多少分数？
优先级排序：
- 所有高严重性问题优先
- 然后是中严重性问题
- 最后是低严重性问题（可选）
决策点 3：我展示建议；你决定：
- 接受（全部实施）
- 选择（选择实施哪些）
- 修改（调整建议）
步骤 3.4：最终大纲生成
在实施了经批准的优化后，我生成：
详细大纲结构：
# [论文标题]
## 摘要（250字）
- [需涵盖的关键点]
## 1. 引言（1,500字）
### 1.1 问题（400字）
- [具体内容指导]
### 1.2 现有方法（600字）
- [需讨论的具体理论]
### 1.3 本文贡献（500字）
- [需作出的具体主张]
## 2. [主体章节]（1,200字）
### 2.1 [小节]（400字）
- [论证结构]
- [关键引用]
...
[完整结构至3级标题]
## 参考文献
- [预期40-60篇来源]
质量门控 3（必须通过）：
- ✓ 审稿人评分 ≥28/35 (80%)
- ✓ 所有高严重性问题已解决
- ✓ 字数分配总和等于目标总数
- ✓ 平台符合度 ≥70%
如果失败：重新设计大纲，解决识别出的问题
最终输出：Optimized_Detailed_Outline.md
完整输出包
在所有3个阶段完成后，你将收到：
文档
-
[Platform]_Writing_Standards_Guide.md- 平台风格模式
- 结构模板
- 引用和格式惯例
-
Sample_Papers_Evaluation_Report.md- 8-10篇分析过的论文
- 质量指标
- 提取的模式
-
Literature_Review_Report.md- 35-50篇核心论文
- 按主题组织
- 附有相关性注释
-
Research_Gap_Analysis.md- 3-5个识别出的空白
- 证据包
- 重要性评估
-
Originality_Assessment_Report.md- 相似性分析
- 创新分类
- 影响力预测
-
Reviewer_Assessment_Report.md- 7维度评分
- 识别出的问题
- 优化建议
-
Optimized_Detailed_Outline.md⭐ 主要交付物- 完整的结构化大纲
- 字数分配
- 内容指导
- 引用提示
- 论证流程映射
质量控制框架
3个质量门控
| 门控 | 阶段 | 检查项 | 失败处理 |
|---|---|---|---|
| 1 | 平台分析 | 样稿数量≥8, 时间分布平衡, 平均相关性≥8/10, 作者数≥5 | 调整标准后重新搜索 |
| 2 | 理论框架 | 文献基础≥20, 空白数≥3, 每空白有≥3条证据, 至少1个高重要性 | 继续搜索或调整方向 |
| 3 | 大纲优化 | 审稿评分≥28/35, 高严重问题已解决, 字数分配正确, 平台符合度≥70% | 重新设计大纲 |
验证脚本
本技能包含两个验证脚本（位于 scripts/ 目录）用于自动化检查：
evaluate_samples.py：验证阶段1样稿质量gap_analysis.py：验证阶段2空白分析质量
当提示时，这些脚本将自动运行且无需干预。
参考文件
本技能依赖于以下参考文件（位于 references/ 目录）：
search_strategy.md：详细搜索方法论和关键词生成策略quality_standards.md：7维度评估的完整质量标准platform_requirements.md：各平台的格式和风格要求
入门指南
- 准备你的想法：准备一个清晰的研究主题或问题陈述
- 启动规划：使用上述任何触发短语
- 提供输入：按要求分享你的主题、领域和平台偏好
- 回应决策点：在每个决策点确认或调整方向
- 接收输出：获取你的优化大纲和完整配套文档
然后，使用 academic-paper-composer 技能将此大纲转化为完整草稿。