nature-writing
Codex / Claude Code 技能,將科學文本改寫為 Nature Portfolio 級別的英文。 知識源自 750 篇 Nature 家族論文與編輯風格指南。 知識庫:60 條寫作規則、122 個詞組、132 個 AI 用語黑名單、22 個領域語域、12 個章節骨架。
此技能的作用
針對用戶提供的任何科學文本——例如論點列表、方法段落、草稿摘要、完整的引言——產出以下內容:
text- Nature 級別的英文改寫版本。text_compact- 更為精簡(約 60-70% 長度)的版本以供比較。summary- 包含以下中繼資料:logic_line:改寫背後的邏輯思路rules_applied:來自knowledge/writing_rules.tsv的規則 ID(R001-)patterns_used:來自knowledge/phrase_bank.tsv的詞組 ID(P001-)ai_tells_avoided:已移除的 AI 用語模式section:目標章節類型domain:推斷或提供的領域
當 target=multi_section 時,協調器會改為產出每個章節的區塊,並在頂層加上包含 version_used、logic_line、entity_registry、cross_section 稽核資訊以及一個可選的 degraded 標記的 meta 行。AI 代理(或面向人類的層)負責將各章節的 text 和 text_compact 字串拼接成兩個最終的完整論文版本。
使用時機
當用戶提出以下任何要求時觸發:
- Nature 風格的寫作、潤飾、改寫、翻譯(中文 -> Nature 英文)、重組
- 學術寫作升級(「讓它聽起來像 Nature」)
- 章節草稿:摘要、引言、方法、結果、討論、圖表說明
- 句子級別的潤飾:將單個中文句子轉換為 Nature 級別的英文
- 多章節寫作:當用戶提供完整的草稿(中文或英文)並希望得到 Nature 風格的完整論文時;產出每個章節的 Markdown 區塊 + 一個
summary行,供外部代理拼接成兩個完整論文版本 - 反 AI 痕跡清理:移除「delve into」、「navigate complexities」等
- 特定領域的草稿撰寫(物理 / 生物 / 醫學 / 材料等)
調用慣例
此技能期望的輸入格式如下:
input: <要改寫的文本>
target: <abstract | introduction | methods | results | discussion | figure_legend | sentence>
domain: <physics_condensed | biology_neuro | medicine_oncology | ... | general_nature> (可選)
對於句子級別潤飾,target = sentence,input 可以是一個句子或短語。
對於完整論文協作:
target: multi_section
input: <完整草稿,中文或英文,無需章節標記>
domain: <可選>
multi_section 目標會調用 prompts/sections/multi_section.txt 作為協調器。它會自動選擇章節序列(預設 SP001),強制執行 logic_line + story_arc + entity_registry 前置步驟,以共享上下文調用各章節提示,並產出每個章節的 Markdown 區塊加上一個 summary 行。外部代理(或面向人類的層)將各章節的 text 和 text_compact 拼接成兩個最終的完整論文版本。
操作程序(供 AI 代理使用)
-
載入
prompts/system_writer.txt和prompts/style_guide.txt。 -
載入來自
prompts/sections/<target>.txt的章節專用提示。 -
讀取
knowledge/writing_rules.tsv(60 條規則)、phrase_bank.tsv(122 個詞組)、anti_ai_patterns.tsv(132 個黑名單)、domain_register.tsv(如果指定了領域)。 -
根據章節結構和緩和語氣層級改寫輸入。
-
反 AI 掃描:替換或刪除任何與
anti_ai_patterns.tsv匹配的詞組。 -
根據完整的輸出合約(text, text_compact, summary)呈現結果。
-
**根據
style_guide.txt中的「Return 前的快速合理性檢查」**進行自我檢查。 -
多章節協調(僅當
target=multi_section時)。讀取prompts/sections/multi_section.txt和knowledge/cross_section_rules.tsv。然後:- 透過協調器的自動版本選擇(預設 SP001)選擇章節順序。
- 在任何章節撰寫前,以硬性前提條件產出
logic_line+story_arc+entity_registry。 - 建立一個
shared_context物件,並將其(以圍欄標記)附加到每個章節的輸入片段前。 - 按照版本順序,為每個章節調用匹配的章節提示。
- 對每個章節執行現有的驗證層;失敗時以修正後的上下文重新執行一次。
- 在所有章節完成後,執行跨章節稽核(實體差異、緩和語氣階梯、引用缺口、縮寫漂移、轉折中斷、數字格式、參考文獻密度)並產出
meta.cross_section。 - 以與單一章節範例相同的形式返回內聯 Markdown 區塊,包含每個章節的
## text/## text_compact/## summary,接著是列出version_used、logic_line、entity_registry、cross_section、degraded的## meta區塊。不要拼接文章;這由代理完成。
-
驗證(驗證層,反虛構):執行
prompts/system_writer.txt中定義的驗證層(規則 1a / 1b / 2 / 2.5 / 3)。兩個可追溯性層級:- 規則 1a(硬性,必須追溯至輸入):任何關於用戶研究的數據聲明——數據、統計資料、樣本量、時間點、圖表 / 引用標記、用戶特定標識符(基因變異、細胞系 ID、數據集登錄號)、用戶陳述的條件。一個不可追溯的數據標記即是虛構;將其刪除。
- 規則 1b(軟性,可自由使用):既定的科學知識(如
alternative splicing或gene regulation等機制、像Wnt或MAPK這樣已知的路徑、作為背景的模式生物、通用組織 / 細胞類型類別、通用表型 / 過程術語)。這些用於鋪墊用戶的特定發現,絕非虛構。 - 判定規則:如果將用戶的特定基因 / 數字 / 細胞替換為他人的,該標記仍為真陳述——則屬於規則 1b(允許)。如果移除用戶的輸入會使句子變為假——則屬於規則 1a(必須可追溯)。
- 將 em-dash(U+2014)視為虛構(規則 2)。稽核欄位為
summary.untraceable_tokens——空陣列[]= 通過;非空 = 發現虛構,必須重做改寫。在 multi_section 模式下,違規章節將設定為text=null並列在meta.degraded中。請參閱工作範例中的僅刪除、刪除並改寫以及允許通用知識的情況。
-
Em-dash 清理(確定性):在驗證層通過後,對
text和text_compact獨立執行來自prompts/system_writer.txt規則 2.5 的strip_em_dash()函數。這是一個硬性的後處理,而非軟性規則,並且在每次 LLM 傳遞後執行。返回的text和text_compact必須包含零個 U+2014。如果替換破壞了句子(例如,以,開頭),則在句子邊界處重新分割。不要發明新內容來修復遺留問題。
輸出合約
## text
<Nature 級別的文章>
## text_compact
<更精簡的 60-70% 長度版本>
## summary
- section: abstract
- domain: biology_neuro
- logic_line: <1-2 句話>
- rules_applied: [R001, R005]
- patterns_used: [P005, P008]
- ai_tells_avoided: [delve_into, in_this_paper]
預設為內聯 Markdown。僅在用戶明確要求時(例如,「以 JSON 格式輸出」,「保存到 .docx」)才切換為 JSON 或寫入檔案。
當 target=multi_section 時,輸出格式變為:
## text
<摘要 text> ... <方法 text> (由協調器拼接)
## text_compact
<摘要 text_compact> ... <方法 text_compact>
## summary
- mode: multi_section
- version_used: SP001
"logic_line": "<單句>",
"entity_registry": [...],
"cross_section": {"entity_diff": [], "hedge_violations": [], "citation_gaps": [], "abbreviation_drift": [], "transition_breaks": [], "numeric_format_drift": [], "reference_density": [], "overall": "PASS"},
"degraded": null
}
}
AI 代理(或面向人類的層)按順序迭代 sections,並將每個章節的 text(以空白行分隔)串接成一個最終的 text,然後將每個章節的 text_compact 串接成一個最終的 text_compact。為用戶呈現這兩個拼接後的版本以供閱讀。
範例
用戶輸入(中文):
我們用 CRISPRi 篩選了 287 個轉錄因子,找到 ZNF219 這個之前沒報導過的轉錄因子,它抑制神經分化。 技能輸出(Nature 英文): Here we applied CRISPRi screening to a panel of 287 transcription factors (TFs) and identified ZNF219, a previously uncharacterized TF, as a repressor of neural differentiation.
摘要:Logic: open with Here + method + scale; lead finding identifies a previously uncharacterized TF. Rules applied: R005 (Here we), R008 (hedge), R017 (avoid novel overuse). Patterns: P010, P013. AI-tells avoided: none (input was clean). Section: sentence. Domain: biology_neuro.
驗證:0 em-dash; 0 fabricated tokens; pass. 所有標記均可追溯至輸入(287, CRISPRi, ZNF219, transcription factor, repressor, neural differentiation)。
圖表與引用佔位符
當用戶輸入沒有圖號或引用時,在文章正文中插入明確的佔位符:
- 圖表:
(Fig. X)、(Extended Data Fig. X)、(Fig. 1a, b)(如果未指定則使用字面X)。 - 引用:
[citation needed]、[1]、[2]或數值上標佔位符如[1-]。 - 統計數據:
[n = TBD]、[P = TBD]。
切勿默默地省略。佔位符是誠實的表現;省略會招致虛構的風險。
text 與 text_compact 的區別
text:帶有緩和語氣、插入語旁白、校準冗餘的完整文章。text_compact:60-70% 的長度。刪除插入語式的警告和成對冗餘子句中的一個。保留主要論點、機制、錨定引用和所有反 AI 修正。
兩個版本必須有可量化的差異——至少 20% 的長度差異或 2 處實質性刪減。
對於多章節協調,拼接後的 text 是所有章節 text 的串接,拼接後的 text_compact 是所有章節 text_compact 的串接;整體長度比例得以保留。
反 AI 精確度
key 這個詞在某些 Nature 上下文中是允許的(key result、key step、key parameter)。僅當與 key player、key regulator、key insight、key step toward、key role 一起使用時才屬於 AI 用語。請參閱 knowledge/anti_ai_patterns.tsv 了解確切的正則表達式。