Communitygithub.com

mumdark/nature-writing-studio

根據從 750 篇 Nature 家族論文與編輯風格指南中提煉的知識庫,將科學文本改寫為 Nature Portfolio 級別的英文。

nature-writing-studio 是什麼?

這個技能是一個專業的 AI 學術寫作助手,專門將科學文本(中文或英文)改寫、潤飾或翻譯成符合 Nature Portfolio 風格的英文。其基礎知識源自對 750 篇 Nature 家族論文的逐篇分析,並輔以人工編輯風格指南,建構了一個包含 60 條寫作規則、122 個常用詞組、132 個 AI 用語黑名單以及 12 個章節骨架的豐富知識庫。支援的平台包括 Codex 和 Claude Code 等 AI 代理程式。此技能不僅能處理單一句子或章節(如摘要、引言、方法、結果、討論、圖說),還能執行完整的論文多章節協作編寫。它獨特的「反 AI 痕跡清理」功能,能自動辨識並替換諸如「delve into」、「navigate complexities」等常見 AI 生成用語。最關鍵的是,它內建了一套嚴格的驗證機制,以確保所有關於用戶研究的數據聲明皆可溯源至原始輸入,並強制插入圖表與引用的暫存標記,防止虛構內容的產生。輸出會提供完整版與精簡版兩個版本的文本,並附上詳細的改寫摘要。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/mumdark/nature-writing-studio/tree/HEAD/skill

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

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:

  1. text - Nature 級別的英文改寫版本。
  2. text_compact - 更為精簡(約 60-70% 長度)的版本以供比較。
  3. 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)

  1. 載入 prompts/system_writer.txt 和 prompts/style_guide.txt。

  2. 載入來自 prompts/sections/<target>.txt 的章節專用提示。

  3. 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)。

  4. 根據章節結構和緩和語氣層級改寫輸入。

  5. 反 AI 掃描:替換或刪除任何與 anti_ai_patterns.tsv 匹配的詞組。

  6. 根據完整的輸出合約(text, text_compact, summary)呈現結果。

  7. **根據 style_guide.txt 中的「Return 前的快速合理性檢查」**進行自我檢查。

  8. 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。
  9. 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。
  10. 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。

相關技能