写论文用AI很多人卡在同一个地方AI明明很能聊一到正式开写就开始放飞自我给出来的东西格式不对、术语不稳、引用编造改起来比自己写还累。我一开始也以为是模型不行后来才发现问题出在“没给AI立规矩”——它缺的不是能力是一套干活流程。这就是Skills的价值。所谓Skills说白了就是给AI智能体看的“岗位说明书操作手册”用一套结构化文件告诉它接到论文写作任务后先想什么、后做什么、按什么格式输出、遇到什么情况用什么策略。这篇指南就是围绕“论文写作”这个场景把Skills的原理、搭建、安装、避坑讲清楚。不管你是研究生、科研人员还是天天帮人调AI工作流的工程师读完都能自己动手做一套顺手好用的论文写作Skills。我会把社区里常见的问题一起回答了比如claude code skills怎么装、codex skills去哪找、superpower skills这类现成技能包怎么用、latex排版skills怎么写、数学建模skills拆到什么粒度合适以及做出来的Skills怎么测评。1. Skills到底是个啥从“临时提示词”到“岗位说明书”1.1 普通提示词和Skills的本质差距你在对话框里写“帮我润色这一段”这叫一次性的提示词。它的问题是每次都要重新交代背景、格式、风格、禁忌AI这次记住了下次又忘干净。除非你自己维护一个越来越长的“万能提示词”文档但那种东西到后面胖得没法用AI读一遍就占掉大量上下文窗口真正干活的脑容量反而变小了。Skills解决的正是这个问题。它把一套完整的工作方法打包成文件放在约定的目录里。AI在准备回答论文类任务时会先去加载对应的SKILL.md看到的是这么几块内容什么时候该用这个技能、处理任务的标准流程是什么、有哪些硬性规则不能违反、参考资料放在哪。好处就两条一是职责清晰不同的活由不同的技能包承接二是按需加载平时不占地方真要写论文了才把整套规范调出来。我拿现实场景打个比方。临时提示词相当于你每天给新来的实习生从头讲一遍怎么做会议纪要Skills是你甩给他一本《会议纪要标准化手册》里面写了纪要分几栏、标题字号多少、决议项用什么颜色标。AI能不能干好很大程度不取决于它多聪明而是你有没有把默认流程固化下来。论文写作刚好是这个模式最受益的领域——学术写作有很强的结构和规范套路越固定Skills的发挥空间越大。1.2 SKILL.md的渐进式披露机制你可能会问Skill文件里如果写了一大堆规则不还是一样吃上下文吗这里有个关键设计叫渐进式披露也就是先让AI读到一个精简的入口文件其他详细内容等用到的时候再展开。通常SKILL.md这个入口文件只包含技能名称、功能描述、适用条件、工作流程概览、需要引用的辅助文件清单。AI先看到的是“骨架”相当于手册目录。当它真正开始操作某个子任务时再根据指令去读取reference目录里的术语对照表、模板文件、样例片段、注意事项。这样每一次实际消耗的上下文只跟当前这一步有关而不是把整本百科全书都灌进来。我见过不少人第一次写Skills就踩这个坑把几十页的写作规范全塞进一个SKILL.md结果跑一次任务上下文直接爆掉后面AI开始胡言乱语。正确的思路是把SKILL.md控制在几十行以内把细节拆到reference和procedures里。至于“先读入口文件、再按需翻参考资料”这套机制在Claude Code、Codex、OpenCode等主流工具里已经形成了事实标准各家差异主要在目录命名和触发方式上。1.3 主流平台的Skills现状对比现在说到Skills绕不开几个名字claude code skills、codex skills、superpower skills还有陆续跟上来的OpenCode、Trae、Cursor那一类。它们的大逻辑是一致的差别在目录约定和加载时机。我根据自己的使用经验整理了一个表供你选择时参考。平台/工具加载机制常见安装路径经验值适合场景Claude Code读入 SKILL.md按描述匹配后自动激活全局~/.claude/skills/项目级.claude/skills/论文长文写作、分章节迭代、带参考文件的复杂任务Codex类似技能包机制社区生态较杂常见~/.codex/skills/以当前版本文档为准代码生成、数据处理、数学公式辅助OpenCode支持技能目录通过配置指定插件市场或手工放入技能目录开源工具链的私有化部署Cursor靠.rules和项目记忆形态略不同项目级配置文件短任务、代码辅助、轻量约束Trae / 其他IDE系社区适配中多兼容上述格式按官方指南映射想用统一Skills库跨工具的场景路径这东西版本更新快我写的是自己实测过或者社区里普遍反馈可用的位置不能保证每个版本都一样。你安装后打开某个技能包如果发现没被识别第一步就是去对应工具的官方文档确认路径和命名格式这比瞎猜快得多。另外社区里“superpower skills”这类集合包很火它本质是把一批现成技能打包发布下载回来以后按目录结构摆好就能用省得自己从零写但质量参差不齐后面我会讲怎么筛选。2. 论文写作场景下Skills应该怎么拆2.1 按论文生命周期拆场景我一直主张先画场景地图再动手写Skills。一篇论文从无到有再到投稿返修基本要经历选题与文献调研、大纲设计、分章节写作、图表与公式处理、LaTeX排版、语言润色、中英翻译、审稿意见回复。每个环节的痛点和AI能帮的忙完全不一样硬塞进一个万能技能里反而什么都做不精。按生命周期拆的好处是每个Skills的职责单一触发条件清晰出问题也好定位。比如我自己的“技能库”里数学建模Skills只管公式和推导绝不碰语言润色latex排版Skills只管编译和格式绝不帮你改学术观点。哪个环节表现不好我就单独调那一个包不影响其他部分。这跟你写代码是一个道理一个函数只干一件事出了问题不用把整个项目翻个底朝天。Skills的边界切得越干净AI的表现越稳定。所以下面我按论文写作场景给出一套比较完整的Skills拆解方案每一个都写清楚它该管什么、不该管什么、触发词长什么样。2.2 选题与文献调研Skills这类Skills的核心职责是帮你把“一个模糊的研究方向”变成“一个可执行的选题方案”而不是真的替你去数据库检索论文。它应该要求AI输出选题论证的框架包括研究背景、现有方法的不足、你的切入点、预期贡献点以及对检索关键词的建议。关键点在于约束AI别编文献。这是文献类Skills最容易出事的地方。我的经验是在SKILL.md里明确规定“所有引用的论文必须来自用户提供的文献列表或可验证来源不得自行补全缺少来源时直接标注‘待补充’”。同时给一个文献阅读清单模板让AI按照模板逐项提炼每篇文献的问题、方法、实验、局限最后汇总成一张对比表。这样你拿到手的不是一堆AI幻觉出来的“知名文献”而是一份你可以继续加工的结构化笔记。触发描述可以写“帮我确定选题方向”“整理这几篇论文的对比”“我的研究方向是XX帮我拆解创新点”。要特别提醒的是这类Skills不要接真实检索系统的活因为插件和网页检索的可靠性波动很大一旦引入外部检索AI很容易把搜索摘要当成学术观点来用。更稳妥的做法是你自己把找好的文献拖进项目目录让Skill基于这些真实材料做分析。2.3 大纲结构与正文写作Skills大纲Skills要锁死论文的章节逻辑。拿实验类论文举例一个相对完整的结构应该包含摘要、引言、相关工作、方法、实验设置、结果与分析、讨论、结论。Skills要做的是在AI生成大纲时逐项核对确保每个章节都有明确的目的方法章节能回答“凭什么别人要信你”实验章节能回答“数据从哪来、指标怎么定义、对比基线是什么”。正文写作Skills更侧重表达层面。它要约束AI的学术口吻、段落结构、术语一致性以及对论证细节的敏感度。我写这类Skills时会在reference里放一份“常见学术表达对照表”把口语化表达和正式表达一一对应起来。例如“效果挺好的”应改成“实验结果表明该方法在各项指标上均取得显著提升”并让AI在输出时附带“我改动了哪些表达”的说明方便你审阅。这里有一条重要的边界不要让正文写作Skills替你做实质性的实验结果描述尤其是数字、性能指标这种硬信息。AI一旦开始补全数据后果很严重。正确姿势是让AI基于你提供的实验数据表格来组织描述数据缺失时就明确提示“此处待补充实验值”而不是自动编一个。2.4 数学建模与公式处理Skills写带公式的论文数学建模Skills几乎是刚需。它主要干三件事公式规范、符号统一、推导检查。公式规范包括LaTeX语法正确、公式编号规则统一、定理环境使用正确符号统一则要求全文同一个概念不出现两种写法比如梯度不要一会是nabla、一会是grad。我自己的数学建模Skills里放了一份“符号表模板”让AI在开始写作前先扫描全文符号建立一个变量对照表再基于这个表检查公式是否前后一致。检查时不光看单个公式还要看公式与正文的引用关系确保每个出现的符号都有定义不出现“用了半天、读者不知道它是什么”的情况。推导检查这部分要谨慎我不建议让AI做复杂数学证明。它更擅长的是检查初等代数变换、上下标错误、括号匹配这类规则性错误。真正有挑战的推导还是得靠人。你可以让AI把推导过程按步骤展开你自己判断哪一步跳了这比让AI直接给出“证明完毕”要靠谱得多。2.5 LaTeX排版SkillsLaTeX排版Skill的价值不在于教AI写TeX代码而在于把“编译跑通、格式规范、图表位置合理”变成一套可复用的检查流程。我的SKILL.md里定义了这样的流程先从用户给的模板文件读取宏包和版式要求再检查文章结构完整性然后逐个检查图表引用和交叉引用最后输出一份“编译前检查清单”。实际写作中LaTeX最烦的是“编译报错完全看不懂”。我在reference目录里放了一份“常见LaTeX报错速查表”把Missing $ inserted、Undefined control sequence、LaTeX Error: File not found这类高频报错的原因和修复办法整理成表格同时告诉AI在修改后必须把改动前后的代码片段一起给出方便用户比对。图表引用校验也很重要。AI要检查正文里是否出现了\ref{fig:xxx}但找不到对应的\label{fig:xxx}或者插入了图片却忘记引用。这一项靠人眼检查很费劲AI反而干得又快又稳。注意这类Skills尽量不要让它直接全量替换你的tex文件最好输出“差异补丁”形式哪个地方改了、为什么改你确认后自己合并避免AI大刀阔斧重构整个文件结构。2.6 语言润色与中译英Skills论文润色Skill和翻译Skill经常被混为一谈其实该拆开。润色面向的是已有英文或中文稿件核心是提升表达质量和学术规范性翻译则是把一份中文稿变成英文稿重心在术语准确和句式地道。润色Skill要在SKILL.md里写明“不改变作者原意、不增减事实信息、不代写观点”三条红线。它应该输出修改前后的对照表而不是直接把全文改完交给你这样你能快速判断哪些改动可以接受、哪些改动扭曲了本意。我一般还会要求AI对每个修改点给出修改原因属于格式、语法、还是表达层面方便复盘。中译英Skill要复杂一些。它必须维护一份术语对照表存放你学科里的固定译法例如“深度学习”是deep learning、“强化学习”是reinforcement learning不让AI自由发挥。同时它要好处理中文长句的拆分英文更习惯短句和显性逻辑连接词不能逐句硬翻。我在reference里放了若干“中文学术句→地道英文学术句”的改写样例让AI模仿这些句式的节奏而不是一字一句对着翻。最终输出的英文稿应该保留中文原文段落编号这样你可以逐段核对防止AI漏翻或自行发挥。2.7 Rebuttal与审稿意见回复Skills投稿被拒或者收到Major Revision写作量不比写正文小。审稿意见回复Skill的核心是生成“Response Letter”按照“感谢意见、复述问题、说明修改、指出修改位置”的格式逐条回应。它需要读取两个输入审稿意见原文和修改后的论文差异说明然后生成结构化回复。这类Skills里我特别强调语气约束。常见的糟糕回复是辩解味浓重、阴阳怪气。SKILL.md里会要求AI使用“The authors thank the reviewer for this insightful comment”这类标准句式同时在陈述修改内容时做到具体给出“已补充实验”要落到“Section 4.2Figure 7第XXX行”让审稿人一眼看到修改对应的位置。它还有一个隐藏用法帮你预判审稿人可能会问什么。你可以把草稿提交给这个Skill让它模拟审稿人从研究贡献、实验充分性、写作清晰度三个角度挑刺然后基于挑刺结果提前补实验说明或修改表述。这种“红队测试”式的用法比单纯润色对论文质量的提升大得多。3. 从零到一做出你自己的论文写作Skills3.1 先定边界把大目标切成小任务我见过很多新手上来就写“论文万能助手”SKILL.md写了两百行什么都会一点结果什么都做不精。正确做法是选一个具体场景开刀。我的建议是从最痛的环节入手要么是你每周都要重复做的事比如对实验数据进行结果描述要么是你最容易出错的地方比如LaTeX编译检查或者中译英术语统一。定好场景之后回答三个问题这个Skill的输入是什么输出是什么用户验收的标准是什么。拿“中译英论文”举例输入是中文段落和术语表输出是带有对照说明的英文段落验收标准是术语表覆盖率100%、没有中文句式残留、段落编号一一对应。这三个问题写不清楚后面写SKILL.md必然稀烂。3.2 建立目录结构一个技能一个文件夹Skills的目录结构各平台大同小异我建议按这个模板来paper-translator-zh2en/ ├── SKILL.md ├── reference/ │ ├── academic-terms.md │ ├── sentence-patterns.md │ └── common-mistakes.md ├── procedures/ │ ├── 01-check-terms.md │ ├── 02-translate-by-section.md │ └── 03-self-review.md └── scripts/ └── compare_paragraphs.pySKILL.md是入口负责描述技能职责和触发条件reference放不常变动的背景资料procedures放具体操作的子流程scripts放需要执行的外部脚本。这个结构不是硬性规定但它是社区里比较通用的约定按这个建的好处是后续换工具、分享给别人的时候成本最低。3.3 SKILL.md怎么写才够得着“说明书”级别一个合格的SKILL.md不需要多长但必须包含四个模块元信息、角色定义、工作流程、硬性规则。元信息用YAML开头让工具能识别它角色定义解释这个Skill应该以什么身份工作工作流程给出遇到任务后的处理顺序硬性规则是无论如何都不能违反的红线。下面给一个我常用的SKILL.md模板以论文LaTeX排版Skill为例--- name: latex-paper-assistant description: 处理论文LaTeX排版包括模板初始化、公式规范检查、图表引用校验与常见编译报错修复。当用户要求排版、编译报错修复、公式格式统一时使用。 ---# 角色 你是一名熟悉中文学术论文LaTeX排版的编辑精通IEEE、ACM、Elsevier等常见模板的规范和常见编译错误处理。 # 工作流程 1. 读取 reference/latex-template.tex确认该论文使用的宏包、页边距、图表环境和引用格式。 2. 扫描正文逐个检查 \ref{} 和 \label{} 是否成对存在对缺失项列出具体位置。 3. 检查公式中的符号是否在 reference/symbol-table.md 中统一存在不一致则高亮提示。 4. 根据检查结果输出修改后的 .tex 片段并附上修改说明。 # 硬性规则 - 不得擅自改变论文的整体结构和命令层次。 - 只修正LaTeX语法、排版与引用问题不修改正文的学术观点。 - 凡输出代码块必须标注语言类型并保证代码块可直接复制使用。注意看这里的“工作流程”我给的是可执行的顺序不是描述性的废话。AI拿到这个流程后知道第一步读模板、第二步查引用、第三步查符号、第四步输出。“硬性规则”那三条是防止AI越权的安全阀必须写得像法律条文一样清楚。3.4 procedures和reference把细节从入口文件里挪走procedures里的文件是对SKILL.md中单个步骤的详细展开。比如02-translate-by-section.md里面会写“翻译时以段落为单位保留原文编号每段先输出中文原文再输出英文译文再列出译法中不确定的词”。这些细节如果全塞进SKILL.md入口文件会变得很臃肿导致每次触发都消耗大量上下文。放进子流程文件之后AI只有在执行到那一步时才去读取这就是前面说的渐进式披露。reference目录则用来存放稳定的领域知识。写论文写作Skills时我最常放的是“学术术语中英对照表”“常见错误表达清单”“目标期刊写作风格说明”“LaTeX报错速查表”。这些内容通常几百行体积不小但它们是“参考资料”不是“操作指令”放到reference里和操作逻辑分离维护起来头脑清楚。这里有一个很实际的经验reference文档要写“能查表”的内容不要写“靠感悟”的内容。比如“不要用中式英语”就是一句废话AI不知道怎么执行但如果你给出“中文‘解决这个问题’不要翻成solve the problem在学术语境下更常用address the problem / tackle the issue”的对照表AI就能落到实处。3.5 安装到对应工具并用最小用例验证写完Skills以后把它放到对应工具的目录里。以Claude Code为例全局技能放在~/.claude/skills/下面项目局部技能放在项目根目录的.claude/skills/下面。Codex的路径略有不同常见的是~/.codex/skills/具体以你的版本说明为准。如果你下载了superpower skills这类集合包注意它里面往往包含多个子技能目录别整个砸到一个文件夹里要按每个子技能分别放置。安装完不能直接说“能用”我强烈建议你跑一个最小用例。找一段三五十字的真实论文段落让它按Skill工作流处理看输出是否符合预期。重点观察两件事第一它有没有正确读取reference里的文件术语是否按表翻译第二它有没有严格走完procedures里的流程还是跳步直接给结果。如果第一次跑就不对别急着改SKILL.md先把目录结构和文件内容重新看一遍八成是路径写错或者文件名对不上。3.6 一个完整案例中译英论文Skills的核心文件我把一套已验证的中译英Skills的核心文件放出来你可以直接参考改造。首先是SKILL.md的YAML部分--- name: academic-translator-zh2en description: 将中文论文翻译为可投稿的英文版本输出符合目标期刊风格的表述。当用户要求中译英、翻译论文、优化英文表达时使用。 ---# 角色 你是一名有十年经验的学术论文翻译编辑熟悉英文学术写作的惯用表达和逻辑结构。 # 工作流程 1. 读取 reference/academic-terms.md加载术语对照表。 2. 按段落处理输入的中文内容保留原段落编号。 3. 逐段翻译每段输出三部分中文原文、英文译文、翻译说明列出术语选择和句式改动。 4. 完成全部段落后执行 procedure/03-self-review.md 中的自查清单。 # 硬性规则 - 术语必须严格对照 academic-terms.md不得自行替换。 - 不得漏译任何段落不得增写原文没有的观点。 - 输出英文时每段不得超过8个长句单句超过40词时必须拆分。 - 对无法确认的专有名词保留中文并用括号标注。这个案例里最有价值的是“每个段落输出三部分”和“翻译说明”这两个设计。很多AI翻译看起来流畅但你不敢直接信因为它不告诉你哪里做了取舍。有了这条硬性规则AI每次翻译必须交代翻译过程中的关键决策你只需要扫一眼说明就能判断这版翻译能不能用。4. 现成Skills的获取、安装与版本管理4.1 哪些地方能找到靠谱的论文类Skills社区里有大量现成Skills仓库比较有名的入口包括Awesome Claude Skills这类精选列表以及GitHub上各路开发者维护的技能合集。superpower skills这类项目也把很多常见工作场景的技能打包在一起下载后导入即用。对论文写作来说你在这些仓库里搜arXiv、academic writing、latex、math formula这些关键词大概率能找到能直接改用的基础版。但“能找到”不等于“能直接用”。我筛选开源Skills有三个标准一看更新时间半年以上没动静的大概率跟不上工具版本二看被引用和issue讨论热度有人在用、有人在反馈问题的技能更可靠三看SKILL.md本身是否结构化如果描述含糊、没有硬性规则那基本就是个套壳prompt别浪费时间。最重要的一点不要跑你下载的Skills里自带的任何install脚本除非你能看懂它在干什么。先打开看一遍把可疑脚本删掉再手工复制目录文件。4.2 全局安装、项目安装与触发优先级安装路径搞明白之后还会遇到两个Skills同时匹配同一段话的情况。比如你既装了“通用中英翻译”又装了“论文学术翻译”当你丢一句摘要给它AI可能同时触发两个技能。解决方法是靠description里的触发条件做区分写得更明确比如“当用户明确提到论文、稿件、投稿、期刊时使用本技能日常翻译请使用通用翻译”。优先级这块各平台规则不太一样但一个通用经验是项目级Skills优先于全局Skills。也就是说你放在.claude/skills/里的论文类技能会盖掉全局同名技能。这个机制很有用你可以在全局放一套通用规范在具体某个投稿项目里放一套针对目标期刊的定制规范项目内生效时自动用定制版。4.3 命名、版本号和更新维护Skills这东西写出来只是开始维护才是常态。我在名字上吃过不少亏最初起名叫“paper_helper”放了三个月后自己都忘了它是干嘛的。后来统一改成“场景-动作-对象”的命名方式比如latex-paper-assistant、translator-zh2en-paper一看就明白用途。每个Skill目录里我还会放一个CHANGELOG.md记录每次改了什么、为什么改。比如“v1.1 增加了数值数据缺失提示规则因为v1.0在结果描述时擅自编了一个指标”。别小看这个习惯论文级任务对准确性要求极高你不知道哪次改动引入了幻觉风险有版本记录才能快速回滚。每次跑完真实任务发现某个细节不对不要觉得“下次注意就行”当场把问题写进SKILL.md或reference再顺手加一条硬性规则你会发现Skills会越用越顺手。5. 论文写作Skills的常见坑和一套可复用的测评方法5.1 上下文爆掉、触发失败、技能冲突先说一个最常见的坑SKILL.md写得过于冗长引起上下文溢出。我以前写过一个“论文全流程助手”SKILL.md加上reference全量加载直接占了上万tokenAI后面回答问题明显开始胡言乱语。解法就是前面反复强调的渐进式披露入口文件精简细节资料按需加载。第二个坑是触发失败你装了Skills但AI完全没反应。原因通常是description和实际任务表述不匹配或者路径放错了。排查思路很简单先把这个技能的名字用非常直白的方式问AI比如“论文翻译”看它是否会主动读取对应SKILL.md如果不行检查目录结构是否正确SKILL.md的YAML头是否写对。绝大多数触发失败都是这两个原因别急着怀疑是工具坏了。第三个坑是技能冲突这个在4.2里提过。除了靠description区分还可以在SKILL.md中增加反向禁用词比如中译英论文Skill里写“此技能仅用于论文翻译不适用于日常对话翻译若用户没有提到论文、稿件、投稿等关键词请勿使用本技能”。这句话能有效降低多个技能同时激活的概率。5.2 引用幻觉、公式乱改、擅自补数据论文场景最怕的不是AI写不好而是AI“一本正经地编”参考文献和实验数据。我的对策分成两层SKILL.md里硬性规定“所有引用必须来自用户提供的文献文件无法验证的条目一律用待补充标记”reference里再放一份“引用核查清单”让AI在完成任务后逐条检查有没有凭空出现的DOI号、期刊名、作者名。公式类Skill也有类似问题。AI为了“看起来合理”可能改动公式符号或上下标导致语义变样。我的latex排版Skills里明确写了“公式修改必须逐个列出差异禁止静默调整符号”这样它就算想改也得先经过你的审核。擅自补数据这事没有绝对的解法只能通过限制输出结构和增加“数据来源标注”来降低风险。所有实验数值描述要求AI在括号里标注来自用户给的哪张表、哪一行它就很难凭空编造。5.3 用“同一任务多版本输出”的方式测评Skills再说“skills怎么测评”这个很多人关心的问题。我的方法很简单但非常有效固定一个标准输入让同一个Skill跑多次比较输出稳定性和关键错误率。拿翻译Skill举例我准备了三个测试段落一段是引言、一段是方法、一段是结论分别含有专业术语、长难句和数字格式。每次改完SKILL.md都跑一遍这三段看术语是否一致、句子是否还保留中文式表达、数字和单位有没有被篡改。为了让测评结果可量化我给自己设计了一张评分表每条按0到2分打分术语准确率词表覆盖率、结构合规性段落编号和输出格式、事实一致性有没有明显编造内容、可执行性结果能直接用到论文草稿里。总分10分以上才算合格。这套办法虽然有点简陋但比“我感觉还行”靠谱得多尤其适合在反复修改Skills时做回归测试防止修了A问题又把B问题改出来。5.4 七个高频问题速查表我把实际操作中遇到的典型问题整理成了一个速查表遇到类似情况可以直接对照处理现象常见原因处理建议技能没触发描述词和任务表述不匹配修改description加入更精确的关键词输出结果和Skill无关多个技能同时激活增加反向禁用词区分触发范围上下文使用量突增SKILL.md或reference被全部加载精简入口文件把细节拆到子流程参考文献全是编的没有来源约束硬性规则禁止自造引用增加来源核查清单公式符号被悄悄改动缺少差异输出要求要求公式修改必须列出改动前后对比翻译出现中式英语术语表和句式样例缺失建立学术模板句式库禁止直译硬翻改完A问题B问题变严重没有回归测试固定测试集每次跑分确保不劣化这七条覆盖了论文写作Skills从安装到调优阶段80%以上的问题。剩下20%基本是你所在学科的特殊需求比如医学论文的伦理声明、计算机论文的实验环境描述需要在reference里额外积累领域知识。5.5 一个建议把你的知识库沉淀进reference最后分享一个我个人非常受用的做法论文写作Skills的核心竞争力不在SKILL.md的框架里而在reference目录里积累的领域知识。框架是公开的谁都能抄但你的学科术语对照表、你所在领域常用句式的改造样例、你踩过的期刊格式坑这些是别人拿不走的。所以我会建议你给每个常用Skill建一个“知识库积累”思维遇到好用的学术表达、审稿人的典型意见、LaTeX的冷门报错随手记进对应的reference文件。时间长了这些Skills才是真正长在你工作流里的东西而不是一个下载来就丢在角落的模板。这也是为什么社区里同样叫“论文写作Skills”的东西有人用得如虎添翼有人装上就忘——差距不在工具本身在有没有把方法论持续灌进去。做这套论文写作Skills我最大的体会是AI能力的上限是模型决定的但表现的下限是你定的。Skills就是一种把“下限”不断抬高的工作方式。它的本质不是技术噱头而是把你从重复劳动里解放出来让你有更多精力盯着真正需要你判断的地方。希望这篇指南能帮你少踩几个我踩过的坑早点搭出一套真正属于自己的论文写作技能库。