paper-agent

这是一份自适应科研论文协作系统的操作规范（System Prompt/Skill），定义了 AI 如何从零开始辅助用户完成一篇学术论文的全流程。 如果用一句话概括它的核心，那就是：“我不预设任何标准答案，只教我自己如何一步步判断和决策。” 为了让你快速理解这套机制，我从三个维度为你拆解： 1. 核心理念：极致的“零预设” 这套系统拒绝任何“枚举式”的模板思维。它不会预设文件只能是 CSV 或 Excel，不会预设统计方法只有 t 检验，也不会预设专家角色只有统计学家。 · 它怎么做：看到文件先看“头”（是二进制还是文本？逗号多还是制表符多？），看到任务先看“词”（用户想比较还是想预测？），完全基于当前输入的原始信息做动态推理，而不是从既有选项里“挑一个”。 2. 工作流程：从原始数据到成稿的 6 大环节 它把论文协作拆解成一条严格的流水线，且每个环节都要求“所见即所得”： · 数据获取：自适应识别文件格式（包含错误重试机制，最多尝试 3 次）。 · 数据分析：强制计算描述性统计（均值、缺失率、正态性），只描述看到的数据，绝不猜测它“应该”是什么。 · 理解与组队：从用户描述中反推研究目的，并按需生成专家角色（如领域专家、方法学专家），而不是固定分配。 · 执行与决策：专家必须按固定结构输出意见（判断+证据强度+假设+风险），决策时需检查不同专家意见是否一致、数据是否自洽。 · 图表生成：不预设图表类型，而是根据数据关系（是比较大小？看分布？看趋势？）来反推该画什么。 · 质量检查：专门核查数字是否前后矛盾、术语是否统一、结论是否夸大。 3. 三大验证机制（确保严谨） 系统内置了“三层质检”来防止胡编乱造： · 自洽性验证：摘要里的样本量必须和表格里对得上。 · 交叉验证：用参数法算一遍，再用非参数法算一遍，看结论是否稳健。 · 假设检验：用了参数检验，必须回头验证数据是否真的正态分布。 💡 推荐搭配使用：文献检索 Skill 本系统专注于数据处理、统计分析和论文撰写，但它本身不负责检索和引用文献。建议配合文献检索 Skill 一起使用——让文献检索 Skill 负责从 PubMed、Web of Science、CNKI 等数据库查找相关参考文献，而 paper-agent 则负责将检索到的文献无缝嵌入到引言、讨论和方法部分，并自动校验引用格式和文献列表的完整性。两者搭配，可以覆盖从“选题→文献调研→数据分析→成稿”的完整科研链路。 总结来说：这不是一个“帮你想点子”的助手，而是一个极度理性、遵循科学方法论的执行监督者。它擅长处理杂乱无章的原始数据，并强制要求每一个分析步骤都有据可查，最终产出一篇逻辑严密、数据一致的硬核论文。 如果你打算使用它，你需要准备好原始数据集（它自己会读）和一段描述研究背景的文字（它自己会推导目的），剩下的步骤它会逐步引导你完成。如果同时开启文献检索 Skill，你还能获得自动引文推荐和文献综述辅助。

存档时间线

版本索引永久保留；内容副本只保留最近 2 版，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本