# 对人文社科研究者来说，论文最难写的时刻，往往不是打开文档之后，而是打开文档之前。

你可能已经收藏了几十篇、几百篇文献，却还说不清它们分别能支撑哪个论点；读过很多理论，真正落到自己的材料上时，又不知道应该放在研究背景、文献综述还是分析章节里。访谈记录、政策文本、档案和案例材料散落在不同文件夹，写到一半才发现关键出处没有记下来。导师提出一轮修改，题目、提纲和正文一起返工，之前的版本又很难追溯。

这不是某一个人的执行力问题。关于历史学家和其他人文社科研究者研究实践的公开调查，长期反复提到几个相似难题：资料来源分散，检索和整理耗时，研究者需要在阅读、编码、写作、教学和行政事务之间不断切换；数字工具增加了可获取材料，也增加了筛选、记录和保存的负担。Ithaka S+R 对历史学研究实践的研究，以及美国历史学会等机构发布的研究支持材料，都把“如何管理不断扩张的资料和研究过程”视为研究基础设施问题。

落到论文写作上，痛点就更具体了：文献查到了，却没有形成证据链；观点有了，却没有变成可执行的章节；材料很多，却无法稳定地回到某个段落；AI 能帮你生成文字，却不会自动替你判断一条引文究竟支撑了哪一个论点。

论文写作最费时间的地方，往往不是某一个动作，而是动作之间的断点。

research-writing-skill 想解决的正是这个问题。它把论文写作拆成一条可追踪、可恢复的工程流程：从头脑风暴、文献整理、章节规划，到逐章写作、图表生成、投稿前自审和 LaTeX 输出，都有对应的技能模块和前置检查。

![](https://developer.qcloudimg.com/http-save/yehe-10243381/dbe7c029f1ca4ccf269737bb091c3f31.png)

这不是一个“输入题目，自动吐出整篇论文”的按钮。它更像一套论文项目管理系统，适合本科生、研究生和科研人员，尤其适合需要处理大量文献、案例和章节材料的人文社科研究。

## 它真正解决的是：体系化的写作

一篇论文通常要经历选题、确定研究问题、整理文献、搭建理论框架、设计章节、写初稿、补图表、检查引用、修改语言和投稿前自审。

这些步骤之间有明显依赖关系。没有确定研究问题，章节结构就容易漂；没有整理证据，引言就容易写成空泛的背景介绍；没有先定义材料和分析口径，结果图表就可能变成无法复核的装饰。

这个 Skill 的做法，是把每个阶段变成文件、计划和检查点。

![](https://developer.qcloudimg.com/http-save/yehe-10243381/56b78f17e22297129e567b89eb9dcc07.png)

项目当前仓库里，既有面向SchoAI、 Claude Code、Cursor、Codex、OpenCode 和 Gemini CLI 的入口配置，也有 plan-template、skills、modules、scripts 和 latex-templates 等目录。论文不再只存在于一次对话里，而是被拆成可以继续编辑和恢复的项目文件。

**你可以关掉对话，隔天再回来，从上次的计划和章节状态继续。**

![从研究想法到论文初稿](https://developer.qcloudimg.com/http-save/yehe-10243381/08ae5134357964b0ec3bbfb84edbbde7.png)

## 头脑风暴：先把论文边界问清楚

很多人让 AI 写论文时，第一句话就是“帮我写一篇关于某某的论文”。

问题在于，这句话通常只说明了一个模糊方向，没有说明论文类型、研究对象、方法、材料和章节边界。AI 可以很快写出一段看起来像论文的话，却不一定知道你要写的是课程论文、硕士学位论文，还是准备投稿的期刊文章。

brainstorming-research 把启动阶段设计成七轮对话。它会依次确认论文类型和培养层次、学科与研究领域、暂定题目、研究背景与目的、研究方法、章节结构，以及已有材料和可用数据。

它的交互原则是一次只问一个问题，等你回答后再进入下一轮。每一轮会给出建议，让你确认或修改，而不是一开始丢出一张复杂表单。

例如，你说“我想写一篇关于平台劳动者的硕士论文”，它不会马上生成绪论，而是继续追问：研究对象是外卖骑手、网约车司机，还是内容平台创作者？你想讨论劳动关系、算法治理，还是职业流动？准备使用访谈、问卷、政策文本，还是案例比较？

在所有问答完成并得到最终确认之前，这个模块会禁止创建 chapters 目录，也不会调用章节写作技能。

这条规则看似慢，实际是在减少返工。论文写作中最昂贵的错误，通常发生在第一章写了几千字之后，才发现题目、样本或研究问题都需要重来。

## 文献整理：先做证据地图，再写引言

社科论文最容易出问题的地方之一，是把“读过一篇文献”误当成“这篇文献可以支撑我的论点”。

evidence-driven-writing 为引言和相关工作设置了一个硬门槛：没有证据地图和段落蓝图，就不开始写正文。

证据地图中的每一行对应一篇文献，至少记录文献来源和类型、摘要级发现、可以直接引用的事实、它支持的具体论点、计划放在哪个段落，以及证据风险等级。

这里有一个很重要的限制：如果你手里只有标题和摘要，就只能使用标题和摘要明确提供的信息，不能把摘要没有说过的内容推断成全文结论。

段落蓝图则进一步规定每一段的任务：它是在交代背景、综述理论、指出局限、提出研究空白，还是说明本文贡献？这一段要使用哪些证据？和前后段落怎样衔接？哪些内容不能写进去？

这套方法对人文社科尤其有用。社科论文的文献综述不是把作者和年份排成一串，而是要说明不同研究之间的概念关系、解释路径和争论分歧。证据地图可以帮助你从“我看过很多”推进到“我知道每篇文献在论证中承担什么作用”。

![证据地图示意图](https://developer.qcloudimg.com/http-save/yehe-10243381/1ad9d66fc50153753d201ecaa86f4425.png)

## 逐章写作：一章一个文件，写完一个检查一次

确定论文结构之后，writing-chapters 会把章节拆成独立文件，例如：

```bash
chapters/├── 01_introduction.md├── 02_literature_review.md├── 03_methodology.md├── 04_results.md└── 05_conclusion.md
```

每一章完成后都会经过两阶段检查。

第一阶段是规范合规检查，关注字数、章节结构、标题层级和引用格式。第二阶段是质量检查，关注论证是否连贯、表达是否自然、有没有重复和空泛判断。

这样做有两个现实好处。一是方便重写，相关工作写得不理想，只需要重做这一章，不会把整篇论文一起推倒。二是方便恢复，每一章的状态和修改历史都可以留在项目文件里，下一次打开时不必重新解释“我们上次写到哪里”。

论文应该像一个可以持续迭代的研究项目，而不是一段必须一次性生成的长文本。

## 去 AI 化：不是删掉几个连接词

writing-core 处理通用写作质量，也包括中文学术表达的自然化。

它会主动限制一些很容易暴露模板感的表达，例如“首先、其次、最后”“值得注意的是”“需要指出的是”，以及没有数据支撑的“非常先进”“显著提升”等空泛修饰。

但真正有效的去 AI 化，不是把这些词批量删除。

研究对象、时间范围、样本口径、方法条件、指标含义、实验边界和因果关系都应该保留。正确的顺序是：先补回必要信息，再调整中文语序，最后收束过强判断。

比如：

> 本文采用了一种非常先进的方法，首先对数据进行预处理，其次构建模型，最后进行了实验验证。值得注意的是，该方法取得了显著效果。

更有信息量的写法应该是：

> 数据预处理包括缺失值填补和归一化。模型训练使用 Mask2Former 作为分割主干，训练 50 个轮次，学习率设为 1e-4。在验证集上，模型的 mIoU 为 78.3%，较基线提高 4.1 个百分点。

前一句听起来像论文，后一句才真正提供了可以检查和复用的信息。

对社科写作来说，同样的原则可以换成研究对象、访谈数量、时间范围、编码方法、案例选择标准和理论概念定义。语言自然，不等于把内容写薄。

## 学科模块：人文社科有自己的写法

论文写作不能只靠一套通用模板。

仓库中提供了 writing-humanities、writing-law、writing-medical 和 writing-core 等学科模块。头脑风暴阶段确认学科之后，后续任务可以路由到相应模块。

对人文社科论文而言，writing-humanities 更关注论证链条：研究问题是什么，理论框架如何介入，材料怎样支持分析，案例之间是什么关系，结论又回应了哪一个问题。

法学论文有自己的规范和论证要求，医学论文则更强调研究设计、统计报告和结果呈现。把这些差异单独写进模块，比让 AI 在每次对话中临时猜测写法更稳定。

这些模块提供的是写作流程和检查框架，不会自动替你完成研究判断。理论是否适用、材料是否充分、案例是否具有代表性，仍然需要作者自己决定。

## 图表与实验：让结果可以重做

论文图表最怕“看起来完成了，但没人知道怎么来的”。

figures-python 的做法是让图表由独立 Python 脚本生成，并配套记录数据来源和字段结构的数据清单。按照项目文档，图表可以输出 PNG 和 SVG 等格式，面向高分辨率论文使用场景。

如果使用的是模拟数据，也要明确标注为 planning data，避免把规划阶段的示例数字误当成真实结果。

对于流程图、架构图和概念图，仓库还提供了 figures-diagram，与数据图表分开处理。前者重视结构和排版逻辑，后者重视数据、坐标和可复现性。

这对社科研究也有对应场景：访谈样本构成图、政策时间线、概念模型、案例比较矩阵、变量关系图，都可以先定义数据和结构，再生成可修改的图，而不是在最后阶段临时找一张“看起来差不多”的图。

![](https://developer.qcloudimg.com/http-save/yehe-10243381/d15dee39378df91f459a32a6de941689.png)

流程图、模型结构图和机制图可以先由 `figures-diagram` 生成提示词，再交给 Gemini 等生图工具绘制。下面两张图是按提示词生成的图示示例。

![Gemini 生成图示示例：联邦校准流程](https://developer.qcloudimg.com/http-save/yehe-10243381/33165c3219de340686ee4d10671d0056.png)

## 投稿前自审：让 AI 提前扮演审稿人

全文写完不代表论文完成。

peer-review 提供了一套投稿前自审流程，会逐节检查论文的结构、方法、证据和结论。你可以直接提出“帮我审一下这篇论文”，让它从审稿人的角度追问：

-   研究问题是否清晰且前后一致？
    
-   文献综述有没有真正指出研究空白？
    
-   方法描述是否足够具体，别人能否复核？
    
-   结果部分是否有数据支撑，而不是重复描述？
    
-   讨论是否回应了研究问题？
    
-   结论有没有超出材料能够支持的范围？
    

项目还有 verification、statistical-analysis 和质量检查脚本，用来把“我觉得应该没问题”变成可以执行的检查步骤。

自审的价值，不是让 AI 替你决定论文能否发表，而是尽早暴露那些审稿人很可能会问的问题。越晚发现结构性问题，修改成本越高。

## LaTeX 输出：有模板就能接着排版

如果学校或期刊提供 LaTeX 模板，可以把模板放入 latex-templates 目录。latex-output 会根据文档类和模板要求，把 Markdown 章节转换为 .tex 文件，并处理特殊字符、参考文献和主文件结构。

最终可以生成：

```bash
main.texreferences.bibchapters/figures/
```

如果你使用 Word，仍然可以把章节 Markdown 作为内容底稿，再按学校规范处理页眉、页脚和目录。这个 Skill 的重点是管理研究写作过程，不是强迫所有人使用同一种排版工具。

## 如何使用：两种入口，一套写作流程

这个 Skill 有两种使用方式，读者可以按自己的工作习惯选择。

![两种使用入口](https://developer.qcloudimg.com/http-save/yehe-10243381/55f6e71fd2608f3ea859d26f9fbdc0dc.png)

第一种方式，是把 GitHub 仓库地址交给支持 Skill 或项目指令的工具，例如 WorkBuddy、豆包、Codex 等。工具读取仓库里的入口文件和模块后，就可以按照项目规则启动论文流程。适合已经习惯在 AI 工作台里管理文件、计划和章节的人。

第二种方式，是直接打开 SchoAI 思果学术使用。你不需要自己下载仓库、配置目录或安装绘图环境，进入产品后即可使用面向论文写作的流程。对于只想先把选题、文献和章节推进起来的同学，这条路径更省准备时间。

![](https://developer.qcloudimg.com/http-save/yehe-10243381/2af68ad973d9d8686f3136a36fb21b6f.png)

无论从哪一个入口开始，建议都不要直接让 AI 生成全文。假设你要写一篇社科方向的硕士论文，题目暂定为“平台劳动中的算法管理与劳动者应对”，可以这样推进：

1.  在 WorkBuddy、豆包或 Codex 中提供 GitHub 地址，或者直接打开 SchoAI 思果学术。
    
2.  通过 brainstorming-research 确认论文类型、研究对象、研究问题、材料、方法和章节结构。
    
3.  用 literature-review 整理文献池，再用 evidence-driven-writing 建立证据地图和段落蓝图。
    
4.  确认前置材料后，按章节创建 chapters 文件，逐章推进。
    
5.  需要展示访谈样本、政策演变或案例比较时，用图表模块生成脚本和数据清单。
    
6.  全稿完成后，用 peer-review 做一次投稿前自审，并运行仓库提供的质量检查脚本。
    
7.  如果有格式模板，再通过 latex-output 输出可编译项目。
    

![章节质量门控](https://developer.qcloudimg.com/http-save/yehe-10243381/cb9955453ce7495a4f3211e2ed2b687f.png)

仓库的 plan-template 还提供项目概览、进度、提纲、阶段门控和备注等文件。你可以把它理解成论文写作的“项目看板”：下一步做什么、完成到哪一步、哪些前置条件还没有满足，都有地方记录。

## 这套 Skill 适合谁

它适合三类人：正在确定毕业论文方向的本科生和研究生；需要整理大量文献和案例的社科研究者；以及已经有研究材料，但总是卡在章节组织和反复修改上的作者。

它不适合把 AI 当成代写工具的人。

研究问题、样本和材料、数据分析、理论解释与结论推导，不能外包给一个工作流。证据地图可以减少误引，章节文件可以降低返工，审稿流程可以提前发现漏洞，但它们都不能替你完成学术判断。

更准确地说，research-writing-skill 把论文写作从“对着一个聊天窗口不断补提示词”，变成了一个有目录、有状态、有检查点的研究项目。

这件事的价值不在于它让 AI 写得更快，而在于它让你更清楚：现在正在写哪一章，下一步需要什么证据，哪一个结论还没有被材料支持。

如果你正在写毕业论文或准备期刊投稿，可以先从一件小事开始：不要让 AI 直接写全文，先让它帮你把研究问题、章节结构和已有材料整理成一份可确认的计划。论文真正的效率，往往从减少返工开始。


你可能已经收藏了几十篇、几百篇文献，却还说不清它们分别能支撑哪个论点；读过很多理论，真正落到自己的材料上时，又不知道应该放在研究背景、文献综述还是分析章节里。访谈记录、政策文本、档案和案例材料散落在不同文件夹，写到一半才发现关键出处没有记下来。导师提出一轮修改，题目、提纲和正文一起返工，之前的版本又很难追溯。

适合人文社科领域的论文 Skill 来了：从选题、文献整理到论文初稿

人工智能

开发工具

将论文写作拆解为可追踪、可恢复的工程流程：从头脑风暴、文献整理到逐章写作、图表生成和投稿前自审，皆有对应技能模块与前置检查。它通过证据地图、段落蓝图和章节文件管理，解决文献分散、论证断裂、返工追溯难等痛点，特别适合需处理大量材料的人文社科研究者。

数据预处理

数据分析

代码解释

WorkBuddy 

Markdown

路由

Python

GitHub

让每一个 Agent，都跑在云上

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

适合人文社科领域的论文 Skill 来了：从选题、文献整理到论文初稿-腾讯云开发者社区-腾讯云

适合人文社科领域的论文 Skill 来了：从选题、文献整理到论文初稿

适合人文社科领域的论文 Skill 来了：从选题、文献整理到论文初稿

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐