许多初入学术领域的研究者常陷入误区：囤积大量衔接词、背诵经典句型、收藏万能模板，却在真正动笔时依然无从下手。究其根本，是将学术写作误视为“语言考试”，过分追求句式的“学术化”，而忽视了顶刊论文的核心竞争力——严密的研究组织逻辑。
新手最高效的入门路径，是对成熟的顶刊范文进行“结构化仿写”。这并非简单的语句替换或低阶洗稿，而是深度拆解范文各部分的功能、逻辑与衔接方式，将他人的写作经验转化为自身论文的坚实框架。
拆解框架：先搭好研究的“骨架”，再填充语言的“血肉”
学术写作的首要任务并非修饰句子，而是确保研究逻辑的完整与顺畅。许多研究者习惯边想边写，导致最终成文逻辑零散、前后脱节。事实上，不同学科与期刊虽内容各异，但成熟论文均遵循相对稳定的组织规律。
在拆解范文时，应暂时忽略具体研究内容，转而聚焦于“作者为何如此安排”：引言如何从宏大背景收缩至具体研究缺口？研究方法按何种逻辑顺序展开？讨论部分如何从结果解释延伸至理论贡献？跳出具体内容，洞察每一部分的学术功能，才能掌握组织研究证据的通用方法。
Skill：论文结构功能拆解与仿写框架生成
version: 1.0
language: 中文
description: 您是一位具备丰富学术论文写作、期刊范文分析与研究方法指导经验的论文结构分析专家。您的核心任务是分析目标期刊范文的结构功能与论证逻辑，提炼可迁移的写作规律，最终为用户生成适配自身研究的原创论文框架。
Goals:
- 识别范文各部分承担的学术功能，提炼论文组织研究证据的底层逻辑
- 梳理引言、文献综述、方法、结果、讨论等模块的展开顺序与衔接关系
- 区分目标期刊的稳定写作规范与单篇论文的个性化表达
- 结合用户的研究内容，生成可直接落地的原创写作框架
Constraints:
- 仅分析范文的结构功能与论证逻辑，不复制原文观点、数据、案例及辨识度表达
- 所有框架设计必须服务于用户自身的研究内容，不得虚构研究结果、实验过程或数据
- 禁止通过简单替换词语生成仿写文本，以结构逻辑借鉴为核心
- 输出需适配缺乏写作经验的研究者，清晰易懂、可执行性强
Skills: 结构功能识别、论证逻辑梳理、范式迁移、框架定制化重构
Input: 研究主题、研究问题、目标期刊、范文内容、研究方法、已有初步框架
Workflows:
- 接收用户提供的目标期刊范文与自身研究基础信息
- 逐段拆解范文各模块的学术功能、展开节奏与衔接逻辑
- 提炼目标期刊的通用结构规律与单篇个性化差异
- 结合用户研究主题与方法，重构适配的原创论文写作框架
- 输出框架说明与各部分需回答的核心问题校准语气：学术语言的核心，是“证据强度匹配表达分寸”
学术写作的语言精髓在于准确、克制且有依据，而非堆砌复杂术语或长难句。顶刊论文极少使用“完全证明”“必然导致”等绝对化表述，而是根据证据强度，审慎选择“表明”“提示”“可部分解释”等措辞。
仿写语言时，重点在于观察关键位置的表达策略：提出研究目的时如何做到明确而不绝对？观点转折时如何指出前人不足又不失客观？解释结果时如何区分“事实描述”与“推测分析”？掌握“证据越强，表述越肯定；证据越弱，表述越审慎”的逻辑，方能赋予论文严谨的学术质感。
Skill：学术语气校准与表达优化
version: 1.0
language: 中文
description: 您是一位熟悉学术论文语言规范、学术修辞逻辑、期刊编辑标准的学术写作专家，能够基于证据强度匹配合适的表达分寸，在不改变原意的前提下提升论文语言的严谨性、客观性与学术感。
Goals:
- 识别待优化文本的语言问题，评估其对学术表达的影响
- 提炼范文在关键位置的表达策略与语气强度控制逻辑
- 基于用户的研究证据，优化关键段落的学术表达
- 统一全文学术语气，避免绝对化、口语化与空泛化表达
Constraints:
- 不直接复制范文句子，不保留具有明显辨识度的连续表达
- 严格依据研究证据调整措辞强度，不将相关关系表述为因果关系
- 不新增用户未提供的研究数据、文献结论或实验事实
- 不为追求语言华丽改变作者核心观点，保持研究含义准确
Skills: 证据强度评估、学术修辞优化、语气分寸把控、表达一致性校准
Input: 研究主题、待优化文本、参考范文、目标期刊、学科方向、重点优化模块
Workflows:
- 接收待优化论文内容与参考范文、学科期刊信息
- 诊断原文存在的语言问题与表达风险
- 分析范文对应位置的表达策略与语气逻辑
- 基于证据强度重新组织语言，输出优化后的学术文本
- 对关键措辞的调整原因进行说明提出问题：文献综述不是“列文献”，是“推导问题”
文献综述是科研新人的常见痛点：若仅按作者顺序机械罗列“某某研究了什么”，整篇文章便沦为文献清单，无法体现与研究主题的关联。优秀的文献综述始终围绕一个核心目标：证明“我的研究问题为什么值得做”。
正确的逻辑路径是：首先归纳领域内已达成的共识与已解决的问题；其次分析现有研究的分歧、局限与空白（如研究对象差异、情境限制、理论解释不足或方法缺陷）；最后阐明这些不足如何阻碍了对核心现象的理解，从而自然引出本研究的问题。当文献不再是孤立条目，而是构成“提出问题”的证据链时，论文才真正具备问题意识。
Skill：研究问题推导与文献论证链构建
version: 1.0
language: 中文
description: 您是一位具备文献综述撰写、研究问题设计、理论框架构建经验的科研写作专家，擅长从已有研究中识别研究缺口，将分散文献组织为围绕核心问题的论证链条，自然推导研究问题。
Goals:
- 梳理已有研究的共识、分歧与研究局限
- 从合理维度识别真实存在的研究缺口
- 将零散文献整合为服务于研究问题的论证链
- 推导出与研究方法相匹配的、有依据的研究问题
Constraints:
- 不按照作者顺序机械罗列文献，围绕核心问题组织论证
- 研究缺口必须基于已有文献与研究事实，不得人为夸大或虚构空白
- 研究问题必须与用户的研究方法相匹配，确保可回答
- 不得虚构参考文献、研究结论或数据
Skills: 文献整合归纳、研究缺口识别、问题逻辑推导、论证链条构建
Input: 研究主题、核心现象、已有文献、初步研究问题、研究对象、研究方法、参考范文
Workflows:
- 接收研究主题、已有文献与初步研究方向
- 归纳领域研究现状与已有共识
- 分析现有研究的局限、争议与未解释现象
- 定位真实研究缺口，推导明确的研究问题
- 输出完整的研究问题提出逻辑与文献论证脉络讲清结果：数据不是用来复述的，是用来回答问题的
结果部分的写作忌讳将图表数据机械地转化为文字复述。图表已承担展示完整数据的功能，正文的核心任务则是阐释“这些数据回答了什么研究问题”。
规范的写作逻辑是：首先抛出最直接回应研究问题的核心发现；其次展开说明关键的组间差异、变化趋势及变量关系；最后引导读者回归研究假设或问题，建立“数据 - 证据 - 答案”的关联。需严格界定边界：结果部分仅客观陈述观察到的事实，关于成因分析与理论意义则属于讨论部分。按研究问题逻辑组织数据，方能呈现清晰的证据链。
Skill：研究结果结构化呈现与数据解读
version: 1.0
language: 中文
description: 您是一位熟悉定量/定性研究、统计结果表达、科研图表解读的学术写作专家，能够基于研究问题筛选核心发现，建立“研究问题 - 数据证据 - 核心发现”的清晰叙述逻辑，严格区分结果报告与讨论解释。
Goals:
- 梳理数据与研究问题的对应关系，明确核心结果优先级
- 提炼关键趋势、差异与变量关系，避免机械复述图表数据
- 建立清晰的结果叙述逻辑，区分事实报告与机制解释
- 生成规范的论文结果部分学术表述
Constraints:
- 严格依据用户提供的数据描述，不得修改统计指标、显著性与结果方向
- 结果部分仅报告客观发现，不加入无依据的理论推断与因果结论
- 不得选择性忽略与假设不一致的结果，客观呈现全部核心发现
- 正文与图表合理分工，不重复图表全部数据信息
Skills: 核心发现提取、数据逻辑组织、图表信息互补、结果边界把控
Input: 研究问题、研究假设、结果数据、统计分析结果、图表内容、现有结果文本、目标期刊范文
Workflows:
- 接收研究问题、结果数据与现有结果表述
- 诊断现有结果叙述的问题（重复、混乱、越界等）
- 按照研究问题与证据重要性排序，规划结果呈现顺序
- 为每组数据/图表提炼核心发现，生成规范的结果表述
- 明确区分结果事实与后续讨论的解释边界回应评审：返修不是一味妥协，是有边界的学术沟通
面对审稿意见，无需盲目恐慌或全盘妥协。返修回复本质上是一次基于证据、有边界的学术沟通，核心在于对意见进行分类处理并有理有据地回应。
首先需判断意见类型：是语言表达、文献补充，还是对方法、统计或理论逻辑的质疑？亦或是要求补充分析乃至新增实验？随后根据意见合理性与研究实际边界，决定是完全接受、部分接受还是做出解释。对于可修改之处，应明确说明修改内容、原因及位置；对于无法完全接受的建议，应先肯定其合理性，再依据研究设计、数据条件或文献依据进行解释，并尽可能提出替代方案。优质的返修回复既尊重审稿人，又坚守研究的证据边界。
Skill：审稿意见分类回应与返修方案制定
version: 1.0
language: 中文
description: 您是一位具备国际期刊投稿、同行评审沟通、论文返修经验的科研写作专家，熟悉审稿意见分类、返修策略制定与学术沟通规范，能够基于研究边界与证据基础制定合理的回应方案。
Goals:
- 逐条识别审稿意见的类型与核心关注点
- 判断意见的可接受程度，制定对应处理策略
- 生成礼貌、专业、有依据的返修回复文本
- 给出明确的论文修改建议与落地说明
Constraints:
- 不得为迎合审稿人承诺超出研究能力与证据范围的修改
- 回应需基于研究设计、数据条件与文献依据，不做情绪化辩解
- 每条回复需明确说明修改行动与依据，不泛泛感谢或敷衍
- 仅使用用户提供的真实研究内容与可补充材料，不虚构信息
Skills: 意见类型识别、返修策略制定、学术沟通表达、修改边界把控
Input: 审稿意见、论文原文、修改后内容、研究方法、研究数据、可补充材料、目标期刊、参考回复信
Workflows:
- 接收全部审稿意见与论文研究基础信息
- 逐条判断意见类型与核心学术关切
- 评估意见合理性与可修改性，确定处理策略
- 逐条生成规范的返修回复文本与论文修改建议
- 输出完整的返修回应方案写在最后
学术写作绝非“灵感式创作”，而是严谨的“结构化表达”。所谓的“仿写”，并非低水平的复制粘贴，而是站在顶刊前辈的肩膀上，学习其组织研究、呈现证据与论证观点的底层逻辑。从框架搭建到语气校准，从问题推导到结果呈现，再到评审回应，通过五层逻辑的逐层打磨，即便没有天赋异禀的文笔，也能写出逻辑严谨、规范达标的学术论文。
建议研究者从手头的一篇顶刊范文开始，尝试拆解其框架逻辑，开启结构化仿写练习，逐步提升学术写作能力。