新闻详情

新闻详情

首页 / 资讯中心 / 详情

从模糊想法到论文蓝图:codex-claude-academic-skills结构化头脑风暴方法论深度解析

发布时间:2026/11/12 23:17:52来源:尧图网络
从模糊想法到论文蓝图:codex-claude-academic-skills结构化头脑风暴方法论深度解析
从模糊想法到论文蓝图codex-claude-academic-skills结构化头脑风暴方法论深度解析【免费下载链接】codex-claude-academic-skills本仓库包含三个面向学术科研人员的Skills覆盖从文献阅读、论文写作到科学计算的完整研究工作流。office-academic-skill 负责论文阅读报告与学术 PPT/Word 文档生成research-writing-skill 提供论文写作、润色与审稿回复辅助scientific-toolkit-skill 整合 MATLAB/Python 科学计算与期刊级图表生成。三个 Skill 专为中文科研用户设计可在 Claude Code 和 codex 中一键调用。项目地址: https://gitcode.com/gh_mirrors/co/codex-claude-academic-skillscodex-claude-academic-skills是专为中文科研人群打造的学术技能包覆盖论文写作、学术 Office 文档生成与科研计算三大场景。本文深度解析其 research-writing-skill 内置的结构化头脑风暴方法论一套 34 个递进问题的清单能把这个方向好像很有意思的模糊直觉转化为一份驱动整篇论文的论文蓝图project_context.md——核心贡献、实验设计、章节架构一目了然让你动笔之前就把论文想清楚。 痛点卡住的不是文笔是想不清楚很多研究生的最大障碍不是写作技巧而是想法停留在非结构化的直觉里你知道某个东西有趣但说不清它有趣在哪、为什么重要。直接开写往往陷入反复推翻、章节失衡、贡献说不清。头脑风暴指南 brainstorming_guide.md 开篇就点破了这一症结并给出解法用一连串尖锐的问题强制把模糊想法逼成精确表述。问题被设计成越早暴露缺口、修复成本越低——在想法阶段发现其实我没有贡献比在审稿阶段发现要便宜得多。 方法论入口一份 34 问的论文蓝图问题清单这套方法论的入口非常轻巧在 Claude Code 或 Codex 中加载 research-writing-skill 后对一个新项目调用/paper-writing技能会交互式地带你走完全部问题并在结尾自动生成一份project_context.md。它有三个值得注意的设计交互而非填空Claude 逐题追问你可以随时展开讨论✅不知道是合法答案清单的目的就是暴露你不知道的地方产出即合同生成的project_context.md会成为后续所有写作会话的约束文件每次调用/paper-writing时技能都会先读它、并拿它来约束你。 核心理念先回答问题再写论文。34 个问题走完论文的一半决策其实已经做完了。 六阶段流程从问题发现到叙事主线34 个问题被组织成六个阶段每个阶段解决一类决策。阶段一问题发现——先别谈方案先谈谁的什么问题指南直言大多数学生一上来就描述系统这是反的。审稿人先关心问题问题不够 compelling其他都不重要。阶段一围绕四个问题展开谁在受苦要具体到角色——不是用户而是某类网络运营商或训练异构集群的 ML 工程师他们今天哪里会坏描述可观测的失败模式而非太慢了这种模糊说法为什么会坏这是结构性根因——如果只是需要更多数据/算力那可能是工程任务而非研究贡献没人解决会怎样现状的代价金额、用户影响、科研死路它将成为引言第一段的 stakes。随后还要画出现有方法的 2×2 矩阵一个轴放方法类别一个轴放能力空出来的那个象限就是你的论文领地。| | 支持动态负载 | 不支持动态负载 | |--|------------|--------------| |黑盒模型| ❌ 现有方法A | ✅ 现有方法B | |白盒模型| ⬜空白象限 你的贡献| ✅ 现有方法C |阶段二贡献结晶——用一句话锁死核心论点这一阶段有三道灵魂拷问补全句子本文证明了______This paper shows that...。注意是shows不是proposes——动词逼你陈述发现而非活动。补不完说明你还不清楚自己的贡献读者快速扫读 60 秒后应该记住的一件事是什么如果答案是一个列表说明你还没找到核心洞察能否用2~4 个词给核心思想命名如事件中心分解渐进解聚合——命名即精确化名字可以演化但占位符必须现在就有。同时为每条贡献建立证据映射表没有证据条目的贡献只是愿望要移入开放问题声明Claim证据类型图/表/实验状态已有/进行中/计划中/缺失动态负载下精度提升实验对比表进行中开销可控消融实验计划中阶段三实验设计——动笔前先定好评判标准这是整个方法论中最重要的阶段评估决定了你能做出哪些声明必须在写任何章节之前完成。核心问题包括基线叫什么名字不许写prior work必须是具体系统名并说明击败它证明了什么指标为什么是这些有没有会让系统显得差的指标通常照实报告——反而建立信任每个实验如果失败怎么办这一列是关键没有备份的实验意味着对应声明有风险。下面这张时间序列预测可视化来自技能包内置的 TimesFM 示例就是headline figure的直观样子历史数据 预测区间 一个醒目的头条数字平均预测 1.19°C恰好对应headline number的要求。还有一问特别反直觉——诚实分解honest disaggregation你的系统在哪里表现最好、哪里最差处处均匀提升反而可疑有细粒度的好坏对比才可信。下图的多面板分解图正是这种思路的产物不只看总量还把影响拆解到价格、促销、节假日等维度。阶段四至六定位、架构与叙事主线阶段四·定位目标期刊/会议的页数、截稿日论文类型构建系统 / 测量 / 破题 / 综述 / 批判 / 部署决定审稿人预期点名 2~3 个最接近的竞争工作准备好它和 X 有什么区别的一句话回答阶段五·架构与边界把架构写成输入 → 阶段1 → 阶段2 → 输出的管线区分已锁定决策不再讨论与真正开放的问题并填好章节架构表每节目标页数、关键声明、需要的图表阶段六·叙事主线用 3~4 句话写下论文的故事弧世界有问题 X → 现有方法因 Y 失败 → 我们观察到洞察 Z → 由此得到系统 W → W 取得结果。最后的推文测试如果你的论文是一条推文它会说什么——这会成为摘要的第一句也是审稿人唯一会记住的东西。 输出物project_context.md——你的写作合同34 问走完技能会生成project_context.md收录身份句Q8-10、投稿目标与约束、带证据指针的贡献声明、评估计划、竞争定位、章节架构、锁定决策与开放问题、关键图表清单。之后还有一个关键动作先写 Introduction 的 Draft 0可抛弃的框架草稿。它不是正式引言而是思考工具——把框架承诺成具体文字才能暴露project_context.md里要点式表述藏起来的缺口。最终引言会在实验完成后从头重写Draft 0 只作参考不逐句修改。️ 配套资源让方法论落地的参考文件头脑风暴只是起点技能包在 references/paper-writing/ 下为每个后续环节配了对应资源路径作用writing_checklists/intro_questions.md引言六步法自查清单逐项打勾体检section_rhetorical_moves/引言/相关工作/设计/评估各章节的修辞结构指南figure_templates/图表规划与规格模板写完之后整个研究工作流还能无缝衔接科研计算与出图交给 scientific-toolkit-skillMATLAB/Python 仿真、期刊级图表开题/答辩 PPT 与文献阅读报告交给 office-academic-skill——三个技能在同一任务中联动构成从想法到成果展示的完整闭环。✅ 小结codex-claude-academic-skills 的结构化头脑风暴方法论本质上把论文该怎么想这件事流程化、问题化了六阶段 34 问从问题发现推到叙事主线产出project_context.md作为写作合同约束后续所有会话配套清单与章节指南让每个环节都有据可依。下次开新课题时不妨先花一次对话把 34 个问题走完——想清楚了再动笔才是最快的写论文方式。【免费下载链接】codex-claude-academic-skills本仓库包含三个面向学术科研人员的Skills覆盖从文献阅读、论文写作到科学计算的完整研究工作流。office-academic-skill 负责论文阅读报告与学术 PPT/Word 文档生成research-writing-skill 提供论文写作、润色与审稿回复辅助scientific-toolkit-skill 整合 MATLAB/Python 科学计算与期刊级图表生成。三个 Skill 专为中文科研用户设计可在 Claude Code 和 codex 中一键调用。项目地址: https://gitcode.com/gh_mirrors/co/codex-claude-academic-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉