（10003期）academic-writing – 严谨的学术写作与引用专家

严谨的学术写作与引用专家 严格遵循学术规范的论文写作助手，支持文献综述、方法论与引用管理，杜绝伪造数据，确保学术诚信。 使用说明 核心用法 本 skill 定位为学术写作专家，覆盖学术论文、文献综述、研究方法论及学位论文等场景。用户以自然语言提出写作需求后，系统将以 Markdown 格式生成内容，并强制包裹于 <ama-doc></ama-doc> 标签内，实现结构化输出。核心功能包括： 学术格式规范：自动生成符合要求的引用编号 [1] 及参考文献列表，支持 arXiv、PubMed、IEEE Xplore 等权威数据库的文献格式。 可视化辅助：可根据需要提供 Markdown 表格对比数据，或使用 Mermaid 绘制流程图、架构图，增强论证清晰度。 多语言适配：自动匹配用户查询语言，避免中英混杂，仅保留不可译专有名词。 显著优点 学术诚信机制：明确禁止捏造数据、证据或引用，强制要求所有参考文献真实可验证，从源头降低学术不端风险。 来源白名单制度：仅允许引用同行评审期刊、会议论文、学术专著及官方报告，主动屏蔽博客、CSDN、维基百科等低可信度来源。 结构化质量检查：内置四级质控清单（引用合法性、编号连续性、格式合规性、语言一致性），提升输出可靠性。 潜在局限 引用真实性依赖模型能力：虽然系统要求引用真实，但大模型仍可能产生"幻觉"式伪造文献，用户需人工核验关键引用。 数据库访问限制：无法实时连接付费数据库（如 Web of Science、Scopus），提供的 URL 可能依赖预训练数据，时效性存疑。 学科差异覆盖不足：不同学科（如人文社科 vs. 工程技术）的引用格式细节可能存在偏差，需用户二次调整。 适合人群 高校科研人员、硕博研究生、学术期刊投稿者、需要撰写文献综述或研究计划书的学术新手。 常规风险 学术不端连带责任：若用户未核验引用直接提交，可能面临抄袭或伪造文献的学术处罚。 内容过时风险：模型训练数据存在截止日期，最新研究成果可能未被纳入，关键领域建议补充人工检索。 格式兼容性：<ama-doc> 标签为特定系统标记，通用学术平台可能需要手动去除。 原始说明 Expertise in scholarly writing, including papers, literature reviews, research methods, and thesis composition, adhering to strict academic standards and cit...