P

论文写作

教育・学習v1.0.0
作者:user_0d2d6c17更新日 2026-11-05paper-polisherskill@user_0d2d6c17/paper-polisherskill
授業支援

AlphaMoatによると、2026-10時点で论文写作のダウンロード数は68,609、スター数は17で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中357位、教育・学習では360件中10位です。

一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。

ダウンロード数
6.9万
スター数
17
累計ダウンロード順位
#357
全体の上位 4% · 教育・学習の上位 3%
プラットフォームダウンロード数スター数コメント
SkillHub ↗6.9万17—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

学术论文智能精修工具,一站式完成论文降重、AI痕迹去除与 Word 文档输出。当用户需要为论文降重、去AI味、学术文本润色、生成精修后的Word文档时触发。全自动流程:降低查重率 → 去除AI写作特征 → 输出专业Word文档。

月次の推移

ダウンロード数6.9万
1.4万4.3万7.3万2026-09 · ダウンロード数 1.8万2026-10 · ダウンロード数 6.9万26-0926-10
スター数17
1516172026-09 · スター数 152026-10 · スター数 1726-0926-10
月ダウンロード数前月比スター数
2026-106.9万—17
2026-091.8万—15

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-11-20。

6.8 KB・SkillHub v1.0.0
---
name: paper-polisher
description: 学术论文智能精修工具,一站式完成论文降重、AI痕迹去除与 Word 文档输出。当用户需要为论文降重、去AI味、学术文本润色、生成精修后的Word文档时触发。全自动流程:降低查重率 → 去除AI写作特征 → 输出专业Word文档。
metadata:
  agent_created: true
  version: 1.0.0
---

# Paper Polisher 学术论文精修

すべて表示(全 175 行)
一站式论文精修流水线:降重 → 去AI味 → Word文档输出。

## 触发条件

当用户提出以下意图时触发:

- "帮我给这篇论文降重并去AI味"
- "这篇论文查重率太高,而且读起来像AI写的"
- "把我的论文精修一下,既要降重也要让语言更自然"
- "论文润色:降重 + 去AI感 + 输出Word"
- 任何同时涉及「降重/去AI味/论文润色 + 文档输出」的请求

## 核心工作流

按以下三阶段流水线执行,前阶段输出作为后阶段输入。

### 阶段一:论文降重(Plagiarism Reduction)

**目标**:通过合法的语言改写手段降低查重系统检测到的重复率,同时保持学术含义完整。

**改写策略(按优先级排序)**:

1. **同义词/近义表达替换**:替换非专业术语的常用词,保持学术语域
   - 例:"方法" → "技术"、"做出预测" → "进行推断"
2. **句式重组**:长句拆短、短句合并、从句结构调整
   - 例:定语从句 → 前置定语、"随着X的发展,Y..." → "X的发展推动了Y..."
3. **主被动语态转换**:主动改被动、被动改主动交替使用
4. **语序调整**:改变信息呈现顺序,不改变逻辑关系
5. **表述角度转换**:"X表明..." → "研究发现..." / "根据X的分析..."

**不可修改项**:
- 学科专有名词和术语
- 直接引用的原文(保留引用标记)
- 公式、数据、图表编号
- 引用来源和参考文献

**输出要求**:
- 逐句改写,标注每处修改使用的策略
- 生成策略对照表(原文片段 → 改写片段 → 策略)
- 标注保留未改的部分及原因

### 阶段二:AI痕迹去除(Humanization)

**目标**:消除文本中的AI生成特征,使语言更自然、更有「人味」。

**检查并移除以下AI写作模式(基于 Wikipedia: Signs of AI writing)**:

**内容模式**:
- 夸大重要性的表述:`stands as a testament to`, `marks a pivotal moment`, `crucial role`, `underscores its significance`
- 空洞的知名度声明:`has been cited in`, `maintains an active presence`, `widely recognized`
- 表层分析句式:`-ing` 分词尾巴(`highlighting...`, `reflecting...`, `symbolizing...`)
- 广告型语言:`boasts a`, `vibrant`, `renowned`, `stunning`, `groundbreaking`

**语言模式**:
- AI高频词汇:`additionally`, `crucial`, `delve`, `underscore`, `tapestry`, `landscape`, `pivotal`, `interplay`, `intricate`
- 系词规避:`serves as` / `stands as` / `represents` 代替简单的 `is`
- 否定排比:`It's not just X, it's Y` / `Not only...but...`
- 三段式:强行将观点组织为三个一组
- 同义词堆砌:连续重复概念用不同词语表达

**风格模式**:
- 破折号过度使用(—)
- AI协作残迹:`I hope this helps!`, `Let me know if...`, `Certainly!`
- 知识截止日期声明:`As of [date]...`, `based on available information...`
- 过度修饰:`In order to achieve` → `To achieve`
- 正面积极结论模板:`The future looks bright`, `Exciting times lie ahead`

**语言灵魂注入**:
- 确保句子长度和结构有变化(不要每句都一样长)
- 允许表达不确定性或复杂感受
- 使用具体细节替代模糊断言
- 用简单的 `is` / `has` 替代虚饰动词

**输出要求**:
- 提供改写后文本
- 列出改动摘要(移除了哪些AI模式,替换了什么)

### 阶段三:Word文档输出

使用 python-docx 生成结构化精修报告文档。

**文档结构**:

```
1. 封面
   - 论文标题
   - 「精修报告」副标题
   - 生成日期

2. 降重报告
   - 原文全文
   - 降重后全文
   - 策略对照表(表格形式)
   - 保留项清单

3. 去AI味报告
   - 降重后全文(即去AI味的输入)
   - 去AI味后全文
   - 改动摘要(逐条列出移除的AI模式)

4. 终稿
   - 精修后的最终文本
   - 可直接使用
```

**格式规范**:
- 页面:A4,边距 2.54cm
- 标题:黑体,一级 18pt,二级 15pt,三级 13pt
- 正文:宋体 12pt,1.5 倍行距
- 表格:Light Grid Accent 1 风格,表头加粗居中
- 页脚:页码居中
- 原文/改写前后用不同颜色标记(降重红色=原文,绿色=改写;去AI味橙色=问题句,蓝色=修正后)

## 重要约束

- **保持原意是底线**:任何改写不可曲解原文含义
- **专业术语不可替换**:学科专有名词必须保留
- **不代写论文**:仅做语言层面的降重和去AI味,不编造学术内容
- **不删除引用标记**:引用他人观点必须保留出处标注
- **不保证特定重复率**:降重效果取决于原文重复类型和查重系统差异

## 使用示例

**示例 1:论文段落精修**
```
用户:这段文献综述查重率50%,导师也说AI痕迹太重,帮我全面精修一下
[提供段落]
→ 阶段一降重:逐句改写,生成策略对照表
→ 阶段二去AI味:移除 inflated language、AI vocab、填充词
→ 输出含降重报告 + 去AI味报告 + 终稿的 Word 文档
```

**示例 2:全文精修**
```
用户:我的毕业论文写完了但查重35%,而且读起来很生硬,帮我从降重到去AI味全流程处理
[上传或粘贴论文全文]
→ 分章节处理(建议分段提交,每段 300-500 字最佳)
→ 先降重再去AI味,两步串联
→ 生成完整精修报告 Word 文档
```

## 分段处理建议

- 文献综述和理论基础部分重复率通常最高,优先处理
- 建议每段 300-500 字,小段落改写质量更高
- 先提交一小段测试效果,确认风格后再全量处理
- 精修后自己通读,确认每句话都认同且理解

## 相关技能增强

若已安装以下技能,组合使用可提升各阶段质量:

- `paper-plagiarism-reducer` → 增强降重策略多样性和策略标注精度
- `humanizer` → 增强AI痕迹检测覆盖面和修正准确度
- `word-docx` → 增强Word输出格式控制的精细度

若未安装,本技能使用内置能力独立完成全流程。

## 注意事项

- 生成本 Word 前先安装 python-docx:`pip install python-docx`
- 报告保存到当前工作目录的 outputs 文件夹
- 用户论文内容仅用于当次处理,不存储不传播
- 涉及学术创新的核心内容注意保密

教育・学習の人気スキル

育儿专家教育・学習

循证取向的 0-18 岁家庭养育支持系统,服务对象是家长。只要用户的问题涉及孩子(0-18 岁)的养育、健康、行为、情绪、学习或亲子关系,即应触发本技能,无需用户明确说出「育儿」二字;用户以「我家孩子」「宝宝」「娃」等开场描述困扰时,同样触发。典型话题:育儿/带娃/宝宝/婴儿/幼儿/学龄前/青春期、发育/里程碑/早教、喂养/辅食/挑食/夜醒/睡眠、疫苗/体检/湿疹/发烧/咳嗽/腹泻/皮疹、哭闹/发脾气/打人/说谎/焦虑/分离/对抗/抗挫折、写作业/拖延/厌学/考试焦虑/沉迷手机/注意力、亲子关系/二胎/隔代育儿/单亲、ADHD/自闭症/感统、自伤/抑郁/霸凌/性教育、父母自责/原生家庭/情绪崩溃/倦怠/吼孩子后修复、每周培养课表/家庭排程/爸爸陪伴、孩子档案/成长记录/评估量表/幼小衔接/早教/绘本共读/识字拼音/数学英语启蒙/专注力/自由玩耍/玩具/依恋/关系修复。覆盖视频号、抖音等平台不适用;本技能纯文本养育支持,不生成视频。

↓ 150.3万★ 24user_c0c05774
课程视频·数字人讲师教育・学習

AI课程视频工作室把写好的讲稿和一张授权讲师人像,做成数字人口播课程的课程视频和课程旁白。先把每节课的讲稿配成旁白,再用数字人讲师录成讲师口播,交付可直接发布的培训视频、培训口播视频、网课视频和课件视频。

↓ 18.5万★ 10u_319b171b
手抄报线稿模板生成-万维易源教育・学習

根据主题、年级与画面比例一键生成符合A4打印标准的手抄报黑白线稿模板;自动解析合规约束(如国庆节禁用国旗国徽)与年级排版策略,生成高清线稿图并适配A4打印尺寸,孩子只需涂色和填字即可完成;适用于家长辅导作业、教师课堂素材、节日主题手抄报创作、打印涂色模板场景

↓ 15.6万★ 6u_b7ff7d1b
课程配音工作室教育・学習

课程配音工作室把课件整理成可朗读的讲稿,为每个章节录制老师声音的 AI课程配音和课程旁白,交付可直接配幻灯片的网课配音、课程音频、培训旁白和知识付费音频。

↓ 15.2万★ 7u_319b171b
微课制作教育・学習

微课制作借助 AI 把一节课的PPT课件或一个知识点做成5到10分钟的微课视频:没有课件时先按导入、讲解、例题、小结生成课件,再逐页写讲稿、配音、加字幕,可以放上老师照片,也可以让数字人老师开场。不用自己剪辑,一键生成微课视频,适合微课比赛、公开课视频、说课视频、复习课和课前预习。

↓ 10.9万★ 2user_738c00b9
K12智能老师教育・学習

K12 Smart Teacher(K12智能老师)は、小学校・中学校・高校の9教科をカバーするスマート指導スキルで、宿題、宿題採点、誤問分析、類題練習の生成に対応します。

↓ 9.4万★ 116user_6d79eef2
数字人讲课教育・学習

数字人讲课借助 AI 把老师的PPT课件和讲稿做成整门课的讲课视频和课程视频:每页课件配上老师的声音和字幕,可以克隆老师自己的声音,也可以让数字人讲师在开场和结尾出镜。PPT转视频按知识点一讲一条,整门课批量做完,适合网课、慕课、教学视频、培训视频和录播课。

↓ 9万★ 2user_738c00b9
论文写作全流程助手教育・学習

论文写作全流程助手。覆盖从选题、开题、文献综述、研究方法、写作、修改润色、查重与 AIGC 检测、答辩到发表的完整论文生命周期;支持多语言(中文 / English / 日本語 / 한국어 / Français / Deutsch / Español / Português / Русский / العربية / Italiano)与 36 个学科,零配置、无需任何 外部密钥或付费接口 即可使用。触发词:论文、thesis、选题、开题、文献综述、研究方法、论文写作、查重、降重、答辩、引用格式、学术写作、dissertation、paper writing、毕业论文、研究生论文、怎么写论文。

↓ 8.3万★ 38u_63451245

データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。