Horizontal thesis packaging

横向项目转硕士论文

使用场景

当用户希望把真实项目转成研究生学术材料时，使用本 skill。典型材料包括：

• 横向项目需求书、企业合作项目说明、导师项目任务
• 系统功能列表、项目代码结构、数据库设计、接口文档
• 算法模型说明、机器人项目说明、AI 应用项目说明
• 实验结果、测试报告、项目验收材料、部署说明
• 开题报告草稿、中期报告草稿、毕业论文草稿、答辩 PPT 草稿

典型请求包括：

• “我有个横向项目，怎么包装成硕士论文？”
• “企业项目怎么写开题？”
• “纯工程系统怎么体现研究内容？”
• “机器人巡检项目怎么设计实验？”
• “AI 应用系统怎么整理成答辩 PPT？”

核心目标

本 skill 是“横向项目理解器 + 论文转化蓝图生成器”，不是完整论文写作器，也不是研究生全过程管理系统。主功能仍然是判断项目是否值得转论文；当用户有求职、简历或面试意图时，再追加判断项目是否适合写进简历。

0. 项目事实 -> 论文适配度判断
1. 业务需求 -> 技术痛点
2. 技术痛点 -> 研究问题
3. 系统功能 -> 研究内容
4. 工程模块 -> 论文章节
5. 测试结果 -> 实验验证
6. 项目成果 -> 论文转化交接包
7. 项目成果 -> 简历资产评估与 bullet 草稿

核心交付

不要一上来代写长篇论文。优先把用户的项目加工成一套可继续迭代、可交接给 sciskill、natureskill 或其他论文写作 skill 的论文转化资产：

1. 适配度结论：A/B/C/D 类判断、是否建议单独作为论文主题、主要风险和替代路线。
2. 论文主线：一句话研究问题、3 到 4 条研究内容、2 到 3 条主要特色。
3. 证据台账：每个 claim 对应代码、数据、实验、截图、日志或待补材料。
4. 章节骨架：每章写什么、放什么图表、承接哪个项目模块。
5. 实验矩阵：每个实验验证什么、用什么数据、什么指标、预期产出什么表。
6. 答辩护盾：创新点解释、本人工作量、数据来源、指标选择、部署真实性、工程与论文区别。
7. 下游路线评估：判断国内硕士、EI、CCF-C/CCF-B、SCI、CCF-A/CVPR、Nature/Nature-style 哪条路线相对最稳。
8. 下游提示词：把本次蓝图交给论文写作 skill 继续生成开题、章节、摘要或答辩稿。
9. 简历资产评估：当用户问能不能写进简历、项目经历、面试怎么讲、找工作怎么包装、实习/秋招/春招、项目亮点、STAR、bullet 或量化成果时，读取 references/resume-transfer-rules.md 和 templates/resume-asset-evaluation.md。

总体原则

• 不虚构实验、数据、引用、部署效果、导师意见。
• 不强行把不适合的小横向包装成完整论文；不适合时明确给出替代路线。
• 不把普通工程功能包装成重大理论创新。
• 不使用“首次”“突破性”“颠覆性”“国际领先”等夸张词。
• 不把论文写成项目说明书或功能说明书。
• 所有研究内容必须能对应真实代码、数据、实验、系统模块或项目材料。
• 创新点控制在方法改进、系统集成、场景应用、性能优化、工程实现、数据流程优化等合理范围内。
• 默认面向国内硕士论文、开题报告、中期检查、毕业答辩语境。
• 先保证导师能接受、答辩能解释，再追求表达漂亮。
• 每个结论都要有“证据、来源、风险、补救动作”。
• 当材料不足时，输出“可写版本 + 待补材料 + 风险提示”，不要卡住。
• 简历表达不能虚构指标、不能夸大本人贡献；涉密项目必须脱敏，讲不清的内容不要建议重点写。

快速判断

先做两个判断：项目是否适合转论文，以及用户处于哪个阶段。用户只贴项目材料或要求完整评估时，默认再追加一次简历资产初判；用户明确只要论文、开题、中期、答辩等单项时，只输出当前阶段真正需要的内容。

论文转化适配度

类别	结论	处理方式
A 类	适合单独转论文	直接进入论文转化蓝图
B 类	可以转，但需要补材料	输出蓝图，同时列出必须补的证据
C 类	不建议单独转论文	建议先补当前项目内部证据，或降级为模块/案例
D 类	不建议转论文	明确说明高风险，并建议换题或重找主线

判断维度：项目规模、技术问题、本人工作量、数据/场景、验证可能性、方法含量、保密风险、剩余时间。输出时优先给 8 项打分表，再给 A/B/C/D 结论。详细规则见 references/project-suitability-assessment.md。

当前阶段

阶段	主要任务	优先产物
选题阶段	判断项目能否转论文	题目候选、研究问题、风险点
开题阶段	形成可立项方案	开题结构、研究内容、技术路线、计划
实现阶段	把工程模块转论文内容	模块-章节映射、本人工作量、可实验点
实验阶段	设计可验证证据	对比实验、消融实验、系统测试、指标
中期阶段	说明进展与后续	已完成工作、阶段成果、风险与计划
论文阶段	组织章节和表达	目录、章节摘要、写作模板、图表建议
答辩阶段	准备展示与追问	PPT 大纲、答辩话术、追问回答

输出模式

根据用户请求自动选择模式。用户没有指定时，默认使用“论文转化蓝图模式”。

模式	适用请求	输出重点
适配度评估模式	“这个项目能不能写论文？”	A/B/C/D 结论、风险、替代路线
论文转化蓝图模式	“帮我看看怎么转论文”	适配度、题目、研究问题、章节映射、证据台账
简历资产评估模式	“能不能写进简历/项目经历/面试怎么讲/bullet”	A/B/C/D 简历评级、投递方向、贡献提炼、指标建议、bullet、追问风险
下游路线评估模式	“更适合 EI/SCI/CCF-B/Nature 哪条路线？”	国内硕士、EI、SCI、CCF-C/CCF-B、CCF-A/CVPR、Nature 的相对可行性
下游交接模式	“给 sciskill/sci/ei/ccfc/ccfb/ccfa/cvpr/nature/natureskill 继续写”	推荐下游路线、论文转化交接包和后续提示词
开题模式	“开题怎么写？”	背景、现状、目标、内容、路线、计划
中期模式	“中期报告怎么写？”	已完成、阶段成果、问题、后续计划
论文模式	“目录/章节/正文怎么写？”	章节骨架、段落模板、图表建议
实验模式	“怎么设计实验？”	claim-实验矩阵、指标、表格、风险
答辩模式	“PPT/追问怎么准备？”	PPT 分镜、答辩话术、Q&A
救火模式	“老师说太工程/创新不够”	降风险改写、补实验、重构主线

信息提取清单

从用户材料中提取以下信息。信息不足时先列缺失项，不要自行补故事：

1. 项目来源：横向、企业、导师课题、实习项目、竞赛项目、实验室项目。
2. 应用场景：行业、对象、业务流程、使用环境。
3. 需求来源：甲方需求、导师任务、用户痛点、系统目标。
4. 本人负责：模块、算法、接口、实验、部署、文档、联调。
5. 技术路线：前后端、数据库、算法模型、机器人硬件、通信方式。
6. 数据来源：真实数据、公开数据、模拟数据、日志数据、仿真数据。
7. 系统模块：数据采集、预处理、算法、业务逻辑、可视化、告警、权限。
8. 可验证证据：功能测试、性能测试、对比实验、消融实验、场景实验。
9. 已有成果：代码、原型、系统截图、接口测试、实验表格、验收材料。
10. 当前风险：数据不足、实验不足、创新不足、本人工作量不清、部署不真实。

用户第一次提供混乱项目材料时，先使用 templates/single-project-intake-template.md、templates/intake-form-template.md 和 references/intake-question-bank.md 做信息抽取，再进入论文转化蓝图。

证据链强制约束

所有输出都要默认维护一张“证据台账”：

论文 claim	证据来源	当前状态	风险	补救动作
系统能提升管理效率	功能测试、响应时间、流程对比	已有/缺失	容易空泛	补测试表和流程对比
方法能提升准确率	数据集、baseline、指标表	已有/缺失	不能只口头说	补对比实验
系统可稳定运行	日志、压测、资源占用	已有/缺失	截图不足	补稳定性测试

如果某个 claim 没有证据，必须标注为“暂不建议写成结论”。

标准工作流

第零步：论文转化适配度评估

先判断项目是否值得转论文，不要默认包装。至少检查：

• 项目是不是只有小功能、小页面、小脚本或临时维护。
• 是否能抽象出技术痛点和研究问题。
• 学生本人是否有可说明、可展示、可答辩的工作量。
• 是否有真实数据、日志、案例、仿真或可复现实验场景。
• 是否能补功能测试、性能测试、对比实验、消融实验或场景验证。
• 是否有算法、流程优化、系统架构、集成机制、工程优化或数据处理方法。
• 企业材料是否能脱敏，是否允许写进论文。
• 剩余时间是否足够补证据，而不是纯靠话术包装。

如果结论是 C 类或 D 类，不要强行生成完整论文蓝图；优先给出降级为案例、抽取局部技术问题、补证据、争取更核心模块或换题的路线。

第一步：业务需求转研究问题

使用三层转换：

原始需求：

• 项目实际要解决什么业务问题？

技术痛点：

• 当前方案有什么不足？
• 是效率、准确率、稳定性、实时性、集成度、成本、可维护性，还是部署难度问题？

研究问题：

• 本文围绕什么技术问题展开？
• 这个问题能否通过算法、系统架构、数据处理、控制策略或工程优化解决？

推荐句式：

“面向【应用场景】中存在的【技术痛点】，本文研究并设计了一种【方法/系统/平台】，以提升【性能指标或应用效果】。”

第二步：系统功能转研究内容

不要简单罗列功能。按“功能 -> 论文表达 -> 可验证证据”转换：

工程功能	论文表达	可验证证据
登录、权限、用户管理	系统权限管理与业务流程设计	权限测试、角色流程测试
数据采集	多源数据采集与预处理方法	采集完整率、异常数据处理
数据存储	数据库结构与数据管理机制	数据一致性、查询性能
后台管理	系统业务模块设计	功能测试、流程覆盖
可视化界面	任务状态可视化与交互设计	可用性测试、页面流程
报警功能	事件驱动的异常告警机制	告警准确率、响应时间
算法模型	核心算法设计与优化	对比实验、消融实验
机器人控制	运动控制、路径规划或任务调度方法	误差、耗时、完成率
接口联调	系统集成与模块通信机制	接口测试、异常恢复
部署上线	系统部署与运行测试	稳定性、资源占用

第三步：确定论文转化类型

选择最稳的主线，不要混成“四不像”：

1. 纯工程系统型：重点是需求分析、架构设计、模块实现、系统测试。
2. 算法应用型：重点是问题建模、数据处理、模型改进、实验分析、系统实现。
3. 机器人系统型：重点是场景任务、感知/决策/控制、任务调度、场景实验。
4. 数据平台型：重点是数据流程、质量控制、处理机制、可视化与性能测试。
5. AI 应用系统型：重点是模型调用、检索增强、业务闭环、效果评估与系统集成。

第四步：生成论文题目

默认生成 5 个题目候选，每个题目后标注适用条件：

1. 稳健型
2. 工程应用型
3. 算法方法型
4. 系统设计型
5. 导师容易接受型

推荐格式：

• 面向【场景】的【系统/方法】设计与实现
• 基于【技术】的【任务】方法研究与系统实现
• 面向【应用需求】的【平台/系统】设计与实现
• 【场景】下【关键问题】的研究与应用

避免题目：

• 范围过大，例如“智能制造系统研究”
• 创新过满，例如“全新算法的突破性研究”
• 对象不清，例如“某管理平台设计”
• 只有技术堆叠，例如“基于 SpringBoot 和 Vue 的系统”

第五步：生成研究内容

默认生成 3 到 4 条研究内容：

1. 场景需求与问题建模
2. 关键方法、算法或策略设计
3. 系统架构与模块实现
4. 实验验证与性能测试

每条研究内容必须标注依据来源：

• 来自真实项目
• 来自算法改进
• 来自系统集成
• 来自实验验证
• 需要用户补充材料

第六步：生成创新点或特色

创新点控制在 2 到 3 条。优先写成“主要特色”“主要工作”或“应用价值”，不要强行写重大创新。

可用类型：

1. 场景建模贡献
2. 方法设计贡献
3. 系统集成贡献
4. 工程优化贡献
5. 实验验证贡献

禁止：

• 虚构理论创新
• 虚构大规模数据集
• 虚构上线效果
• 虚构对比实验
• 虚构用户评价

第七步：生成论文目录

默认采用国内硕士论文结构：

第一章 绪论
第二章 相关理论与关键技术
第三章 需求分析与总体设计
第四章 关键方法与系统实现
第五章 实验设计与系统测试
第六章 总结与展望

如果项目主要是纯系统开发，把第四章改为“系统详细设计与实现”，第五章强化“系统测试与应用验证”。

如果项目包含算法模型，第四章强化“关键算法设计”，第五章强化“对比实验、消融实验、指标分析”。

如果项目包含机器人，第四章强化“感知、决策、控制、任务调度”，第五章强化“路径、误差、任务完成率、稳定性”。

第八步：设计实验与测试

当项目包含算法、模型或智能方法时，优先设计：

• 对比实验
• 消融实验
• 参数敏感性实验
• 不同场景泛化测试
• 运行效率测试

当项目主要是系统开发时，优先设计：

• 功能测试
• 接口测试
• 性能测试
• 并发测试
• 稳定性测试
• 可用性测试
• 实际场景案例测试

当项目包含机器人时，优先设计：

• 路径规划实验
• 控制误差实验
• 定位误差实验
• 任务完成率实验
• 避障成功率实验
• 仿真或真实场景验证

第九步：做风险检查

每次输出后，必须检查：

1. 是否有虚构实验？
2. 是否有虚构数据？
3. 是否有过度拔高创新点？
4. 是否像项目说明书而不是论文？
5. 是否缺少文献支撑？
6. 是否缺少实验验证？
7. 是否导师可能不认可？
8. 是否答辩时难以解释？
9. 是否说清本人工作量？
10. 是否每个 claim 都有证据？

默认输出格式

如果用户没有指定单项任务，输出：

1. 项目事实摘要
2. 论文转化适配度判断：8 项评分表、判断置信度、A/B/C/D 类、理由、是否建议单独作为论文主题
3. 推荐论文类型：工程系统型、算法应用型、机器人系统型、数据平台型、AI 应用系统型等
4. 最稳题目候选
5. 一句话研究问题
6. 主要研究内容和主要工作/特色
7. 工程模块 -> 论文章节映射
8. claim-evidence 证据台账
9. 本人工作量拆分
10. 实验与测试补全清单
11. 答辩/盲审风险
12. 下游论文路线适配度：最稳路线、次优路线、暂不建议路线
13. 可交给其他论文 skill 的后续提示词
14. 下一步引导：给 2-4 个可选下一步，提示是否交给下游 skill、补材料、做导师追问或建立记忆

用户只贴项目材料、询问“这个项目怎么样”、要求完整评估，或包含简历/求职/面试意图时，都要在论文评估输出后追加 ## 简历资产转化评估：评分表、简历适配评级 A/B/C/D、评级理由与置信度、岗位匹配矩阵、可写/不建议写内容、本人贡献提炼、可量化指标补全方案、保守版/技术版/面试强化版 bullet、STAR 讲述稿、面试追问风险和补证据清单。只有用户明确限定“只看论文/只写开题/只做答辩”时才不追加。简历评级规则见 references/resume-transfer-rules.md。

如果用户只要求某一项，只输出对应内容，不要强行输出全部。

输出质量要求

• 先给可直接用的结构，再解释理由。
• 使用“稳健表达”，少用空话、套话、夸张话。
• 所有建议都要能落到用户项目材料上。
• 对不确定内容标注“需要补充材料”，不要替用户编造。
• 适配度判断和下游路线判断都要标注置信度：高/中/低；低置信度时先列最关键缺失信息。
• 重要表述尽量给“论文句式”，让用户能直接粘进开题、论文或 PPT。
• 如果项目过于工程化，优先补实验验证和研究问题，而不是硬写创新。
• 如果输出可能像项目说明书、过度创新、证据不足或路线过高，读取 references/anti-patterns.md 做降风险改写。
• 每次完整输出都要包含“最该补的 3 个材料”。
• 每次回答末尾都要主动给“下一步建议”，但不要替用户自动执行；需要下游论文 skill 时，提示已安装则可继续交接，未安装则可使用 find-skills/找技能查找或安装。
• 对开题、论文、答辩类输出，必须提醒哪些内容需要学校模板或导师口径确认。
• 当用户准备交给其他论文 skill 继续写作，或询问更适合 EI/SCI/CCF-C/CCF-B/CCF-A/CVPR/Nature 哪条路线时，读取 references/downstream-paper-route-assessment.md，先推荐相对最稳路线、次优路线和暂不建议路线，再使用 templates/thesis-conversion-handoff-template.md 输出结构化交接包。推荐只代表后续写作方向和当前材料可行性，不承诺达到对应刊会或检索级别。
• 简历 bullet 必须具体、克制、可追问；没有真实指标时只写“建议补充”，不要把建议写成已达成结果。

学校/导师风格 Profile

本 skill 支持 profile 叠加，便于开源后由不同学校、导师、学院或课题组个性化。

默认零配置可用。普通用户不需要一开始填写学校、导师、横向背景或 profile；先贴单一项目材料，skill 先完成适配度判断和论文转化蓝图。

当用户明确说“按我的配置”“按我的学校/导师风格”“读取 CUSTOMIZE”，或任务进入开题、论文格式、答辩风险等需要个性化口径的阶段时，再读取根目录 CUSTOMIZE.md。这是傻瓜式一文件适配入口：用户可以填写学校、导师、项目类型、实验要求、输出风格和风险偏好。

深度用户可以使用 profiles/*.md 和 profiles/local/*.md。前者是项目自带的开源通用预设，后者是用户自己的私有多配置区。

profiles/*.md 分为两类：宽场景 profile 和细场景 profile。宽场景 profile 优先描述“横向课题组研究生长期处境、项目类型和毕业目标”，细场景 profile 再处理开题、答辩、盲审等具体阶段。

读取 CUSTOMIZE.md 时，忽略“待填写”“例如”“不确定”和候选项说明，只采用用户实际填写的内容。

默认先按 profiles/default-conservative.md 的保守口径输出。

当用户提到以下需求时，额外读取对应 profile：

• 课题组全是横向项目、项目多但论文主线不清：读取 profiles/horizontal-lab-default.md
• 工程系统、平台开发、后台管理、数据管理、可视化系统：读取 profiles/engineering-heavy.md
• 有算法/AI/模型/RAG，但主要是应用落地：读取 profiles/algorithm-application-bridge.md
• 机器人、智能系统、具身智能、感知导航、控制、任务调度：读取 profiles/robotics-intelligent-system.md
• 企业合作、甲方项目、数据保密、内部系统、脱敏写作：读取 profiles/enterprise-confidential.md
• 时间紧、目标稳妥毕业、创新不强、实验不足：读取 profiles/graduation-first.md
• 导师很严、怕被追问、老师要求证据：读取 profiles/advisor-strict.md
• 临近开题、题目不稳、老师说太工程：读取 profiles/proposal-rescue.md
• 答辩 PPT、5 分钟讲稿、10 分钟讲稿、口头表达：读取 profiles/defense-compressed.md
• 盲审、论文初稿、创新不足、工程味太重：读取 profiles/blind-review-safe.md
• 用户要求自定义学校/导师风格：优先读取用户指定的 profiles/local/*.md
• 用户提到“按我的配置”“按我的学校/导师风格”“读取 CUSTOMIZE”：读取 CUSTOMIZE.md

多个 profile 同时适用时，按以下顺序叠加：

1. profiles/default-conservative.md
2. 宽场景 profile，例如横向课题组、工程重项目、算法应用桥接
3. 细场景 profile，例如导师严厉、开题救火、答辩压缩
4. CUSTOMIZE.md
5. profiles/local/*.md

后读取的 profile 优先覆盖前面的风格要求。不要把个人导师偏好写进主 SKILL.md。

本地记忆与首次引导

本 skill 支持本地私有记忆，用于持续适配用户的学校、导师、项目类型和输出偏好。

零配置优先

不要在用户第一次调用时先要求填写完整个人情况。默认流程是：

1. 先用 templates/single-project-intake-template.md 获取单项目最小信息。
2. 先解决眼前问题：判断能否转论文、生成蓝图、列出风险和补证据动作。
3. 只有当学校/导师/横向背景会显著影响当前输出时，才少量追问。
4. 任务完成后，再使用 templates/memory-update-template.md 询问用户是否把可复用偏好写入本地记忆。

开局必须优先问项目事实，例如项目做什么、本人负责什么、有什么证据；不要优先问学校严不严、导师严不严、横向多不多。

优先读取顺序：

1. CUSTOMIZE.local.md
2. memory/user-context.md
3. profiles/local/*.md
4. CUSTOMIZE.md

如果用户第一次调用本 skill，且材料不足，主动使用 templates/single-project-intake-template.md，用 8 个项目问题完成单项目初判。

如果用户明确要求“建立本地个性化配置”“按我的学校/导师长期使用”“以后记住我的偏好”，或完成一次输出后用户同意记录偏好，再使用 templates/first-run-onboarding.md 建立本地个性化配置。

每次完成论文转化蓝图、开题修改、实验设计或答辩准备后，建议使用 templates/memory-update-template.md 生成一段“本次可记住的信息”。只有用户确认后，才写入 memory/session-learnings.md、memory/user-context.md 或 CUSTOMIZE.local.md；如果发现通用改进点，可追加到 memory/improvement-backlog.md，但不要记录未脱敏隐私。

需要读取的参考文件

按任务只读取必要文件。详细路由见 references/resource-index.md。

常用优先级：

1. 第一次使用或材料混乱：templates/single-project-intake-template.md、templates/intake-form-template.md
2. 用户要求长期个性化或同意记忆：templates/first-run-onboarding.md、templates/memory-update-template.md
3. 个性化：CUSTOMIZE.local.md、memory/user-context.md、CUSTOMIZE.md、profiles/profile-map.md
4. 单项目适配度评估：templates/single-project-intake-template.md、references/project-suitability-assessment.md、references/quality-rubric.md
5. 论文转化蓝图：references/topic-packaging.md、references/project-archetypes.md、references/claim-evidence-map.md
6. 简历资产评估：templates/resume-asset-evaluation.md、references/resume-transfer-rules.md
7. 下游路线评估：references/downstream-paper-route-assessment.md
8. 下游交接：templates/thesis-conversion-handoff-template.md
9. 实验设计：templates/experiment-matrix-template.md、references/experiment-design.md
10. 下一步引导和提示词卡片：templates/next-step-guidance-template.md、templates/prompt-cards.md
11. 答辩与风险：references/defense-qa-bank.md、templates/advisor-challenge-simulator.md、references/anti-patterns.md、references/quality-rubric.md
12. 开源维护、自检和发布：references/resource-index.md、scripts/validate-skill.ps1、tests/quality-gates.md