企业官网建设流程全解析

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本文讲解 PaperSpine 论文写作体系中的风格学习工作流（Style Learning Workflow），它是 style-learning-workflow.md 这一核心参考文档的完整实战指南。当用户希望稿件模仿优秀论文、某本期刊或某个会议的写作风格时，该工作流负责把读过的全文语料转化为可定位到原文的、具体的风格与论证观察，并应用到当前稿件上——同时严格遵守科学证据边界、官方投稿要求和反抄袭规则。读完本文，你将掌握：语料槽位的选择规则、style_metrics.py指标的生成与正确解读、style_profile.md风格画像的完整结构、四层风格推断顺序、风格适配报告与完成性检查的标准。

一、工作流定位：什么才算"从论文中学习"

风格学习不是复制句子，也不是让文字"听起来学术"。其目标是：把被考察的全文语料，转化为带有具体来源定位的风格与论证观察，写入现有工作笔记或一个有用的画像文件中，并应用到当前稿件——在科学证据与官方投稿要求的约束之下。需要特别强调的是：

• 独立的style_profile.md不是前置条件：风格学习的成果可以承载在既有工作笔记中，判定学习是否完成看的是实际写作决策是否改变，而不是某个特定文件名是否存在。
• 深度模仿场景：如果用户明确要求"向优秀论文深度学习"，请在本文件之后继续阅读 deep-imitation-protocol.md，它定义了防止浅层修改的"三表方法""闭卷重写"与"最小重写标准"。

在 PaperSpine 的参考路由表 current-method-routing.json 中，本工作流被标记为应用于research、draft、review三个阶段，其职责是"语料选择、全局/分节风格、修辞骨架/术语/主张、蓝图迁移、反抄袭与风格适配"；其"review_check"要求学习必须落到真实的正文改法上，不得抄袭句子或迁移结果，指标本身不证明风格或作者身份。

二、语料选择：六个槽位与默认阅读集

风格学习的第一步是选对语料。工作流复用 journal-learning.md 中保存的阅读集数量配置（默认：3 篇同领域论文 + 3 篇目标期刊论文），并按以下六个槽位分配角色：

实际操作要点：

• 优先复用已有的合适语料；当论文或目标期刊 PDF 缺失时，在用户授权范围内检索合法公开来源。仅因"要读公开论文"而额外索要一次权限是不必要的——除非是宿主（host）无法获取的材料或访问权限，才需要询问。
• 六个槽位之间允许角色重叠，但三篇论文被数两次不等于学了六篇；默认两套阅读集应使用六篇不同的论文（Web 端支持 3+3、6+6 及自定义数量，已保存的自定义选择优先）。
• 选择时要按主题、文章类型、贡献与图表质量说明理由；不要把"可获取、开放获取、未经核实的venue排名"等同于质量。

三、准备阶段：提取文本、分文件保存、保留节标题

准备工作按以下顺序执行：

1. 必要时从 PDF 提取文本（用于后续分析与指标计算）。
2. 每篇论文单独存放一个文件，避免混排导致指标失真。
3. 保留节标题（section headings）——这是后续按节统计与分节画像的基础。
4. 尽可能运行风格指标，命令如下：

python scripts/style_metrics.py <corpus-folder> --markdown > paper_rewriting_output/style_metrics.md

5. 必须把实际生成的指标与原始段落放在一起阅读。定性结论必须建立在段落的论证与证据功能之上；仅凭指标计数无法确立这些功能——这是本工作流反复强调的边界。

3.1 指标脚本的底层实现：style_metrics.py

命令所调用的脚本位于 src/scripts/style_metrics.py，它是刻意只依赖 Python 标准库实现的轻量风格指标工具，以便在受限工作区也能运行。从源码结构看，其核心能力包括：

• 输入格式：接受.txt、.md、.tex文件或包含这些文件的文件夹；文件夹会被递归扫描（iter_input_files通过SUPPORTED_SUFFIXES = {".txt", ".md", ".tex"}过滤）。
• 文本规范化：.tex文件会先剥离注释（strip_tex_comments），把\section/\subsection标题转换为 Markdown 标题、把\cite/\ref等命令替换为[CITE]占位符再统计；.md文件会剥离代码块、行内代码、图片与链接标记（normalize_markdown）。
• 章节切分：split_sections按 Markdown 标题（#/##/###）或 LaTeX 的\section/\subsection/\subsubsection切分，文档头部内容归入Front matter；切分结果决定section_count。
• 输出维度：文档级指标（DocumentMetrics）包含词数、句数、段落数、平均句长、平均段长、引用数、节数、高频词（前 15 个）与连接词（however/therefore/thus 等 13 个常用连接词的计数）；节级指标（SectionMetrics）额外包含每节的首句与末句。
• 输出形式：--markdown输出 Markdown 表格（Documents、Section Metrics、Openings And Closings、Frequent Terms 四部分），--json输出结构化 JSON。
• 多编码容错：read_text依次尝试utf-8、utf-8-sig、gb18030、latin-1，避免中文或 BOM 文本读取失败。

该脚本已被测试覆盖：在 tests/test_scripts.py 中，test_style_metrics_reports_sections用 tests/fixtures/mini_paper.tex 验证脚本能输出# Style Metrics头部并识别出Introduction等节；tests/test_skill_structure.py 也把src/scripts/style_metrics.py列入技能结构完整性校验的单一来源脚本清单。

重要提示：指标是描述性辅助（descriptive metrics）。当某项指标对当前写作决策没有帮助时，可以不必生成；即使生成了，也不能用指标计数替代对段落论证功能的定性判断。

四、风格画像模板：style_profile.md

当确实需要一份独立画像时，保存为paper_rewriting_output/style_profile.md。完整模板如下（这也是进行风格学习时逐节填写的检查框架）：

# Style Profile ## Corpus | ID | Title | Venue/Year | Role | Why Selected | |---|---|---|---|---| ## Global Style - Typical paper arc: - Reader expertise assumed: - Claim strength: - Technical density: - Citation style: - Figure/table emphasis: ## Section Profiles ### Abstract | Dimension | Corpus Consensus | Rule for Our Paper | |---|---|---| | Sentence count | | | | Move sequence | | | | Numerical specificity | | | | Opening pattern | | | | Closing pattern | | | | Forbidden moves | | | ### Introduction | Dimension | Corpus Consensus | Rule for Our Paper | |---|---|---| | Paragraph count | | | | Move sequence | | | | Gap statement style | | | | Contribution placement | | | | Citation density | | | | Final paragraph role | | | ### Methods | Dimension | Corpus Consensus | Rule for Our Paper | |---|---|---| | Procedure depth | | | | Equation/code detail | | | | Subsection rhythm | | | | Rationale placement | | | | Evaluation setup style | | | ### Results | Dimension | Corpus Consensus | Rule for Our Paper | |---|---|---| | Result ordering | | | | Figure/table callout style | | | | Quantitative detail | | | | Comparison language | | | | Interpretation depth | | | ### Discussion/Conclusion | Dimension | Corpus Consensus | Rule for Our Paper | |---|---|---| | Opening move | | | | Summary vs interpretation balance | | | | Limitation style | | | | Future work style | | | | Closing move | | | ## Phrase and Skeleton Bank Record patterns, not copied prose. | Function | Source Pattern | Reusable Skeleton | Notes | |---|---|---|---| | establish gap | verbatim example for analysis only | `Although [prior capability], [specific gap] remains [unresolved].` | rewrite before use | | present method | | `We introduce [method], a [descriptor] approach for [task].` | | | interpret result | | `These results suggest that [mechanism], particularly when [condition].` | | ## Claim Strength Rules | Claim Type | Allowed Verbs | Avoid | |---|---|---| | direct experimental result | | | | interpretation | | | | speculation | | | | limitation | | | ## Terminology and Collocations | Concept | Preferred Term | Avoid | Evidence | |---|---|---|---| ## Style Constraints for Rewriting - Section length targets: - Paragraph length targets: - Sentence length targets: - Citation density target: - Maximum claim strength: - Words/phrases to avoid: - Must-use conventions: ## Section Blueprint Inputs For each section, list the exact constraints that must be transferred into `section_blueprints.md`: | Section | Obligatory Moves | Exemplar Closest Match | Paragraph Count Target | Evidence Placement Rule | Opening/Closing Rule | |---|---|---:|---:|---|---| Also create a compact transfer table that links the style profile to the writing templates: | Section | Style Rule | Paragraph Template Row | Result Template Row, If Applicable | Why This Transfers | |---|---|---|---|---| ## Non-Negotiable Rules List current official requirements as requirements. List patterns supported by the examined corpus as observations, with scope and reasons for adopting or departing from them.

4.1 模板各部分的实战要点

• Phrase and Skeleton Bank（短语与骨架库）：记录的是可复用的抽象骨架而非照抄的成句。示例骨架如Although [prior capability], [specific gap] remains [unresolved].只作为分析素材，使用前必须改写。这一理念与 deep-imitation-protocol.md 的"记录骨架而不是复制的句子"完全一致。
• Claim Strength Rules（主张强度规则）：把主张分为直接实验结果、解释、推测、局限四类，分别给出允许的动词与应避免的表达，防止主张强度超出证据边界。
• Section Blueprint Inputs（分节蓝图输入）：这是把风格画像迁移到写作模板的关键桥梁。section_blueprints.md是后续实质性重写的核心输入：在 build.md 中，Balanced 模式要求存在实质性的section_blueprints.md；audit.md 的必需检查项也把"是否有实质性的section_blueprints.md"列为完成审计的前置条件之一。
• Non-Negotiable Rules（不可协商规则）：官方要求必须作为requirements（要求）列出；而语料支持的模式只能作为observations（观察）列出，并说明采用或偏离这些模式的范围与理由。官方规则与已发表论文中的风格模式必须严格区分——这一区分也贯穿 journal-learning.md。

五、如何推断风格：四层证据优先级

推断风格时严格按下述顺序进行，并始终说明每条规则由哪一层支持：

1. Hard venue rules（硬性期刊规则）：官方作者指南与模板。这是不可协商的层。
2. Corpus consensus（语料共识）：多数范例论文共享的模式。
3. Closest-paper pattern（最相近论文模式）：当只有一篇范例与用户论文高度接近时，采用该论文的模式。
4. General academic writing norms（通用学术写作规范）：仅在语料证据缺失时才作为兜底。

这条分层顺序保证了风格推断有据可查：能引用官方指南就不依赖语料统计，能引用语料共识就不退化为个人偏好，个人偏好最后才出场。

六、反抄袭规则：学习模式而不是复制句子

这是风格学习不可逾越的红线：

• 逐字句可以出现在分析表格中，但绝不能出现在用户稿件里（分析表是学习过程的中间产物）。
• 必须把源表述转化为抽象骨架后再复用（即上一节的 Phrase and Skeleton Bank）。
• 不复用罕见的隐喻、标志性短语或非常规的句子序列——这些是原作者可辨识的风格指纹。
• 常见的学术过渡语可以使用，但仍要适配到用户自己的内容上。

与反抄袭配套的还有"浅层修改"的预防：深度模仿场景下，deep-imitation-protocol.md 要求用"范例移动表、用户草稿移动表、目标分节蓝图"三表对照诊断结构弱点，并通过闭卷重写（读原节、抽取事实、合上原文、凭笔记与蓝图重写、再回查数值/引用/图引用是否保全）防止"只加一句、改一句"的 patch writing；其"最小重写标准"还要求缺失的必要 move 为 0、无支撑的新主张为 0、无来源的数字为 0。重写矩阵工作流 rewrite-matrix.md 进一步要求逐段写明"意图 move、证据来源、模板模式、目标长度、操作（REWRITE/SPLIT/MERGE/DELETE/MOVE/ADD/KEEP）"，把浅层打补丁行为显性化。

七、风格适配报告：重写后的自查闭环

重写完成后，必须回到被考察的原始段落，把当前稿的实际段落 move、证据位置与主张强度与学到的模式逐一对比；对当前证据或期刊要求导致的偏离要说明理由，并对正文中仍然可见的诊断出的弱点进行修复。对比可以承载于既有笔记或下表，对比与实际应用才是工作本身，与记录格式无关：

## Style Fit Report | Section | Target Pattern | Applied? | Evidence | Remaining Gap | |---|---|---|---|---| ## Metrics Drift | Metric | Corpus Target | Revised Draft | Acceptable? | |---|---:|---:|---| ## Manual Judgment - Strongest style match: - Weakest style match: - Next revision priority:

其中Metrics Drift表格把语料目标值、修订稿实际值与"是否可接受"三列对齐，用数据说话；Manual Judgment则要求给出最强/最弱风格匹配与下一次修订的优先级，确保报告落回到具体行动而不是笼统评价。

八、完成性检查：何时算"风格学习未完成"

风格学习阶段在以下任一情况下视为未完成：

• 没有可定位到原文的观察来解释实际的写作/排版选择；
• 未实际测量所引文本就断言定量风格结论（描述性指标在无助于当前写作决策时是可选的）；
• 分节画像流于泛化，而不是针对具体节（section-specific）；
• 修订后的节没有修复已诊断出的论证弱点；
• Results 仍只罗列指标，而缺少其科学解读；
• 画像没有说明用户各节应该如何重建；
• 实际稿件段落无法与学习内容建立关联。

同时强调：文中提到的文件名与行号（如style_profile.md、section_blueprints.md）只是承载推理的可选方式，不是完成的门槛——真正的完成标志是稿件正文出现了源于语料学习的、可解释的写作与结构改变。这一"以实际输出为准、不以文件名当闸门"的原则也与 journal-learning.md 中"笔记与文件只是承载方式"的表述一脉相承。

九、与相邻参考文档的配合

风格学习工作流不是孤立的，它处在 PaperSpine 写作链路的中游，上游与下游分别依赖：

• 阅读集与学习记录的来源：journal-learning.md（默认 3+3 阅读集、目标期刊 PDF 下载、venue_average引用规模等）。
• 深度模仿的执行细则：deep-imitation-protocol.md（三表方法、闭卷重写、最小重写标准）。
• 风格画像到正文的迁移：rewrite-matrix.md 与 rewrite.md（section_blueprints.md、逐段操作行、Section Audit）。
• 指标与相似度工具：style_metrics.py 负责描述性指标，revision_audit.py（见 rewrite-matrix.md 的 Step 8）负责诊断近重复文本——相似度比值只用于诊断，不决定写作或科学质量。

十、小结：风格学习的完整闭环

把整个工作流串起来，一次合格的风格学习闭环是：

1. 选语料：按六个槽位与 3+3 默认阅读集组织范例，优先复用已有语料；
2. 做准备：提取文本、分文件、保留节标题，运行 style_metrics.py 生成描述性指标并与原文段落对照阅读；
3. 建画像：按 style_profile.md 模板逐节填写全局风格、分节画像、骨架库、主张强度与术语表，并把约束迁移到section_blueprints.md；
4. 推风格：按"官方规则 → 语料共识 → 最近范例 → 通用规范"四层顺序取证，每条规则标明依据层级；
5. 反抄袭：只迁移抽象骨架，逐字句留在分析表内；
6. 做适配：重写后用 Style Fit Report、Metrics Drift 与 Manual Judgment 三表自查，修复仍未解决的论证弱点；
7. 查完成：对照完成性检查清单，确认所有学习都落到可定位的正文改法上。

只要遵循这一闭环，风格学习就能真正做到"学的是写作决策，而不是句子本身"，在尊重科学证据与期刊要求的前提下，让稿件获得目标期刊与优秀论文级别的论证结构与表达质感。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用