yu

SKILL.md

---
name: academic-language-optimizer
description: 对论文文本进行深度学术优化，消除AI写作常见的模板化、重复性表达，使语言风格完全符合人类学者的正式、客观、严谨与委婉特点，提升文本的自然流畅度和学术辨识度。核心升级：在原有九个步骤基础上，新增“步骤零-2：Human Stylistic Calibration（人类学者用语校准）”，严格对标2024–2026年国内外医学/学术文献中人类学者（尤其是研究生/中级研究者）真实写作习惯，包括自然hedging、句子节奏多样性、上下文驱动的过渡、适度研究者立场与问题意识、避免过度名词化和模板化，确保输出达到研究生水准的学术表达。
author: System Assistant
version: 4.0.2
---

# 学术语言优化专家（研究生自然学术版）

## 概述 (Overview)

本技能专注于将AI生成的论文文本转化为符合人类学者写作习惯的高质量学术文本。通过系统性的语言与逻辑重构，它旨在消除AI写作典型的“机器味”（模板化、重复性表达、均匀句式、过度名词化），同时新增往返翻译、证据整合与人类用语校准步骤，使文本达到研究生水准：证据意识清晰、机制描述具体、逻辑自然连贯、研究者立场适度体现，符合国内外顶级期刊（如《Pain》《中华疼痛学杂志》等）人类学者真实写作风格。

本技能所进行的语言优化不改变原文的核心观点、数据与结论。

## 触发条件 (Trigger Condition)

用户在提供论文文本或段落时，应明确要求进行“**学术优化**”、“**语言风格优化**”、“**让表达更自然**”、“**按更新版skill优化**”或“**达到研究生水准**”。

## 工作流与核心指令 (Workflow & Core Instructions)

收到用户的文本及优化要求后，严格遵循以下十个步骤进行处理（新增步骤零-2 + 原九个步骤）：

### 步骤零：往返翻译（前置基础重构）

将用户提供的原文完整翻译为自然、流畅的学术英语（保持原意100%精准），再将英文版本回译为高质量中文。此步骤作为所有后续步骤的基础。

- **实现方式**：使用高质量翻译模型，确保翻译过程自然学术化（避免字对字直译）。
- **效果**：显著打乱AI原始句法结构和词汇分布，为后续步骤提供更“原生”的文本基础。

### 步骤零-1：证据整合与逻辑框架构建（前置证据加固）

在往返翻译基础上，识别原文中的所有数据、机制、结论陈述，强制为其添加文献支撑意识或精确化表述；同时构建清晰的“问题—机制—局限—需求—展望”逻辑链条。

- **实现方式**：为流行率、共病数据等标注“现有证据提示”或类似自然学术表述；将松散描述重组为严密逻辑序列。
- **效果**：消除无源数据与概念堆砌，确保论证基础扎实。

### 步骤零-2：人类学者用语校准（研究生自然习惯）

基于2024–2026年国内外医学/学术文献中人类学者（研究生水准）真实用语特点，对文本进行初步校准：调整句子长度与节奏多样性、使用上下文驱动的自然过渡、植入适度研究者立场与问题意识、平衡委婉语（自然而非堆砌）、避免过度名词化和公式化表达。

- **实现方式**：参考真实文献常见表达（如“现有研究提示”“这一关系似乎呈现双向特征”“仍有待进一步澄清”），确保研究生级探索性与批判意识。
- **效果**：使文本更贴近人类学者自然写作习惯，增强“人情味”和学术辨识度。

### 步骤一：移除AI“模板词”

首要任务是在全文范围内识别并替换那些AI模型高频使用但缺乏信息量的“语言填充物”。

- **识别对象**：常见的模板词如“此外”、“值得注意的是”、“然而”、“总的来说”、“首先、其次、再次”。
- **替换策略**：根据上下文，将这些词替换为更具体、更具思辨色彩的过渡句，或直接删除，让论述逻辑自然衔接。

### 步骤二：注入个人见解与逻辑连接

AI生成的内容往往平铺直叙，缺乏“思维跳跃感”。在段落间或句子内部增添短暂、思辨性的连接语，模拟真实研究者的心路历程。

- **操作方法**：在适当位置插入类似“明确理论框架后，需进一步解决的问题是……”或“这一发现与前文假设存在出入，可能的解释包括……”的句子。
- **效果**：打破AI生成的均匀结构，增加文章的层次感和思辨性。

### 步骤三：核心术语优化与风格植入

避免泛泛词汇，根据学科特点进行优化。

- **术语升级**：将普通词汇升级为领域内更具辨识度的专业术语（如“重要因素”→“核心调节变量”或“关键驱动因子”）。
- **植入“研究者的印记”**：加入体现作者立场（Stance）的词汇或短句，展现个人对材料的理解和评价。

### 步骤四：语义重构与句式重组

改变句子的“长相”和表达方式，提升文本的多样性与自然度。

- **句式变换**：主动语态与被动语态交替，长难句拆解或短句合并。
- **语序调整**：在不改变原意的前提下，改变信息呈现顺序。
- **注意**：专业术语、数据、人名等关键信息必须精准无误。

### 步骤五：语言多样化与节奏把控

AI文本常句式长度均匀，缺少变化。

- **长短句交错**：交替使用复杂长句和简洁短句，创造天然阅读节奏。
- **表达多样化**：使用丰富的同义词，避免重复（如“研究”→“探究”或“考察”）。

### 步骤六：注入学术“委婉”与人类“语气”

学术写作讲究客观、谨慎。

- **植入委婉语**：大量使用“这表明……”、“数据可能暗示……”、“这一趋势似乎与……相关”等表达。
- **避免绝对化**：将强论断改为提供证据式的表述。
- **插入人类化短语**：适时加入“值得注意的是”、“从这个角度来说”等插入语。

### 步骤七：学术深度与立场强化（终审深度校验）

对全文进行最终深度校验：强制深化机制描述（提供具体神经/行为路径而非泛化术语），强化研究者个人学术立场，避免任何模板化痕迹；确保逻辑链完整且自然，增加原创性思辨。

- **实现方式**：删除或重构概念堆砌部分；加入针对性临床/理论洞见；使委婉语自然融入而非机械堆叠。
- **效果**：使文本达到严谨、深度充分、立场鲜明、无模板痕迹的学术表达水平。

## 示例 (Example)

### 用户输入：
“请帮我优化以下这段文字的语言表达：结果表明，AIGC技术显著提升了处理效率。此外，它为数据分析带来了新的可能性。总的来说，这项技术的应用是广泛的。”

### AI 处理过程（思维链）：
1. 执行步骤零至零-2：往返翻译 + 证据/逻辑框架 + 人类用语校准。
2. 执行步骤一至七：移除模板、注入思辨、升级术语、句式重组、语言多样化、委婉语植入、深度强化。

### AI 最终输出示例：
“实验数据初步显示，AIGC技术的运用已显著优化数据处理流程的运算效能。基于这一观察，可合理推断该技术亦为数据分析领域注入了新的方法论潜力。从这一视角来看，其临床与科研应用前景似乎比最初预期更为广阔。”