[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-79884":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":8,"htmlUrl":8,"language":9,"languages":8,"totalLinesOfCode":8,"stars":10,"forks":11,"watchers":12,"openIssues":13,"contributorsCount":13,"subscribersCount":13,"size":13,"stars1d":13,"stars7d":14,"stars30d":15,"stars90d":13,"forks30d":13,"starsTrendScore":16,"compositeScore":17,"rankGlobal":8,"rankLanguage":8,"license":18,"archived":19,"fork":19,"defaultBranch":20,"hasWiki":19,"hasPages":19,"topics":21,"createdAt":8,"pushedAt":8,"updatedAt":22,"readmeContent":23,"aiSummary":24,"trendingCount":13,"starSnapshotCount":13,"syncStatus":25,"lastSyncTime":26,"discoverSource":27},79884,"research-paper-pipeline","SGloria\u002Fresearch-paper-pipeline","SGloria",null,"Python",105,10,99,0,4,6,1,3.12,"MIT License",false,"master",[],"2026-06-12 02:03:55","# Research Paper Writing Skill\n\n[![License: MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-blue.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMIT)\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.9+-blue.svg)](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002F)\n[![LaTeX](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLaTeX-required-green.svg)](https:\u002F\u002Fwww.latex-project.org\u002Fget\u002F)\n\n面向 CS 顶会论文写作的 7-Agent Pipeline Skill，运行在 [Claude Code](https:\u002F\u002Fclaude.ai\u002Fcode) 之上。将一个粗糙的研究想法变成一篇投稿就绪的顶会论文，覆盖从选题到 Rebuttal 的完整管线。\n\n## 目录\n\n- [工作流概览](#工作流概览)\n- [特性](#特性)\n- [安装](#安装)\n- [快速开始](#快速开始)\n- [使用示例](#使用示例)\n- [管线详解](#管线详解)\n- [项目结构](#项目结构)\n- [支持会议](#支持会议)\n- [质量红线](#质量红线)\n- [常见问题](#常见问题)\n- [贡献](#贡献)\n- [License](#license)\n\n## 工作流概览\n\n```\n用户输入（方向\u002Fidea\u002F草稿）\n       │\n       ▼\n┌─────────────────────────────────────────────────────────────┐\n│  Phase 1        Idea Agent          选题：搜索趋势 → 识别 gap  │\n│                                     → 候选 idea → Novelty Check │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 2        Literature Agent    文献：多源检索 → 去重排名    │\n│                                     → Snowball → 分类 → Related Work │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 3        Method Agent        方法：分析路线 → 架构设计    │\n│                                     → Baseline → 伪代码       │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 4        Experiment Agent    实验：数据集 → 指标         │\n│                                     → Ablation → 结果表格      │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 5        Writing Agent       写作：组装 section         │\n│                                     → 润色 → 一致性检查        │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 5.5      Figures Agent       绘图：扫描占位符 → 生成 SVG │\n│                                     → 汇总 PPTX → 更新 LaTeX   │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 6        Review Agent        审稿：3 Reviewer           │\n│                                     → Meta-Review → 预测结果   │\n├─────────────────────────────────────────────────────────────┤\n│  Phase 7        Rebuttal Agent      反驳：逐条分析 → 分类回复   │\n│                                     → 生成 Rebuttal Letter     │\n└─────────────────────────────────────────────────────────────┘\n```\n\n## 特性\n\n- **7-Agent Pipeline** — 每个 Agent 专注于一个阶段，可独立运行也可串联跑完整管线\n- **智能入口判断** — 根据你的输入自动决定从哪个阶段开始，不必每次都从头跑\n- **断点续跑** — 基于 `research_state.json` 状态文件，随时可从中断处接续\n- **多会议支持** — NeurIPS \u002F ICML \u002F ICLR \u002F CVPR \u002F ACL \u002F ICCSE\n- **引用验证** — 4 层校验（arXiv DOI \u002F Semantic Scholar 标题匹配 \u002F 元数据交叉验证）\n- **学术绘图** — SVG 矢量图生成 → PPTX 汇总，兼容 PowerPoint 精调\n- **LaTeX 全自动输出** — Markdown → LaTeX → PDF 一条命令完成\n\n## 安装\n\n### 前置条件\n\n- **Python 3.9+**\n- **LaTeX 发行版**（[TeX Live](https:\u002F\u002Fwww.tug.org\u002Ftexlive\u002F) 或 [MiKTeX](https:\u002F\u002Fmiktex.org\u002F)）\n- **[Claude Code](https:\u002F\u002Fclaude.ai\u002Fcode)** CLI 环境\n\n### 安装步骤\n\n```bash\n# 1. 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002FSGloria\u002Fresearch-paper.git\ncd research-paper\n\n# 2. 安装 Python 依赖\npip install -r requirements.txt\n\n# 3. 验证安装\npython scripts\u002Fverify_citations.py --help\npython scripts\u002Fmd_to_latex.py --help\n```\n\n> **说明**：`md_to_latex.py` 和 `verify_citations.py` 仅使用 Python 标准库，无需额外安装依赖。`figure_to_pptx.py` 需要 `requirements.txt` 中的 `python-pptx` 和 `cairosvg`。\n\n### 在 Claude Code 中启用此 Skill\n\n将此仓库路径添加到 Claude Code 的 Skill 配置中，或直接在工作目录下使用 `.claude\u002Fsettings.local.json` 注册 Skill。\n\n## 快速开始\n\n下面的流程演示从一条研究方向开始，跑完整条管线：\n\n```bash\n# 1. 创建工作目录\nmkdir -p \"my-paper\"\u002F{sections,figures\u002F{svg_output,output},data,output}\n\n# 2. 在 Claude Code 中，告诉它你的研究方向\n#    例如：\"我想写一篇关于 BLE wearable 与心理健康预测的 NeurIPS 论文\"\n\n# 3. Skill 会自动：\n#    - 创建 research_state.json 初始化状态\n#    - 进入 Idea Agent，搜索趋势并生成候选选题\n#    - 让你选择一个 idea 后，自动推进到 Literature Agent\n#    - ... 依次推进，直到产出完整论文\n```\n\n如果只想做某个阶段：\n\n```\n# 只做文献综述\n\"帮我做 literature review，方向是 few-shot learning with LLM\"\n\n# 只审稿\n\"帮我模拟审稿这篇论文\"（附上草稿）\n\n# 只写 rebuttal\n\"帮我生成 rebuttal letter\"（附上论文和 reviewer 意见）\n```\n\n## 使用示例\n\n### 场景一：从零开始写一篇论文\n\n```\n用户：\"我想写一篇关于 diffusion model 做 time series forecasting 的 ICML 论文\"\n\nSkill 响应：\n  Phase 1 - Idea Agent:\n    搜索 arxiv + Semantic Scholar，识别 gap\n    生成 3 个候选 idea：\n      1. Denoising Diffusion Probabilistic Forecasting (DDPM-based)\n      2. Score-based Diffusion for Multivariate Time Series\n      3. Conditional Diffusion with Seasonal Decomposition\n    评估 novelty 后推荐 #2\n    用户确认 → 进入 Phase 2\n\n  Phase 2 - Literature Agent:\n    检索 200+ 论文，去重后保留 85 篇\n    按方法分类：Score-based \u002F DDPM \u002F SDE-based \u002F Hybrid\n    输出 references.bib + sections\u002Frelated_work.md\n    → 进入 Phase 3\n\n  ... (后续阶段类似推进)\n\n  最终产出：\n    output\u002Fpaper.md       → 完整论文 Markdown\n    output\u002Fpaper.tex      → 符合 ICML 格式的 LaTeX\n    output\u002Fpaper.pdf      → 编译后的 PDF\n    figures\u002Foutput\u002Fpaper_figures.pptx  → 所有图表的 PPTX\n```\n\n### 场景二：已有论文草稿，只要审稿\n\n```\n用户：\"帮我模拟审稿这篇论文\"（粘贴 paper.md）\n\nSkill → 直接进入 Phase 6 (Review Agent)\n  模拟 3 位 Reviewer 给出评审意见\n  生成 Meta-Review 和 Accept\u002FReject 预测\n  输出优先修改清单\n```\n\n### 场景三：只要生成图表\n\n```\n用户：\"我的论文写好了，帮我生成里面的图表\"\n      （论文中含有 [FIGURE: ...] 占位符）\n\nSkill → 进入 Phase 5.5 (Figures Agent)\n  扫描所有占位符 → 逐个生成 SVG → 汇总到 PPTX\n  更新 LaTeX 中的 figure 环境\n```\n\n## 管线详解\n\n### 各 Agent 职责\n\n| Agent | 输入 | 输出 | 核心动作 |\n|-------|------|------|---------|\n| **Idea** | 研究方向\u002F关键词 | `idea_output.json` | 趋势搜索 → Gap 分析 → 候选选题 → Novelty Check |\n| **Literature** | 选定 idea | `literature_pool.json`, `references.bib`, `sections\u002Frelated_work.md` | 多源检索 → 去重排名 → 引用追踪 → 分类 → 写 Related Work |\n| **Method** | idea + 文献 | `sections\u002Fmethod.md` | 技术路线分析 → 架构设计 → Baseline 选定 → 伪代码 |\n| **Experiment** | 方法设计 | `sections\u002Fexperiments.md` | 数据集 → 指标 → Ablation Study → 结果表格 |\n| **Writing** | 前 4 阶段产出 | `sections\u002F*.md`, `output\u002Fpaper.md` | 组装 → 写 Abstract\u002FIntroduction → 润色 → 一致性检查 |\n| **Figures** | paper.md (含占位符) | `figures\u002Fsvg_output\u002F*.svg`, `figures\u002Foutput\u002Fpaper_figures.pptx` | SVG 生成 → 质量检查 → 汇总 PPTX → 更新 LaTeX |\n| **Review** | 完整论文草稿 | 评审报告 | 3 Reviewer 模拟审稿 → Meta-Review → Accept\u002FReject 预测 |\n| **Rebuttal** | 论文 + review 意见 | `rebuttal.md` | 逐条分析 → 分类回复 → 生成 Rebuttal Letter |\n\n### 断点续跑机制\n\n所有进度保存在 `research_state.json` 中：\n\n```json\n{\n  \"project_name\": \"my-paper\",\n  \"target_venue\": \"neurips_2026\",\n  \"current_phase\": \"experiment\",\n  \"phases\": {\n    \"idea\": {\"status\": \"completed\", \"output_path\": \"idea_output.json\"},\n    \"literature\": {\"status\": \"completed\", \"output_path\": \"literature_pool.json\"},\n    \"method\": {\"status\": \"completed\", \"output_path\": \"sections\u002Fmethod.md\"},\n    \"experiment\": {\"status\": \"pending\", \"output_path\": null},\n    ...\n  }\n}\n```\n\n下次对话时 Skill 自动读取此文件，从 `current_phase` 接续。\n\n### 命令行工具\n\n```bash\n# 引用验证\npython scripts\u002Fverify_citations.py references.bib\n\n# Markdown → LaTeX\npython scripts\u002Fmd_to_latex.py output\u002Fpaper.md output\u002Fpaper.tex \\\n  --venue neurips_2026 --bib references.bib\n\n# LaTeX → PDF\nbash scripts\u002Fbuild_paper.sh output\u002Fpaper.tex\n\n# SVG → PPTX\npython scripts\u002Ffigure_to_pptx.py figures\u002F\n```\n\n## 项目结构\n\n```\nresearch-paper\u002F\n├── SKILL.md                          # Skill 定义与管线总览（Claude Code 注册入口）\n├── README.md                         # 本文件\n├── LICENSE                           # MIT 许可证\n├── requirements.txt                  # Python 依赖\n├── scripts\u002F                          # 可执行脚本\n│   ├── figure_to_pptx.py             # SVG → PPTX 汇总\n│   ├── md_to_latex.py                # Markdown → LaTeX 转换\n│   ├── verify_citations.py           # 引用真实性验证\n│   └── build_paper.sh                # LaTeX → PDF 编译\n├── references\u002F                       # 各 Agent 详细指令（管线运行时读取）\n│   ├── idea-agent.md\n│   ├── literature-agent.md\n│   ├── method-agent.md\n│   ├── experiment-agent.md\n│   ├── writing-agent.md\n│   ├── figures-agent.md\n│   ├── review-agent.md\n│   ├── rebuttal-agent.md\n│   ├── citation-verification.md      # 引用验证协议\n│   ├── venue-templates.md            # 会议模板说明\n│   └── host-integration.md           # 宿主集成指南\n├── templates\u002F                        # 会议 LaTeX 样式文件\n│   ├── neurips_2026\u002F\n│   ├── icml_2026\u002F\n│   ├── iclr_2026\u002F\n│   └── iccse_2026\u002F\n└── assets\u002F                           # 静态资源\n    └── wechat-pay.jpg                # 赞赏码\n```\n\n## 支持会议\n\n| 会议 | 领域 | 模板 |\n|------|------|------|\n| NeurIPS | 机器学习\u002F人工智能 | `templates\u002Fneurips_2026\u002F` |\n| ICML | 机器学习 | `templates\u002Ficml_2026\u002F` |\n| ICLR | 表征学习 | `templates\u002Ficlr_2026\u002F` |\n| CVPR | 计算机视觉 | 内置支持 |\n| ACL | 自然语言处理 | 内置支持 |\n| ICCSE | 计算机科学与教育 | `templates\u002Ficcse_2026\u002F` |\n\n> **注意**：CVPR 和 ACL 使用内置配置，无需单独的模板目录。如需支持其他会议，参考 [venue-templates.md](references\u002Fvenue-templates.md) 自行添加。\n\n## 质量红线\n\n以下任何一条出现，论文不可提交：\n\n- 引用了不存在的论文（幻觉引用）\n- 实验数据或结果是编造的\n- 方法描述与实际实现不一致\n- Related Work 遗漏了该领域的关键工作\n- 论文存在明显的逻辑矛盾\n\n发现上述问题时必须停下来修复，不可跳过。\n\n## 常见问题\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 这个 Skill 生成的论文能直接投稿吗？\u003C\u002Fb>\u003C\u002Fsummary>\n\nSkill 生成的是高质量初稿，覆盖了完整结构和内容框架。但投稿前仍需人工审读、核实实验结果、精调措辞。它解决的是\"从 0 到 1\"的问题，不是\"从 1 到 100\"。\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 我可以只使用其中一两个 Agent 吗？\u003C\u002Fb>\u003C\u002Fsummary>\n\n可以。Skill 会根据你的输入自动判断入口点。比如你说\"帮我审稿\"，就直接进入 Review Agent，前面的阶段不会运行。\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 引用验证是怎么工作的？\u003C\u002Fb>\u003C\u002Fsummary>\n\n4 层验证：1) arXiv ID 校验（URL 格式的正确性）；2) Semantic Scholar API 查询（标题匹配）；3) 元数据交叉验证（作者、年份、venue 一致性）；4) 引用完整性检查（所有 \\cite 是否都有 bib entry）。\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 为什么要出 PPTX？\u003C\u002Fb>\u003C\u002Fsummary>\n\nSVG 是学术出版标准格式，但研究人员通常需要在 PowerPoint 中做最后的视觉精调（对齐、颜色、标注）。汇总到 PPTX 可以一次编辑所有图表，也可以直接复制到答辩 PPT 中重用。\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 运行过程中断网了怎么办？\u003C\u002Fb>\u003C\u002Fsummary>\n\n由于有 `research_state.json` 断点续跑机制，重新开始对话后 Skill 会自动从中断处接续。所有已完成的阶段不需要重做。\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>Q: 是否需要 API Key？\u003C\u002Fb>\u003C\u002Fsummary>\n\n本 Skill 运行在 Claude Code 之上，需要有效的 Anthropic API 订阅。此外，Literature Agent 使用免费的 arXiv API 和 Semantic Scholar API，无需额外申请 Key。\n\u003C\u002Fdetails>\n\n## 贡献\n\n欢迎贡献！以下是一些你可以参与的方向：\n\n- **新增会议模板** — 在 `templates\u002F` 下添加新会议的 LaTeX 样式文件\n- **改进 Agent 指令** — 优化 `references\u002F` 中各 Agent 的 prompt\n- **增强脚本功能** — 改进 `scripts\u002F` 中的 Python 工具\n- **报告问题** — 通过 GitHub Issues 提交 bug 或功能建议\n\n贡献前请阅读 [SKILL.md](SKILL.md) 了解整体架构。\n\n## License\n\nMIT — 详见 [LICENSE](LICENSE)\n\n---\n\n如果这个项目对你的研究有帮助，欢迎投喂作者一杯咖啡。\n\n\u003Cimg src=\"assets\u002Fwechat-pay.jpg\" width=\"200\" alt=\"微信赞赏码\" \u002F>\n","该项目是一个面向计算机科学顶会论文写作的7-Agent Pipeline工具，运行在Claude Code平台上。它能够将一个初步的研究想法逐步转化为一篇投稿就绪的论文，覆盖从选题到反驳的完整流程。其核心功能包括智能入口判断、断点续跑、多会议支持、引用验证以及学术绘图等，旨在提高研究者的工作效率和论文质量。特别适合需要快速产出高质量科研成果的研究人员或团队使用。项目采用Python编写，并要求用户环境安装LaTeX及特定版本的Python。",2,"2026-06-11 03:58:24","CREATED_QUERY"]