mcpField
M
manuscript

manuscript

github.com/htlin222文档处理7838 次安装3 周前更新
代码仓库

关于 manuscript

帮助医学研究者将稿件组织成清晰论证的写作技能,涵盖规划、各章节撰写与修改,并提供扫描器检查机械性写作问题。

主要功能

  1. 01以论证为核心组织稿件
  2. 02各论文章节的写作指导
  3. 03图表检查清单
  4. 04扫描 31 类写作问题

适用场景

  1. 01规划原创研究论文
  2. 02修改平淡的稿件草稿
  3. 03准备审稿意见回复

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/htlin222/dotfiles --skill manuscript

安装后在 Claude Code 中输入/manuscript确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

scan-manuscript.py
references/
abstract.md
discussion.md
figures-tables.md
introduction.md
methods.md
process.md
results.md
sentence-craft.md
scanner/
__init__.py
checks_tier_a.py
checks_tier_b.py
checks_tier_c.py
detector.py
formatter.py
models.py
patterns.py
scoring.py
tokenizer.py

详细介绍

医学论文写作

将数据报告式手稿转变为有说服力的科学论证。

核心转变

停止报告。开始论证。

报告式思维论证式思维
“我做了 X,发现 Y,得出结论 Z”“存在一个问题,现有答案有所不足,这是一个更好的答案”
段落呈现数据每个段落都推进论证
读者看到的是你的实验记录读者看到的是你的洞见

写每个段落之前,都要问:**这段内容在我的论证中起什么作用?**如果你答不上来,这段内容就不该出现,或者需要调整位置。

适用场景

  • 撰写新的原创研究手稿
  • 修改读起来“平淡”或“乏味”的草稿
  • 审阅同事的手稿,检查结构问题
  • 准备对审稿意见的回复
  • 从学位论文/报告风格转向期刊风格

主检查清单

复制并跟踪各部分的进度:

写作前
  • 明确你的核心洞见:让问题变得可解的单一洞见
  • 明确你的一句话论点(你填补了什么空白,以及为何重要)
  • 写一段3 句话的电梯推介(问题 → 洞见 → 结果)
  • 确定目标期刊及其惯例
  • 梳理逻辑链条:空白 → 方法 → 关键发现 → 启示
  • 起草占位图——它们是论文的骨架
  • 明确目标读者(临床医生、方法学家、政策制定者?)
  • 尽早写出一版糟糕的初稿——完善工作留到修改阶段

详细指南: references/process.md

标题
  • 凝练关键洞见(而不只是主题)
  • 便于检索——包含主要变量、研究人群和研究设计
  • 不超过期刊的字符数限制
  • 不使用缩写(ICU、HIV 等广为认可的缩写除外)
摘要
  • 遵循期刊要求的结构化格式(背景/方法/结果/结论)
  • 背景部分采用目标 → 问题 → 解决方案的节奏
  • 结果部分报告主要结局,并给出效应量和 95% CI
  • 结论部分说明临床启示,而不只是统计学发现
  • 不包含正文中未出现的论断
  • 字数符合期刊限制

详细指南: references/abstract.md

引言
  • 以具体的临床困境开篇,而不是教科书式的句子
  • 文献综述形成指向研究空白的逻辑链条(而非简单堆砌引文)
  • 空白陈述简洁且具体
  • 最后一段说明确切的研究策略(数据、方法、结局)
  • 每条引文都发挥作用(说明重要性、既往研究的局限,或理论依据)

详细指南: references/introduction.md

方法
  • 按研究逻辑组织,而不是按工具类别组织
  • 对关键方法学决策给出理由(“为什么采用这种方法”)
  • 敏感性分析针对对有效性的最大威胁
  • 遵循报告指南(STROBE、CONSORT、PRISMA 等)

详细指南: references/methods.md

结果
  • 先提供全局概览,再介绍细节
  • 正文中基线特征仅列出具有临床相关性的差异
  • 按照研究问题而非分析时间顺序组织结果
  • 不作解释或推测(不写“这表明……”或“这可能是因为……”)
  • 按发现引用表格和图,而不是逐行复述

详细指南: references/results.md

讨论
  • 第一段是概念性的电梯推介(发现+临床图景+意义)
  • 解释按层次展开(生物学 → 方法学 → 临床)
  • 如实讨论不一致的结果,而非忽略它们
  • 文献对比用于构建你的解释框架,而非罗列引用
  • 局限性论述平衡得当:承认 → 缓解 → 结合背景说明
  • 结论阐明临床意义,而不只是概述统计结果

详细指南: references/discussion.md

句子润色
  • 主语是研究变量或动作,而非被动句式
  • 每段的首句和末句都传达核心信息
  • 不堆叠模糊措辞(“可能或许潜在地表明……”)
  • 删除空洞的形容词(“有趣”“重要”“值得注意”)
  • 大声朗读——每句话都读起来自然流畅

详细指南: references/sentence-craft.md

图表
  • 每幅图都有一个核心信息
  • 图例内容完整(方法、样本、关键统计数据、缩写)
  • 表格仅展示与研究相关的变量(额外内容放入补充材料)
  • 对大样本进行比较时,在适当情况下使用 SMD,而非 p 值

详细指南: references/figures-tables.md

整体节奏
  • 信息密集的段落后留出阐释空间
  • 避免连续三段采用相同的“发现 A、p=B、与 C 一致”模式
  • 各部分之间的过渡应当有引导性,而非机械生硬
  • 大声朗读——如果你自己读起来都觉得乏味或生硬,别人读起来会更难受

各部分速查表

部分目标致命错误修正方法
标题提炼核心见解使用笼统的主题标签(“关于 X 和 Y 的研究”)写明变量+发现方向
摘要构成独立完整的论述缺少结构化节奏每个小节按目标 → 问题 → 解决方案展开
引言为研究构建合乎逻辑的论证以“X 是导致死亡的主要原因”开篇从具体的临床困境切入
方法赢得读者信任罗列工具却不说明理由解释关键决策的原因
结果陈述推动论证的事实偷渡解释(“表明……”)只陈述事实;在讨论中进行解释
讨论阐明概念层面的意义用 p 值复述结果先讲意义,而非数字
图表每幅图传达一条信息图表杂乱,缺少明确要点围绕核心信息进行设计

常见反模式

反模式示例更好的做法
教科书式开篇“癌症是全球范围内的主要死因”指出你的研究要解决的具体临床难题
堆砌引用“Smith(2020)发现了 X。Jones(2021)发现了 Y。”通过文内引用将内容整合为逻辑链条
研究目标含糊“我们旨在探讨 X 与 Y 之间的关系”“我们使用 [database] 和 [method] 检验了 [specific hypothesis]”
像实验记录本一样写结果逐行叙述表 1 的内容只强调具有临床意义的差异
在讨论中罗列统计数据以“HR 为 2.4(95% CI 1.8–3.2,p<0.001)”作为讨论开篇先阐述概念层面的意义,而非数字
自我否定式局限罗列所有缺点,让研究显得毫无价值承认 → 缓解 → 结合背景说明
过度堆叠保留措辞“有可能这或许潜在地表明……”每项论断只用一处保留措辞:“这表明……”
空洞的形容词“有趣的是,我们发现……”直接呈现差异或意外之处
事后才拟定标题“ICU 患者 LDH 水平研究”凝练核心发现:“连续 LDH 变化轨迹可预测危重患者的 90 天死亡率”
没有明确核心发现尚无核心论点便开始写作写作前先确定那个能让问题迎刃而解的关键见解
把粗糙初稿交给资深作者发去杂乱的初稿,指望对方来收拾先润色,让他们专注于论证,而非语法

审稿人心理

审稿人必须:(1) 总结你的论文;(2) 找出优点;(3) 评估有效性;(4) 找出缺点。你可以通过以下方式帮助他们:

审稿人需求如何帮助
总结清晰明了的摘要 + 讨论开篇,让总结变得轻松
找出优点在引言最后一段明确陈述研究贡献
评估有效性在结果中清晰报告敏感性分析
找出缺点诚实地说明局限性(无论如何,他们都会发现)

如果审稿人无法快速总结你的论文,说明是你的结构出了问题,而不是审稿人。

详细指南: references/process.md

校对流程

  • 检查论证脉络——逻辑是否从引言逐步推进到结论?
  • 逐一阅读每个词语、图注和缩写——细节检查
  • 以新手读者的视角阅读——哪些地方会让你困惑?
  • 以挑剔的审稿人的视角阅读——你会质疑什么?
  • 核实正文中的所有数字是否与相应表格和图表一致
  • 至少让两位共同作者分别独立校对
  • 假设参考文献表中有错误——逐一核实所有引文

详细指南: references/process.md

快速扫描

运行内置扫描器,检查机械性反模式(31 项检查,按章节识别):

# Full scan
python3 ~/.claude/skills/manuscript/scan-manuscript.py manuscript.md

# Errors only (high confidence)
python3 ~/.claude/skills/manuscript/scan-manuscript.py --severity error manuscript.md

# Check a single section from stdin
cat results.md | python3 ~/.claude/skills/manuscript/scan-manuscript.py --section Results

# JSON output / markdown checklist
python3 ~/.claude/skills/manuscript/scan-manuscript.py --json manuscript.md
python3 ~/.claude/skills/manuscript/scan-manuscript.py --checklist manuscript.md

# List all checks
python3 ~/.claude/skills/manuscript/scan-manuscript.py --list-checks

可检查的内容(约占此技能中可脚本化指导的 57%):过度堆叠保留措辞、空洞的形容词、在结果中进行解读、教科书式开篇、目标含糊、报告 p 值却未报告 CI、堆砌引用(引言 + 讨论)、缩写形式、重复词语、同义反复的缩写(HIV 病毒)、被动语态比例、句式单调、对表格/图表的叙述、以统计数据开篇的讨论、统计学结论、刻板的过渡语、过度夸大、拟人化、非正式用语、英式/美式拼写混用、名词化表达、冗长措辞、多余修饰语、自我指涉式填充内容、句子冗长、双重否定、缺少报告指南、p 值排序、结果表述模式单调。

无法检查的内容(约占 43%):论证质量、逻辑链条、研究空白的具体程度、解读框架的深度、局限性分析是否平衡。这些需要人工判断或 AI 辅助审查。

相关技能

  • /human-write — 扫描带有 AI 风格的词汇
  • /meta-manuscript-assembly — 为荟萃分析整理表格、图表和参考文献
  • /scientific-figure-assembly — 创建多面板出版级图表
  • /vale — 检查正文的风格和语法
  • /strobe-check — 根据 STROBE 审核观察性研究(队列研究、病例对照研究、横断面研究)
  • /prisma-check — 根据 PRISMA 2020 审核系统综述和荟萃分析
  • /care-check — 根据 CARE 清单审核病例报告
  • /consort-check — 根据 CONSORT 2010 审核 RCT
  • /tripod-check — 根据 TRIPOD+AI 审核预测模型和临床 AI

评论

支持 Markdown