ppw:abstract

目的

此 Skill 使用固定的 5 句 Farquhar 公式生成或优化学术论文摘要：[1：贡献]、[2：难点]、[3：方法]、[4：证据]、[5：关键结果]。它有两条互斥路径：根据原始材料（论文各部分、要点或简要描述）生成新摘要，或重组现有摘要，使其符合该公式。两条路径都会先生成带标签的输出，方便用户逐句核对是否符合公式，随后提供一版简洁的纯段落文本，可直接复制使用。指定目标期刊时，会应用该期刊特有的风格规范。

触发条件

在用户提出以下请求时激活：

• 根据论文内容撰写、生成或创建摘要
• 优化、重组或改写现有摘要
• 写摘要、生成摘要、改写摘要、优化摘要

示例请求：

• “为我的论文写一份摘要” / “帮我写摘要”
• “优化我现有的摘要” / “改写我的摘要”
• “使用 5 句公式重组这份摘要”
• “根据我的引言和结果生成一份符合 CEUS 要求的摘要”

模式

模式	默认	行为
direct	是	使用 5 句公式一次性输出摘要
batch		不支持——摘要需要完整的论文上下文

默认模式： direct。用户提供内容后，一次性获得带标签版本和简洁版本的摘要。

路径选择（在 direct 模式中）：

• 输入看起来像一份完整的摘要 → 重组路径
• 输入是原始内容（各部分、要点、“我的论文主要讨论……”）→ 生成路径
• 不明确 → 继续前先询问

参考资料

必需（始终加载）

文件	用途
references/expression-patterns.md	学术表达模式概述

细分提示（按需加载）

文件	加载时机
references/expression-patterns/introduction-and-gap.md	贡献与研究空白的表述（第 1–2 句）
references/expression-patterns/conclusions-and-claims.md	措辞审慎的论断（第 1 句和第 5 句）
references/expression-patterns/methods-and-data.md	方法描述（第 3 句，描述较弱时）
references/expression-patterns/results-and-discussion.md	证据与结果的表述（第 4–5 句）

期刊模板（有条件加载）

• 用户指定目标期刊时，加载 references/journals/[journal].md。
• 如果没有对应模板，拒绝：“未找到 [X] 的期刊模板。可用模板：CEUS。”
• 如果用户未指定期刊，询问一次；若用户拒绝，则采用通用学术风格。

询问策略

开始前，询问以下事项：

1. 路径：用户是要重组现有摘要，还是根据原始内容生成摘要？（输入已明确时跳过）
2. 如果未指定，询问目标期刊（只问一次；若用户拒绝，则采用通用学术风格）
3. 如果知道字数限制，询问具体限制（通常为 150–300 词；只问一次）

路径推断：

• 用户粘贴的文本看起来像一份摘要 → 重组路径
• 用户提供各部分、要点或“我的论文主要讨论……” → 生成路径
• 不明确 → 询问：“您有现成的摘要需要重组，还是希望我根据您提供的材料生成一份？”

规则：

• 开始前最多询问 2 个问题。
• 如果能明确推断路径，则跳过路径问题。
• 在 direct 模式下，如果上下文充足，直接开始，无需预先提问。

工作流

步骤 0：工作流记忆检查

• 读取 .planning/workflow-memory.json。如果文件不存在或为空，则跳至步骤 1。
• 检查最后 1-2 条日志是否构成一个已识别模式，该模式包含 ppw:abstract，且在日志中出现次数 >= 阈值。完整算法请参阅 skill-conventions.md > Workflow Memory > Pattern Detection。
• 如果找到模式，通过 AskUserQuestion 提出建议：
  • 问题："检测到常用流程：[pattern]（已出现 N 次）。是否直接以 direct 模式运行 ppw:abstract？"
  • 选项："Yes, proceed" / "No, continue normally"
• 如果用户接受：将模式设为 direct，跳过 Ask Strategy 问题。
• 如果用户拒绝或 AskUserQuestion 不可用：按正常模式继续。

步骤 1：收集上下文

• 加载 references/expression-patterns.md 概览。
• 如果指定了期刊，则加载 references/journals/[journal].md。如果文件不存在，则拒绝并回复："未找到 [X] 的期刊模板。可用模板：CEUS。"
• 读取用户输入：通过 Read 工具读取文件，或使用对话中粘贴的文本。
• 确定路径：如果输入看起来像一篇成型的摘要，则重组；如果是原始材料，则生成。若有歧义，则询问。
• 退出选项检查： 扫描用户的触发提示，检查是否包含以下任一短语（不区分大小写，精确匹配）：english only、no bilingual、only english、不要中文。将结果保存为 bilingual_mode（true/false）。此标记决定下方步骤 3 的输出。
• 记录工作流： 将 {"skill": "ppw:abstract", "ts": "<ISO timestamp>"} 追加到 .planning/workflow-memory.json。如果文件不存在，则创建并写入 []。如果日志长度 >= 50，则删除最旧的条目。

步骤 2a：生成路径（提供原始内容）

• 加载 references/expression-patterns/introduction-and-gap.md，用于构建贡献与研究空白。
• 加载 references/expression-patterns/conclusions-and-claims.md，用于校准论断措辞。
• 如果用户对方法的描述较弱，则加载 references/expression-patterns/methods-and-data.md。
• 综合生成句子 1（贡献）：以 "We introduce / propose / demonstrate / show..." 开头。
• 综合生成句子 2（难度）：说明该问题为何难以解决或为何重要。
• 综合生成句子 3（方法）：说明如何解决该问题，并使用关键技术术语。
• 加载 references/expression-patterns/results-and-discussion.md，用于撰写句子 4-5。
• 综合生成句子 4（证据）：说明测量了什么，以及使用了哪个基准或数据集。
• 综合生成句子 5（关键结果）：说明最重要的数值结果或定性结果。

步骤 2b：重组路径（提供现有摘要）

• 加载与生成路径相同的叶级提示。
• 将现有每个句子对应到 5 个公式位置之一。
• 重写每个句子，使其更符合公式，同时保留用户的内容。
• 内部审查： 重组后，确认 5 个位置均已填写。
• 对任何缺失的位置标记 [MISSING: position-name]——绝不悄然删除内容。

步骤 3：输出

• 首先呈现带标签的版本（明确标注公式位置，见输出规范）。

• 呈现纯净版本（无标签的普通段落），两者之间以 --- 分隔。

• 如果用户想保存，则提出使用 Write 工具写入文件。

• 如果指定了字数限制，则报告字数；超出限制时发出警告。

• 双语显示： 如果 bilingual_mode 为 true，则在呈现带标签版本和纯净版本后，分别为摘要中的每个句子追加一个 > **[Chinese]** ... 引用块。引用块前使用标题："双语对照 / Bilingual Comparison:"。格式：

  [Chinese] [1: 贡献] ... [Chinese] [2: 难度] ... [Chinese] [3: 方法] ... [Chinese] [4: 证据] ... [Chinese] [5: 关键结果] ...

  每个引用块对应 Farquhar 公式中的一个句子。中文标签前缀仅为便于阅读——纯净版本的中文译文应遵循普通段落结构，不加标签。

• 如果 bilingual_mode 为 false（检测到退出选项），则完全跳过双语显示。

• 可酌情推荐 Polish Skill，进一步润色表达。

输出约定

输出	格式	条件
labeled_abstract	带有 [N: Position] 标记的 5 句分段文本	始终
clean_abstract	不带标签的纯文本段落，以 --- 分隔	始终
字数	整数	用户指定字数限制时
bilingual_abstract	会话中的 > **[Chinese]** ... 引用块（每句一个）	bilingual_mode 为 true 时（默认）。检测到用户选择退出时跳过。

确切的带标签格式：

[1: Contribution] We propose...
[2: Difficulty] Despite growing interest in X, existing approaches fail to...
[3: Method] We address this by...
[4: Evidence] Evaluated on N datasets...
[5: Key Result] Our approach achieves...

---
Clean version:
We propose... Despite growing interest in X, existing approaches fail to... We address this by... Evaluated on N datasets... Our approach achieves...

边缘情况

情况	处理方式
输入存在歧义（无法明确判断是原始内容还是现有摘要）	继续前先询问：“您是有一份现有摘要要重新组织，还是希望我生成一份？”
现有摘要少于 5 句	执行重组流程；用 [MISSING: ...] 标记缺失的位置
用户指定字数限制	统计输出中的字数；若超出限制，则给出准确字数并提醒
已指定期刊，但缺少模板	拒绝：“未找到 [X] 期刊模板。可用模板：CEUS。”
无法根据现有内容填入公式中的某个位置	标记为 [MISSING: difficulty statement]；不得编造内容
用户只提供了标题或一句话概述	继续前请用户提供更多内容

备用方案

情况	备用方案
结构化交互不可用	以纯文本提出 1–2 个问题（路径 + 期刊）
缺少表达模式叶节点	采用通用学术文体继续；并提醒用户
缺少期刊模板（未指定期刊）	询问一次；若用户拒绝，则采用通用学术风格
写入工具失败	改为在对话中提供输出

示例

调用方式：“帮我按照 5 句公式重组摘要。”

用户粘贴：“本文利用 GPS 数据研究城市出行模式。我们发现出行具有很强的可预测性。我们提出了一种名为 MobNet 的模型。在下一地点预测任务中，它的表现比现有方法高出 12%。”

输出：

[1: Contribution] We propose MobNet, a model for predicting urban mobility using GPS data.
[2: Difficulty] Despite the prevalence of GPS data, existing mobility models fail to capture [MISSING: difficulty statement — why prediction is hard or why existing approaches fall short].
[3: Method] MobNet addresses this by [MISSING: method description — how MobNet works].
[4: Evidence] Evaluated on a next-location prediction task using GPS traces from urban environments.
[5: Key Result] MobNet outperforms existing approaches by 12% on next-location prediction.

---
Clean version:
We propose MobNet, a model for predicting urban mobility using GPS data. [MISSING: difficulty statement]. MobNet addresses this by [MISSING: method description]. Evaluated on a next-location prediction task using GPS traces from urban environments. MobNet outperforms existing approaches by 12% on next-location prediction.

公式中的两个位置被标记为缺失。请提供：(1) 出行预测为何困难，或现有方法有哪些不足；(2) 简要说明 MobNet 的工作原理。

---

技能：abstract-skill 约定：references/skill-conventions.md