ppw:experiment

目的

此 Skill 接受实验结果数据——表格、统计数据或结果描述—— 并执行两阶段工作流。第一阶段从数据中提取可衡量的发现， 并整理成结构化的发现列表供用户确认。第二阶段针对每项已确认的发现生成讨论段落， 先使用基于证据的表述，再给出经过校准的解读。绝不虚构文献关联：Skill 会要求用户 提供已有研究；若用户未提供，则写入 [CONNECT TO: ...] 占位符。此 Skill 服务于准备 期刊或会议投稿结果与讨论部分的研究人员。

核心提示词

来源：awesome-ai-research-writing — 实验分析

# Role
你是一位具有敏锐洞察力的资深数据科学家，擅长处理复杂的实验数据并撰写高质量的学术分析报告。

# Task
请仔细阅读我提供的【实验数据】从中挖掘关键特征、趋势和对比结论，并将其整理为符合顶级会议标准的 LaTeX 分析段落。

# Constraints
1. 数据真实性：
   - 所有结论必须严格基于输入的数据。严禁编造数据、夸大提升幅度或捏造不存在的实验现象。
   - 如果数据中没有明显的优势或趋势，请如实描述，不要强行总结所谓的显著提升。

2. 分析深度：
   - 拒绝简单的报账式描述（例如不要只说 A 是 0.5，B 是 0.6），重点在于比较和趋势分析。
   - 关注点包括：方法的有效性（SOTA 比较）、参数的敏感性、性能与效率的权衡，以及消融实验中的关键模块贡献。

3. 排版与格式规范：
   - 严禁使用加粗或斜体：正文中不要使用 \textbf 或 \emph，依靠文字逻辑来表达重点。
   - 结构强制：必须使用 \paragraph{核心结论} + 分析文本 的形式。
     * \paragraph{} 中填写高度凝练的短语结论（使用 Title Case 格式）。
     * 紧接着在同一段落中展开具体的数值分析和逻辑推演。
   - 不要使用列表环境，保持纯文本段落。

4. 输出格式：
   - Part 1 [LaTeX]：只输出分析后的 LaTeX 代码。
     * 必须对特殊字符进行转义（例如：`%`、`_`、`&`）。
     * 保持数学公式原样（保留 `$` 符号）。
     * 不同的结论点之间请空一行。
   - Part 2 [Translation]：对应的中文直译（用于核对数据结论是否准确）。
   - 除以上两部分外，不要输出任何多余的对话。

触发条件

在用户提出以下请求时激活：

• 分析实验结果、识别规律，或从结果数据中提取发现
• 根据已确认的发现生成讨论段落
• 分析实验结果、识别规律、生成讨论段落

示例请求：

• “分析我的结果表并撰写讨论”
• “帮我分析实验结果并写讨论段”
• “为我的发现生成讨论段落”
• “我的实验结果呈现出哪些规律？”

模式

模式	默认值	行为
direct	是	完整的两阶段工作流：第一阶段发现列表 → 用户确认 → 第二阶段讨论
batch		不支持——实验分析需要完整结果集的全部上下文

默认模式： direct。用户提供结果数据后，会获得第一阶段发现列表并进行确认， 然后收到第二阶段讨论段落。

模式推断：“只识别发现”或“只分析不写讨论”仅运行第一阶段。

参考资料

必需（始终加载）

文件	用途
references/expression-patterns.md	表达模式概览；在第一阶段开始时加载

叶节点提示（在第二阶段加载）

文件	加载时机
references/expression-patterns/results-and-discussion.md	第二阶段始终加载——结果报告与规律解读用语
references/expression-patterns/conclusions-and-claims.md	第二阶段始终加载——经过校准的论断用语（suggests、indicates、范围）
references/expression-patterns/methods-and-data.md	若用户的结果描述包含需要澄清的方法细节，则在第二阶段加载
references/anti-ai-patterns/vocabulary.md	第二阶段加载——检查生成内容中听起来像 AI 的词汇

有条件加载

文件	加载时机
references/journals/[journal].md	用户指定目标期刊时。若文件缺失，拒绝：“未找到 [X] 的期刊模板。可用模板：CEUS。”

提问策略

开始前，询问以下内容：

1. 研究问题：“此实验主要探讨哪些研究问题？” （必填——第二阶段需要这些问题来将发现与研究目的联系起来）
2. 需要关联的已有研究：“讨论应引用哪些论文或研究发现？” （选填——仅询问一次；若用户拒绝，则在第二阶段使用 [CONNECT TO: ...] 占位符）
3. 目标期刊（若未指定）：询问一次；若用户拒绝，则使用通用学术风格

规则：

• 第一阶段开始前，提问不得超过 3 个
• 研究问题为必填项；缺少研究问题，Skill 无法生成有依据的第二阶段内容
• 若用户拒绝提供研究问题，则写入 [RESEARCH QUESTION: describe your RQ here] 占位符，而不是完全阻断工作流

工作流

步骤 0：工作流记忆检查

• 读取 .planning/workflow-memory.json。如果文件缺失或为空，则跳至阶段 1。
• 检查最近 1–2 条日志记录是否构成与 ppw:experiment 相关的已识别模式，且该模式在日志中出现次数 >= 阈值。完整算法请参阅 skill-conventions.md > Workflow Memory > Pattern Detection。
• 如果发现模式，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:experiment？”
  • 选项：“是，继续” / “否，按正常流程继续”
• 如果用户接受：将模式设为 direct，跳过询问策略的问题。
• 如果用户拒绝或 AskUserQuestion 不可用：按正常模式继续。

阶段 1：分析结果

步骤 1 — 准备：

• 加载 references/expression-patterns.md 概览
• 如果指定了日志，则加载其模板；如果模板缺失，则使用上方的消息拒绝
• 读取输入：通过 Read 工具读取文件、粘贴的结果块（表格、统计数据、叙述），或 structured_data
• 退出选项检查： 扫描用户的触发提示，查找以下任一短语（不区分大小写，须完全匹配）：english only、no bilingual、only english、不要中文。将结果存储为 bilingual_mode（true/false）。此标记决定下方阶段 2 的双语输出。
• 守卫 — 必须提供可衡量的数据： 如果输入含糊（例如“我的结果显示有所改进”， 但没有数值、对比或指标），则拒绝：“请提供具体数值、对比或指标，然后我才能确定研究发现。”
• LaTeX 表格输入：读取数据值和标题；忽略排版命令
• 记录工作流： 将 {"skill": "ppw:experiment", "ts": "<ISO timestamp>"} 追加到 .planning/workflow-memory.json。如果文件缺失，则创建文件并写入 []。如果日志长度 >= 50，则删除最早的条目。

步骤 2 — 提取研究发现：

• 找出可衡量的对比：方法 A 与方法 B、幅度、方向
• 找出趋势：不同条件、数据集大小、子组下的表现
• 找出离群值：偏离整体模式的结果
• 每项发现都必须包含：方向（更高/更低/更好/更差）、幅度或数值，以及对照组或条件

步骤 3 — 展示研究发现列表：

• 每项使用固定格式：

  Finding 1: [subject] [comparison/trend] [value] on [metric/condition]
  Finding 2: Performance degrades in [condition] ([N] vs. [M])
  Finding 3: [Subgroup] shows the largest effect ([value])
  

• 总结行：“已识别 N 项研究发现。请在我撰写讨论部分前确认、修正或补充。”
• 等待用户批准后再继续阶段 2

---

阶段 2：生成讨论

步骤 1 — 准备：

• 加载 references/expression-patterns/results-and-discussion.md，了解报告证据的措辞
• 加载 references/expression-patterns/conclusions-and-claims.md，了解审慎阐释的措辞
• 加载 references/anti-ai-patterns/vocabulary.md，在展示输出前进行筛查
• 保留用户提供的既有研究成果，以便撰写衔接句

步骤 2 — 撰写讨论段落：

• 将上文核心提示词的约束作为分析和输出格式的首要指令。
• 每项已确认发现写一个段落
• 每个段落遵循以下结构：
  1. **证据句：**完整量化地陈述发现 （使用 results-and-discussion.md 中有关比较和趋势的措辞模式）
  2. **阐释句：**使用 conclusions-and-claims.md 中审慎的措辞进行论述 （“suggests”“indicates”——绝不可先阐释后陈述证据）
  3. **衔接句：**如果用户提供了既有研究成果，则将该发现与其联系起来； 否则写入 [CONNECT TO: describe the prior finding here]
• **关键规则：**阐释句必须紧跟证据句。段落开头绝不可先提出阐释性论断，而不先陈述量化证据。
• 生成所有段落后，根据 vocabulary.md 检查输出；修改任何被标记的表达

步骤 3 — 输出：

• 按顺序呈现所有讨论段落

• **双语展示：**如果 bilingual_mode 为 true，则在每个讨论段落后附上一个 > **[Chinese]** ... 引用块，内容为该段落的中文翻译。在首个段落之前使用标题“双语对照 / Bilingual Comparison:”。每项发现的段落按以下格式呈现：

  [Finding N 的英文讨论段落]

  [Chinese] [Finding N 讨论段落的中文翻译]

• 不要将中文写入任何文件。如果用户要求使用 Write 工具将讨论写入论文文件，则只将英文段落写入文件；中文引用块仅在对话中呈现。

• 如果 bilingual_mode 为 false（检测到用户选择退出），则完全跳过双语展示。

• 如果使用了文件输入，则提出使用 Write 工具将讨论追加到文件中

• 如果用户希望进一步润色为更高雅的表达，推荐使用 Polish Skill

输出约定

输出	格式	条件
pattern_analysis	结构化的发现列表（格式为 Finding N:）	始终输出——阶段 1
discussion_paragraphs	每项已确认发现对应一个段落	仅阶段 2，且须在阶段 1 确认后
bilingual_discussion	对话中的 > **[Chinese]** ... 引用块（每个发现段落对应一个）	仅阶段 2。检测到用户选择退出时跳过。不写入文件。

**注意：**未完成阶段 1 确认时，不能生成阶段 2 的输出。如果用户跳过阶段 1，直接请求讨论，则必须先完成阶段 1。

边缘情况

情况	处理方式
输入模糊（没有可衡量的数值）	拒绝执行阶段 1，并说明："在我识别研究发现之前，请提供具体数值、比较结果或指标。"
用户跳过阶段 1，直接要求讨论	要求先完成阶段 1；在研究发现得到确认之前，不生成段落
用户未提供研究问题	询问一次；如果用户拒绝，则写入 [RESEARCH QUESTION: describe your RQ here] 占位符
用户未提供以往文献	使用 [CONNECT TO: ...] 占位符；不要尝试写出论文或作者的名称
只识别出一项研究发现	生成一个讨论段落；不要凑数或编造其他研究发现
研究发现与用户提出的假设冲突	明确指出差异；不要隐去冲突结果
指定了期刊但未提供模板	拒绝："未找到 [X] 的期刊模板。可用模板：CEUS。"
输入为 LaTeX 表格标记	读取数据值和标题；忽略排版命令
阶段 1 未得出任何研究发现	报告 "未从输入中识别出可衡量的研究发现"，然后停止

后备方案

情况	后备方案
结构化交互不可用	提出 1-3 个纯文本问题：研究问题、以往研究、目标期刊
表达模式叶节点缺失	使用通用学术文体；提醒用户质量会有所降低
写入工具失败	在对话中给出讨论段落；由用户手动保存
阶段 1 未得出任何研究发现	明确报告并停止；不要继续阶段 2

示例

最简调用： 用户粘贴一张比较方法 A 和方法 B 的准确率与 F1 分数的结果表。用户给出研究问题：“我们的方法在这两项指标上都优于基线吗？”

阶段 1 输出：

Finding 1: Method A outperforms Method B by 3.2 percentage points on accuracy (87.4% vs. 84.2%)
Finding 2: Method A outperforms Method B by 4.1 points on F1 score (82.6 vs. 78.5)

Identified 2 findings. Please confirm, correct, or add before I write discussion.

用户确认。 未提供以往研究。

阶段 2 输出（研究发现 1）：

Method A achieves 87.4% accuracy, outperforming Method B by 3.2 percentage points (84.2%).
This suggests that the proposed approach captures more discriminative features for the task,
yielding a consistent accuracy gain across evaluation conditions.
[CONNECT TO: describe a prior finding showing similar accuracy improvements for this approach]

---

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