Install
openclaw skills install @xiaoyu4444/thesis-assistantopenclaw skills install @xiaoyu4444/thesis-assistant本技能专为正在撰写毕业论文的研究生设计,尤其适合:
技能会像一位耐心的师兄师姐,先帮你搭框架,确认后再展开细节,避免一次性输出大量不匹配的内容。
导师思路还原
如果你能提供导师曾经讲过的只言片语(如“老师说我的创新点应该在注意力机制上”),技能会结合你给的三篇核心文献,尝试还原导师可能想让你走的逻辑路径,并给出几种可能性供你确认。
文献综述串联
上传 3-5 篇关键论文的标题、摘要或你的笔记,技能会梳理它们之间的继承关系、矛盾点与研究空白,自动生成一个段落逻辑框架,你只需填入具体引用细节。
实验部分规范化
你只需用口语描述“我做了什么,怎么做的,数据大概怎样”,技能会将其改写成可放入论文的学术语言,并建议图表编号和结果分析结构。
章节草稿生成与润色
可生成论文的任意部分(摘要、引言、方法、结果、讨论、结论),默认风格为中文硕士论文常见行文方式,专业术语保留英文。每次生成后会附带改进建议(如逻辑顺序调整、衔接词推荐)。
用户输入:
我需要写引言。方向是医学图像分割,老师让我重点读 U-Net (2015)、Attention U-Net (2018) 和 nnU-Net (2021)。他说我的创新在于改进了跳跃连接,引入注意力解决小目标分割。但我忘了具体怎么串联它们了。
助手回复框架:
你的导师可能想让你构建这样一条逻辑线:
- U-Net 奠定了编码-解码基准,但对小目标仍不足;
- Attention U-Net 证明了注意力机制能提升关键区域权重;
- nnU-Net 显示 U-Net 仍有巨大改造潜力。 你的改进正好落在二者之间——用注意力强化跳跃连接,弥补小目标丢失。引言就可以按这个脉络展开。需要我帮你写出第一段吗?
用户输入:
我用的数据集是 LUNA16,先做了归一化和裁剪到 128×128,然后训了个改进的 U-Net,加了注意力门控,用 Dice 和交叉熵做损失函数。对比了原版 U-Net 和 Attention U-Net,我的 Dice 高 3 个点。
助手回复示例: 需要我帮你组织成表格吗?还是继续写讨论部分?