科学写作：揭秘背后的两阶段引擎

理解 Scientific Writing 的运行模式，能帮你更好地驾驭它。与普通的聊天机器人不同，该技能的核心是一套严谨的“思维转换系统”，旨在将碎片化的科研发现转化为具有极高逻辑密度的学术产出。

核心引擎：从脚手架到精密建筑

该技能拒绝“一步到位”式的生成。为了防止 AI 在长篇大论中产生逻辑漂移或事实幻觉，它采用了独特的两阶段工作流：

第一阶段：构建逻辑骨架

当你给出一个指令，系统首先会通过内置的 IMRAD 框架指令集，对你的输入进行“提炼”处理。它会识别出哪些是背景（Background），哪些是你的核心发现（Key Findings），哪些是用于支撑的外部文献。随后，它会产出一个结构化的大纲。这就像是盖房子时的脚手架，确保了整篇文章的承重结构是稳固且符合逻辑的。

第二阶段：智能正文填充

一旦逻辑骨架确立，系统会启动“扩展式填充”算法。它会逐一扫描骨架上的逻辑节点，将要点转换为完整的、具有学术质感的句子。在这个过程中，它会自动应用转折词（如 However, Furthermore），并根据领域特定的命名规范对术语进行校准，最终完成从骨架到精密建筑的转化。

多维技能的协同矩阵

Scientific Writing 并不是孤立运行的，它的强大源于与其他专业技能的深度交互：

知识验证链 (Wait & Verify)

在起草过程中，它会频繁调用 research-lookup 等研究探索工具。当你在文中提及某个具体的行业趋势或药物数据时，系统会优先尝试去真实的学术文献库中进行验证和引文匹配，而不是凭空捏造。

视觉语义同步

当你要求生成示意图时，scientific-schematics 技能会读取当前文章的方法论段落。它不仅仅是画一张图，而是通过解析文字中的实体关系（如 A 物质作用于 B 受体），将其转化为符合出版规范的视觉符号，确保图文关系的高度统一。

隐私与学术伦理

我们深知科研数据的敏感性。系统在处理你的实验记录和大纲时，遵循严格的单次处理原则，不会将你的私有数据用于其他用户的模型训练。与此同时，它在输出中会明确标注出哪些是基于你提供的事实的逻辑衍生，哪些是需要你进一步核实的文献引用，全力辅助你维护学术诚信。