科学写作 Skill 怎么用：IMRAD 实操

写论文时，你是不是也这样：文献看了几十篇，动笔时却变成 bullet point 堆砌；方法部分写了三版，导师还是说"不像人话"；投稿前发现引用格式混了 APA 和 Vancouver，返工到凌晨。学术写作的折磨，往往不在研究本身，而在"把研究讲清楚"这件事上。

这个 Skill 到底能帮你做什么

"科学写作" Skill 的核心定位很明确：以完整段落输出流畅散文，拒绝要点列表。它内置了两阶段工作流——先用 research-lookup 搭建带关键点的章节大纲，再将大纲逐段扩展成文。结构层面强制遵循 IMRAD（引言、方法、结果、讨论），引用覆盖 AMA、Vancouver、APA、Chicago、IEEE 五种主流格式，报告规范对齐 CONSORT、STROBE、PRISMA 等学科标准。

一个容易被忽略但强制性的要求：每篇文档必须包含图形摘要，且至少调用 scientific-schematics 生成 1-2 张额外示意图。研究论文的推荐图量甚至达到 6-8 张。这不是装饰，而是 Skill 设计者的硬性约束——"没有视觉元素的科学论文是不完整的"。

怎么启用

该 Skill 兼容 Claude Code、OpenClaw、Hermes Agent 三种工具。启用方式遵循各工具的 Skill 加载机制：在 Claude Code 中通过 /skill 或项目级配置引入；其他兼容工具按各自的 Skill 市场或配置文件启用即可。无需额外命令行安装，也不存在 pip install 之类的步骤。

实操：一段引言的打磨过程

假设你在写一篇机器学习辅助诊断的论文，初稿大纲经 research-lookup 生成后长这样：

• 心血管疾病负担重
• 传统诊断有局限
• ML 方法兴起
• 本研究目的

直接扩写会很干。Skill 的约束是"完整段落、流畅散文"，所以你要逐层推进：先建立临床重要性（全球死因首位，早期诊断可改善预后），再指出现有 gap（影像判读依赖专家经验，基层资源不足），接着引入 ML 的解决潜力（卷积神经网络在影像分类中的突破），最后收敛到你的研究问题（多中心验证某模型的泛化性能）。每句之间用逻辑连接词咬合，避免"A 很重要。B 有缺点。C 出现了"这种断裂感。

引用插入时，Skill 会按你指定的样式格式化。选 AMA 就得上标数字，Vancouver 用方括号，APA 则是作者-年份括号——样式一旦选定，全文自动统一，不用手动改括号位置。

这些场景它确实管用

• 从零搭建 IMRAD 骨架，防止方法部分漏掉伦理声明或样本量计算
• 审稿人回复信的结构性重写（把散点意见组织成" point-by-point response"）
• 期刊投稿前的格式审查：检查引用是否混用、图表是否自解释、是否缺图形摘要
• 非英语母语者的语言润色：在"精确"和"可读"之间找平

边界在哪：别指望它替你思考

这个 Skill 不会替你设计实验、不会跑统计、不会判断你的 p 值是否值得报道。它不连接真实数据库做文献检索——research-lookup 的大纲基于你提供的材料，而非实时 PubMed 抓取。图形摘要的生成依赖 scientific-schematics 和 generate-image 两个配套 Skill，如果环境中未启用，"强制作图"就只是空头指令。

最关键的一点：它输出的是"符合格式规范的文本"，不是"正确的科学结论"。讨论部分的机制解释是否合理、局限性承认是否到位，仍需你的学科判断。把它当作一个严格执行格式纪律、拒绝 bullet point 的写作搭档，而不是自动论文工厂——这才是 realistic 的使用预期。