Um fluxo de trabalho profissional de 12 etapas em AI para revisão sistemática de artigos acadêmicos e revisão por pares crítica dentro do Openclaw Skills.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install academic-paper-refinement
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o academic-paper-refinement usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Refinamento de Artigos Acadêmicos?
O Refinamento de Artigos Acadêmicos é uma estrutura técnica sofisticada projetada para levar manuscritos acadêmicos de rascunhos a versões finais prontas para submissão. Ao integrar um ecossistema de múltiplos agentes—incluindo EvoScientist, AutoResearchClaw e revisores pares especializados—esta habilidade automatiza a análise estrutural profunda, verificação de dados e polimento linguístico. É uma ferramenta essencial para pesquisadores que utilizam o Openclaw Skills e que exigem feedback rigoroso e com múltiplas perspectivas para atender aos altos padrões de periódicos e conferências de elite.
A habilidade opera com base no princípio do ceticismo crítico, simulando a perspectiva de um revisor rigoroso para identificar falhas fatais antes da submissão real. Ela gerencia todo o ciclo de vida do refinamento do artigo, incluindo otimização de código LaTeX, geração automática de PDF e gerenciamento de bibliografia de acordo com os padrões CCF. Essa abordagem sistemática garante que cada alegação seja apoiada por evidências e que a apresentação do artigo seja impecável.
Casos de uso do Refinamento de Artigos Acadêmicos
- Simulação de revisão por pares crítica, onde múltiplos agentes identificam possíveis motivos de rejeição para fortalecer os argumentos do manuscrito.
- Auditoria rigorosa de consistência de dados para garantir que os números correspondam perfeitamente entre resumo, texto, tabelas e figuras.
- Humanização da linguagem para refinar o conteúdo gerado por AI em prosa acadêmica natural, mantendo a estrita integridade causal.
- Limpeza automatizada de bibliografia e classificação de referências CCF para garantir que as citações atendam aos padrões de publicação de alta qualidade.
Como o Refinamento de Artigos Acadêmicos funciona
- Realiza uma análise inicial do formato do periódico examinando publicações recentes e reestruturando o código LaTeX de acordo.
- Conduz uma auditoria profunda de dados para verificar a consistência numérica e a completude do relatório estatístico.
- Executa três rodadas distintas de revisões críticas usando quatro agentes de pesquisa AI integrados para avaliar o mérito do artigo.
- Revisa iterativamente o manuscrito com base em uma lista de problemas priorizados (P0 a P2) gerada a partir do feedback combinado dos revisores.
- Aciona otimizações finais, incluindo compressão de conteúdo para limites de página, humanização da linguagem e um processo de compilação LaTeX em 4 etapas.
Configuração do Refinamento de Artigos Acadêmicos
Para utilizar esta habilidade, certifique-se de que seu ambiente tenha os utilitários de processamento de documentos e os caminhos binários necessários configurados.
# Instalar dependências do sistema
sudo apt-get install pandoc wkhtmltopdf poppler-utils
# Verificar a disponibilidade do caminho para ferramentas principais
# \/usr\/local\/bin\/EvoScientist
# \/usr\/local\/bin\/researchclaw
Esquema de Dados e Taxonomia de Refinamento de Artigos Acadêmicos
A habilidade gerencia suas saídas através de uma estrutura de diretórios estritamente versionada, garantindo um rastro de auditoria claro para o processo de refinamento.
| Diretório | Objetivo |
|---|---|
v0\/ - v1\/ |
Limpeza estrutural inicial e relatórios de verificação de dados. |
v2\/ - v4\/ |
Versões de revisão intermediárias baseadas nas revisões das Rodadas 1 e 2. |
humanlike\/ |
A versão processada pelo agente Humanizer para um fluxo natural. |
v_final\/ |
O código LaTeX final pronto para produção e PDF após a limpeza técnica. |
reviews\/ |
Relatórios MD consolidados de todos os agentes (EvoScientist, ARC, etc.) para cada rodada. |
Recursos avançados do Refinamento de Artigos Acadêmicos
- Pontuação de Consenso Multi-Agente: Agrega pontuações de 4 revisores AI diferentes para fornecer uma estimativa confiável de probabilidade de aceitação.
- Controle Causal Automatizado: Garante que o polimento da linguagem não introduza acidentalmente alegações causais proibidas (por exemplo, 'levou a' vs 'associado a').
- Compressão de Limite de Página: Redução inteligente de conteúdo que preserva as contribuições principais enquanto atende às contagens estritas de páginas do editor.
- Verificação LaTeX de Uma Tecla: Script shell automatizado que gerencia os ciclos pdflatex e bibtex para eliminar referências não resolvidas ou marcadores '??'.
- Filtragem de Qualidade CCF: Classifica e valida automaticamente as referências em relação ao catálogo da China Computer Federation.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Data Cleaner Pro
Um utilitário de limpeza de dados impulsionado por IA que lida automaticamente com duplicatas, valores ausentes e erros de formatação em arquivos Excel e CSV.
Downloader de Legendas de Vídeo
Uma ferramenta de alto desempenho para baixar legendas e gerar transcrições com índice de tempo de mais de 1000 plataformas de vídeo.
PageClaw Facebook AI
Uma habilidade de alta eficiência que transforma um agente de IA em um gerenciador de páginas do Facebook completo, com OAuth automático e conjuntos de habilidades específicos para nichos.
WebSearch Agregador Multi-Motor
Um agregador de pesquisa web multi-motor de alto desempenho que fornece resultados de pesquisa abrangentes sem exigir nenhuma API-key.
Adaptador de Conteúdo Chinês Multiplataforma
Um mecanismo automatizado de formatação e otimização projetado para adaptar conteúdo chinês para Juejin, Zhihu, Xiaohongshu e Contas Oficiais do WeChat.
OpenClaw Memory
Um sistema de memória de longo prazo persistente que permite aos OpenClaw agents lembrar preferências de usuário, fatos e contexto de projeto em múltiplas sessões.
METADATA
Apresentou*
