企业官网建设流程全解析

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本文围绕 PaperSpine5 论文生产工作流中的核心方法文档 journal-learning.md 展开，系统讲解如何在既有任务中开展“期刊学习（journal learning）”：如何按保存的偏好配置选定两套阅读文献（同领域强论文与目标期刊代表论文）、如何以本地目标期刊 PDF 完成版式观察、如何构建广覆盖且不设全文本门槛的参考文献、如何把学到的论证结构与图表设计迁移进实际手稿，以及如何对成稿做独立编辑评审。读完本文，你将掌握一套“文献学习 → 版式学习 → 论证迁移 → 独立评审”的完整可执行流程，并能在materials_only（仅用已有材料、不做新分析）等受限模式下正确开展文献工作。

一、适用范围与基本前提

journal-learning.md明确定位为当前 host 工作流内的期刊学习规范，适用于公共文献学习、手稿规划与修订阶段。它有一个容易被忽视但重要的前提：

• 该规范同样适用于materials_only模式。materials_only禁止的是新的数据分析、实验、模型运行，并不禁止正常的文献工作——阅读公共文献、引用查证、目标期刊格式研究、参照图阅读都属于正常能力范围（可参见 research.md 的对应表述）。
• 必须尊重明确的离线指令：用户明确要求离线时，不能通过网络检索补充文献。
• 私人材料必须保持本地化：除非获得明确授权，不得将私有数据、患者信息等上传或外传。

这套规则在整个 Skill 中被广泛引用。例如 SKILL.md 在研究、目标学习与引用阶段明确要求“使用保存的学习集规模；检查真实的目标期刊 PDF、当前官方投稿说明与可用的官方模板”，并强调“摘要只能支撑有限范围的论断，不能证明全文、图表或页面设计的学习已完成”。research-sota.md、reviewer-evidence.md 等 Agent 文件也把journal-learning.md列为必读方法文件，说明它是整套 Skill 的文献学习主轴。

二、保存的偏好与两套阅读文献（3+3 / 6+6 / custom）

2.1 配置读取与默认值

学习开始前，必须从任务/桥接中读取实际保存的configuration.target（目标期刊）、场景（scene）与configuration.literature（文献偏好），而不是凭空假设。当文献偏好缺失时，使用下列默认值：

Web 配置界面支持3+3、6+6 与自定义数量（custom），且保存的自定义选择优先于默认值。默认两套文献应使用六篇互不相同的论文；某篇论文可以身兼两个角色并在笔记中注明，但“一篇论文被计数两次”不等于学习了六篇。选文标准是：相关性强、研究质量高、沟通表达达到目标期刊水平或以上，并依据主题、文章类型、贡献与图表质量说明选择理由。

关于选文质量，文档给出了一个重要告诫：不要把可获得性（availability）、开放获取（open access）或未经核实的期刊排名等同于科学质量。开放获取只是一个“访问约束”，不是质量证据；恰好容易下载的弱图不能因为“容易获取”就被选为参照图（这一原则在 scientific-figure-workflow.md 中被重申）。

2.2 目标期刊未指定时怎么办

这是最容易出错的地方，文档给出了严格的处置规则：

1. 未指定期刊时，不能把 Agent 自行挑选的对比期刊悄悄当作目标期刊（provisional comparator ≠ target）。对比文献可用于指导一般质量水平，但不能支撑“符合目标格式”的声明。
2. 若用户已授权委托选刊：选择科学上合适、且能找到可见已出版 PDF 范例的期刊，说明契合理由，并在目标特定装配之前通过正常 Web 配置流程保存该期刊。
3. 否则：只请求一次简洁的目标决策，同时继续进行安全的、与期刊无关（venue-neutral）的工作。
4. 尊重明确的非期刊场景（如会议、竞赛、报告评审等，参见 scenario-*.md 系列）。
5. 若用户授权开放获取替代方案：通过同一配置工作流记录该目标变更。若非开放获取（non-OA）目标阻碍了所要求的学习，应利用已有的委托授权选择合适的 OA 目标并更新其文章要求——不要反复索要同一权限，也不要悄悄改变用户明确固定的期刊。
6. 保留有用的同领域工作与更广泛的非 OA 引用（只要它们有真实摘要支撑即可）。

2.3 官方作者说明与已出版论文的区别

对选定的文章类型，必须读取当前官方的作者说明（author instructions），覆盖：长度、摘要、章节、图表、参考文献风格、必需文件与模板。同时必须把官方规则与已出版论文中观察到的风格模式区分开：

• 官方规则 = 合规性依据（必须遵守）；
• 已出版语料中的模式 = 五段式叙事偏好（用于学习，不是硬性规则）。

这一“官方要求 vs 出版语料偏好”的分离在 target-journal-research.md 中被明确为搜索要求第 6 条。

2.4 每篇学习论文应记录什么

对每篇学习论文，至少记录四类信息：

• 标识符（identifier）：论文的唯一可核验身份；
• 角色（role）：同领域 / 目标期刊 / 参考角色；
• 实际读过的部分（parts actually read）：不是“读了全文”，而是如实标注；
• 几条具体教训（a few concrete lessons）：对论证与写作的观察。

读取要求非常具体：读取可访问的正文段落来学习论证与行文；检查真实图表来学习视觉表达。出版商预览、作者手稿（author manuscript）与机构副本都可以提供这些部分。文档特别强调：仅有摘要不能证明你研究过不可获取的图表或全文的写作结构——摘要只支撑它实际支撑的有限论断。必要时选择可比较、可见的范例替代，但不要把更广泛的参考文献限制在开放获取论文内。

三、本地目标期刊 PDF 与可见页面设计

3.1 下载与验证规则

对每篇选定的目标期刊学习论文，执行以下操作：

1. 下载为本地 PDF，存放在同一任务的paper/references/或已有范例目录下；
2. 优先使用出版商的正式版本（version of record），记录其来源 URL 与文章身份；
3. 打开 PDF 确认真实性：确认是正确文章、可读、完整。带有 PDF 文件名的 HTML 错误页不是一次成功的下载；
4. XML/HTML 可用于搜索和提取文本，但不能替代本地学习 PDF。

访问方式必须合法：使用正常的出版商、仓储或授权访问。若已出版 PDF 不可用：

• 区分作者手稿 PDF与出版商版本；不要把 XML/HTML 打印成 PDF 冒充原始期刊排版；
• 寻找可比较的已出版 PDF 范例，记录替代情况，并在有用时保留原始科学引用；
• 若仍无法访问：报告这一具体学习缺口，继续独立写作，不要默默把它算作“已完成 PDF/格式学习”。

该要求只适用于目标期刊学习集，不适用于更广泛参考文献中的每一篇论文。

3.2 渲染与视觉阅读

在选择或修改手稿模板之前，必须渲染并视觉阅读目标 PDF，覆盖以下部分：

• 标题/摘要页；
• 正常正文页；
• 图表页与图注（captions）；
• 参考文献页。

需要对比的页面设计要素包括：页面几何、栏数、字体与字号、行距（leading）、标题层级、段落间距、引用外观（citation appearance）、浮动对象位置（float placement）、页面密度与留白量（intentional white space）。

文档的关键结论是：文本抽取、参考文献计数和格式检查清单本身不能建立“页面设计学习”。必须保留一份简洁的对比记录，包含页码定位符（page locators）与实际来源/当前页面视图，并存储两个显式决策：

1. 当前官方投稿版面（official submission surface）；
2. 干净的阅读版面（clean reading surface）。

同时要注意：通用文章类（generic article class）的成功编译，不能证明目标期刊格式已被应用。

3.3 投稿指令 vs 出版页面设计

必须严格区分期刊当前的投稿指令与已出版的页面设计：

• 先完成 manuscript-format.md 所要求的有边界的官方模板发现与样例编译，然后按预期用途使用适用的模板；
• 面向用户的阅读 PDF：在与用户要求和预期产物兼容的前提下，应用学到的期刊版式，而不是默认套用通用报告样式；
• 若投稿手稿必须不同：明确其目的，不要把“格式中性的投稿合规”说成“匹配已出版设计”；
• 不要模仿期刊品牌标识，不要编造 DOI、卷号、页码或接收信息；
• 当旧的学习 PDF 显示的是过时设计时，使用当前的官方要求。

manuscript-format.md 进一步给出了“本地已出版 PDF 学习应用到页面”的表格方法：对每篇范例保留“范例文件/版本与页 → 观察到的设计 → 采用/改编及产出资产或差异理由 → 当前渲染页”的四列记录，并要求早期构建一小套代表性页面，把当前与参考页面视图在同一物理尺度并排——不同的适应窗口缩放可能掩盖微小字体。

四、广泛的、无需不必要全文门槛的参考文献

4.1 覆盖范围与“一点一引”

参考文献应覆盖：问题背景、基础方法、紧密竞争者、近期工作、不同解释以及相关的反面发现。核心原则是：

• 一篇来源可以只支撑一个基本点，它不必是论文的核心内容也值得引用；
• 真实摘要或概览足以支撑它们实际支撑的论断；
• 保持紧凑的标识符与使用点笔记，而不是为每条记录建立繁琐的证据表格；
• 对关键、有争议或需要细节的论断，使用相称的、更深入的阅读（proportionate closer reading）。

4.2 诚实标注推理与无法获取的细节

手稿可以从来源中得出合理推理（reasoned inference），但必须标注为“我们的解释（interpretation）”，而不是归因于被引作者作为已证实的结论。绝不编造无法获取的细节、数值结果或“我读了全文”的虚假声明。

4.3 venue_average 模式的计算规则

venue_average（默认）模式下的目标参考文献数量有明确算法：

1. 在选定的可比较目标期刊论文中统计参考文献条目数，记录这些计数及其观测均值；
2. 目标是至少floor(mean) + 1条有用的参考文献；
3. 这是基于这些文章样本的估计，不是期刊层面的精确平均；不要使用被引次数（cited-by counts）；
4. 优先选择可比较的研究文章，避免混入综述与短讯（letters）混合统计；
5. 用户可通过custom覆盖目标；
6. 当默认值无法满足时，官方文章类型引用上限（reference ceiling）优先，并解释调整原因。

同时强调两条红线：不要用无关文献凑数，不要制造数字任务状态门。若某来源的计数仍不可用，标记该估计为**临时的（provisional）**并继续有用的阅读/写作；绝不伪造计数或默默声称默认目标已达成。该计算规则与 citation-support-bank.md 的表述一致：venue_average模式使用实际统计的目标期刊样本与当前期刊学习指南，而不是固定的默认 20。

4.4 收尾对照

完成参考文献之前，必须执行最终对照：把实际的不同被引条目与保存的目标、学习笔记中的来源计数进行比较。若不足：

• 检查上下文、方法、紧密比较与替代解释，寻找有用的缺失文献并继续阅读；
• “避免凑数（avoid padding）”本身不是放弃目标的理由；
• 真正的范围或文章规则冲突可以证明一个**有记录的调整（documented adjustment）**是合理的；
• 报告实际缺口与原因，而不是把偏好标记为已完成。

文档强调：这仍然是科学工作，不是新的数值批准门，也不是“必须逐字读完每一篇被引论文”的要求。此收尾对照在 citation.md 中也有对应表述：比较的是当前手稿中实际引用的不同条目，而不是库的大小、使用行数或未被引用的 BibTeX 条目。

五、把学习迁移到实际手稿

5.1 迁移到哪些位置

两套阅读集的学习成果应应用到：研究问题框架、Introduction 的论证、Methods 的粒度、Results 的顺序、图表角色、Discussion、图注与引用实践。约束包括：

• 适配用户的真实研究与目标期刊，不复制句子、不导入范例的结果；
• 在既有笔记中保留一份从所选教训到当前章节/图表的简短映射（short map）。

迁移必须体现在产物本身：手稿源码应显示所选模板/风格与文章结构；代表性的渲染页面应可见地反映学到的层级、密度、图注与参考文献实践。文档明确指出：只有关于期刊的笔记而没有这些源码/页面变更，那只是研究（research），不是应用的格式（applied formatting）。同时确认：执行此项工作不需要历史 Runner 阶段、独立的目标档案批准或新的档案链。

5.2 保持文章/图表计划与文件一致

装配期间，保持既有的文章/图表计划与实际文件对齐：

• 当需要图形摘要（graphical abstract）、补充图或其他交付物时，要么完成其独立的科学任务，要么在计划中记录一个具体、合理的变更；
• 不要默默把交付物留在“稍后再说”的笔记里，也不要把机制示意图改名成图形摘要来充数；
• 复用有效结果与组件，不隐含新的数据分析。

5.3 用 assertive-scientific-writing 强化论证

写作中应用 assertive-scientific-writing.md 的“研究者声音与相称限定”原则：

• 相对于实际前期工作，陈述一个中心进展（one central advance），并在标题、Introduction 收尾问题、Results 与结论中一致地支撑它；
• 用用户已有证据把结果组织成完整论证：方法的合理性、核心发现、解释与范围；
• 不要把每个领域都塞进同一固定序列，也不要为让增量贡献听起来更大而编造新发现。

当贡献模糊时：与实际读过的最近工作比较——那项工作确立了什么、当前证据回答了哪个问题、答案为何重要。用可得结果区分“受支撑的增量”与“仅仅是命名一个活动”（如“刻画一个画像”）。不要在保存的范围之外要求新分析来让故事显得更新颖。

5.4 检查“前人遗漏”的说法

在声称早期工作遗漏了某种关系或视角之前，必须检查最近的同领域论文的相关 Results、表格/图表与 Discussion。要点：

• 旧的引言“gap 陈述”或保留的学习摘要可能已不再描述当前已知情况；
• 区分已确立的关联与本研究的特定分布、比较或解释——不同的展示或分组不是自动的新科学发现；
• 若新阅读改变了这一区分，同步修订标题、摘要、Introduction 收尾与结论，保留有用的结果。

5.5 Discussion 与图表的要求

Discussion 要有科学实质：与相关工作比较发现、解释一致或差异、考虑替代解释、发展边界清晰的实践或理论意义；诚实地归因推理；把有后果的限制集中到改变解释的地方，而不是每段重复道歉。标题与摘要要突出问题、关键方法、重要发现与意义，省略文件验证琐事与次要结果清单。

每个主图都要有清晰的科学问题：使用面板层级、一致的颜色含义、可比较的尺度和可读的标注来连接证据与解释；在证据支持时保留并发展有意义的多面板复杂度。遵循 scientific-figure-workflow.md 的全文规划与复杂参照选择，避免把丰富的研究故事压缩成单个简易汇总图；额外面板必须增加科学内容，而不是重复数字或引入无支撑的统计符号。

对用户提供的已有结果：检查、保留其科学内容、修复具体的事实冲突。缺少完整的原始数组或复现输入本身不能成为丢弃提供的消融、motif、保守性或机制图的理由。不要在只进行了写作与可视化时就声称“独立复现”。

5.6 mechanism_figure: prefer 的落地

当mechanism_figure: prefer（默认）时，在检查范例是否使用解释性图以及如何使用之后，主动为该研究确定最佳解释性图：

• 遵循 scientific-figure-workflow.md，包括：当初始阅读集只含数据图时，找到实际的解释性图参照；生成前按组件选择工具；
• 生物机制、社会/物理概念框架与计算方法架构用途不同，需把元素映射到已提供结果、被引知识或明确假设；
• 优先复用已有的好图；对新生成的机制/示意性光栅图，使用规定的 GPT Image 2 能力，保留可编辑的科学标注与可读的最终图；
• 定量图必须绑定其数据与确定性绘图源。

auto模式要求显式的有用性决策：当图能实质性地阐明论文且来源支持时产出完整候选，否则在既有图表计划中保留具体的省略理由。omit尊重用户偏好。解释性候选是补充而非取代必要的数据图。不要把prefer变成随机概率或“暗示已证因果关系”的义务。

六、对实际新论文的独立编辑评审

6.1 评审维度

在数值、引用与渲染检查之外，独立评估以下问题：

• 读者能否用一句话陈述贡献；
• 证据是否支撑完整论证；
• Discussion 是否增加洞见；
• 每个主图是否配得上它的位置，整套图是否充分代表了所提供的结果；
• 识别简化过程中丢失的有价值结果，并把信息深度、面板层级与连接与实际范例比较。

具体操作要求：

• 把相关散文与图表与实际读过的具体范例比较；
• 打开本地目标期刊 PDF，与当前 PDF 并排评估页面设计；
• 机制评审使用实际的机制参考文献；
• 找出段落、章节或图表中的弱点并给出具体修改方案；无支撑的笼统印象不是合格的评审发现。

6.2 报告与边界

最终报告应说明：哪些要求改进了手稿，哪些仍未完成。必须把科学有效性、编辑质量与技术文件交付区分开。文档特别强调：固定的分数、很长的参考文献、一张图、匹配的字体或零错误的包，都不能确立期刊级质量。

评审当前修订版的实际文件，而不是沿用旧论文的批准。不要在保存的范围之外强加新实验或分析来强制执行某个偏好的故事情节。

七、与其他方法文档的配合关系

journal-learning.md是期刊学习的主方法文档，与以下文件形成互补链条（均位于 src/skill/references 下）：

从源码结构可以推断，journal-learning.md在整个 Skill 中被设计为“配置驱动的学习入口”：current-method-routing.json 将其应用描述为“完整应用 3+3/自定义、真实本地目标 PDF 及具体文图迁移；收尾对照实际引用与保存目标、计划图件与当前文件，差距要完成或具体说明”，并强调“materials_only 保留文献工作；正文质量与引用数/排版成功分别判断”——这与本文梳理的六大部分完全对应。

结语

期刊学习不是“读几篇论文做笔记”，而是贯穿 PaperSpine5 全文生产的一条证据链：以保存的配置决定学习规模，以真实的本地目标期刊 PDF 建立页面设计基准，以 venue_average 或 custom 模式确定参考目标，再把这些学习显式迁移到手稿源码与渲染页面中，最后以独立编辑评审闭环验证。按照 journal-learning.md 的规则执行，既能避免“仅靠摘要充数”“把对比期刊当目标”“把笔记当格式应用”等常见陷阱，也能在materials_only等受限模式下合规地完成高质量文献学习与写作迁移。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用