Claude Skill

lov-thesis-polish

Polish and elevate MBA thesis / dissertation to national outstanding thesis quality (全国优秀论文). Performs comprehensive improvement: academic language, argument structure, logical rigor, innovation highlights, and formatting. Input: markdown thesis text. Output: polished full text.

LLM Mart · 0 points · 8 views 0 listing impressions 0 install-command copies
Virus-scanned Reviewed automatically before listing.

Full trust report

Download lovstudio-skills-skills_thesis-polish-77d464c.zip · 5 KB
Part of lovstudio/skills — 83 skills

Install

skills CLI npx skills add https://github.com/lovstudio/skills/tree/main/skills/thesis-polish
Claude Code claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install lovstudio-skills@llmmart
Git git clone https://github.com/lovstudio/skills.git

The skills CLI installs just this skill, for any of its supported agents. Claude Code installs the whole lovstudio/skills collection as a plugin from our marketplace. Git is the plain clone.

README

论文精修 · Thesis Polish

Version

将 MBA 论文从初稿提升至全国优秀论文水准。涵盖语言润色、结构优化、论证强化、创新点凸显四个维度。

Part of skill-publisher/skills — by example.com

Install

npx skills add thesis-polish -g -y

No dependencies — pure AI instructions.

Usage

  1. Prepare your MBA thesis in markdown format
  2. Invoke the skill: /lov-thesis-polish
  3. Provide thesis file path or paste text
  4. Review diagnosis report and confirm strategy
  5. Receive polished full text chapter by chapter

What It Does

Input (初稿)                    Output (优秀论文级)
┌──────────────┐               ┌──────────────────┐
│ 口语化表达    │  ──语言──▶   │ 学术规范用语      │
│ 论证松散      │  ──逻辑──▶   │ 严密因果链条      │
│ 结构扁平      │  ──结构──▶   │ 层次递进清晰      │
│ 创新点模糊    │  ──亮点──▶   │ 2-3个显式创新贡献  │
│ 文献堆砌      │  ──对话──▶   │ 与文献深度对话     │
└──────────────┘               └──────────────────┘

Polishing Dimensions

Dimension Focus
Language Academic tone, terminology consistency, quantified claims
Argument Evidence-backed claims, counter-argument handling, causal rigor
Structure Chapter transitions, topic sentences, abstract completeness
Innovation Explicit contribution statements, theoretical + practical value
Literature Recency, authority, thematic organization, scholarly dialogue

License

MIT

Skill manifest

论文精修 · Thesis Polish

将 MBA 论文从初稿提升至全国优秀论文水准。涵盖语言润色、结构优化、论证强化、创新点凸显四个维度。

When to Use

  • 用户提供 MBA 论文(markdown 格式)需要润色
  • 用户想让论文达到全国优秀论文标准
  • 用户需要学术写作的全面提升

Workflow (MANDATORY)

Step 1: 接收论文

读取用户提供的论文文件(markdown 格式)。如果用户给的是文件路径,用 Read 工具读取。

Step 2: 诊断评估

通读全文后,先输出一份诊断报告(不超过 300 字),包含:

维度 当前水平 主要问题 提升方向
语言表达 A/B/C ... ...
论证逻辑 A/B/C ... ...
结构布局 A/B/C ... ...
创新贡献 A/B/C ... ...
文献运用 A/B/C ... ...

Step 3: 确认润色策略

Use AskUserQuestion to confirm strategy BEFORE polishing.

向用户展示诊断报告后,询问:

  • 是否同意诊断?有无特殊要求?
  • 论文的核心创新点是什么?(帮助 AI 更好地凸显)
  • 是否有目标期刊/评审标准的特殊要求?

Step 4: 逐章润色

按章节逐一润色,每章输出完整的润色后文本。润色时严格遵循以下标准:

4.1 语言表达标准

  • 学术用语:口语化表达 → 学术规范用语("很多" → "大量/众多","觉得" → "认为/表明")
  • 句式升级:简单句 → 复合句,增加因果、转折、递进的逻辑连接
  • 术语一致:全文术语统一,首次出现标注英文原文
  • 量化表达:模糊描述 → 精确数据/比例/引用支撑
  • 被动与主动:研究方法部分多用被动语态,讨论部分主动论述

4.2 论证逻辑标准

  • 论点-论据-论证:每个观点必须有数据/文献/案例支撑
  • 逻辑链条:前后段落之间有明确的逻辑递进关系
  • 反驳预设:对可能的质疑提前回应("尽管...但...")
  • 对比论证:与已有研究对比,凸显本文贡献
  • 因果严谨:区分相关性与因果性,避免过度推断

4.3 结构布局标准

  • 章节衔接:每章开头有承上启下的过渡段
  • 段落结构:主题句 → 展开 → 小结,每段聚焦一个论点
  • 层次清晰:一级标题(章)→ 二级标题(节)→ 三级标题(小节),层级不超过三级
  • 摘要提升:摘要涵盖研究背景、目的、方法、发现、贡献五要素

4.4 创新贡献标准

  • 显式标注:在引言和结论中明确列出 2-3 个创新点
  • 差异化表述:用 "区别于已有研究...本文首次/创新性地..." 句式
  • 理论贡献:说明对理论框架的扩展或修正
  • 实践意义:说明对管理实践的具体指导价值

4.5 文献运用标准

  • 权威性:优先引用 SSCI/CSSCI 期刊、经典著作
  • 时效性:近 5 年文献占比不低于 60%
  • 对话感:不只是罗列文献,而是与文献"对话"("XXX(2023)指出...,本文在此基础上进一步发现...")
  • 文献综述:按主题/流派组织,而非按时间堆砌

Step 5: 输出

将所有润色后的章节合并,输出完整的润色后全文(markdown 格式)。

如果用户需要保存为文件,使用 Write 工具写入,文件名遵循: 品牌方-mba-thesis-polished-{YYYY-MM-DD}-v0.1.md

Important Notes

  • 不篡改数据:润色仅涉及表达和论证方式,不编造数据或虚构引用
  • 保留原意:所有修改必须忠实于作者原意,不改变研究结论
  • 标注建议:如果某处论证薄弱需要作者补充数据/文献,用 [建议补充: ...] 标注
  • 分批处理:论文通常很长,按章节分批润色,避免遗漏

Runtime context (shared)

运行前读取本 Skill 包的 skill.yaml,由宿主提供 skill-runtime/v1 上下文。字段解析顺序为:当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值。

  • 只使用 Manifest 声明的字段;Profile 保存公开品牌事实,Preferences 保存个人工作偏好。
  • required: true 字段缺失时,按 Manifest 的问题配置向用户提出一个聚焦问题;用户明确同意后再保存回答。
  • 报错提供可复制的 context_id、字段路径与来源,诊断内容避开秘密、完整私人路径和原始配置。

通用反馈闭环

用户在 Skill 驱动任务中提出修改意见时,继续当前产物前必须执行:

  1. 先判断意见是 task-specific(仅本次)还是 reusable(可跨任务复用)。
  2. task-specific 只修改当前任务,不改 Skill。
  3. reusable 先确定作用域:领域规则先更新对应 canonical Skill;适用于所有 Skill 的规则先更新共享规范。
  4. 完成规则更新、版本、lint 与分发核验后,再把修改应用到当前任务。
  5. reusable 修改会使此前的“确认”“继续”“发吧”失效;完成当前产物修改和回读后必须停下,等待用户下一步指示,不自动进入发布、提交或其他外部写入。
Files (skills)
  • CHANGELOG.md 425 B
    # Changelog
    
    All notable changes to this skill are documented here.
    Format: [Keep a Changelog](https://keepachangelog.com/en/1.1.0/) · Versioning: [SemVer](https://semver.org/)
    
    ## [1.1.0] - 2026-08-24
    
    ### Added
    
    - add the shared feedback-classification and approval-invalidation gate used by every LovStudio Skill
    
    ## [1.0.1] - 2026-05-07
    
    ### Fixed
    
    - add release metadata
    - add README version badge and changelog entry
    
    
  • README.md 1.9 KB
    # 论文精修 · Thesis Polish
    
    ![Version](https://img.shields.io/badge/version-1.1.0-CC785C)
    
    将 MBA 论文从初稿提升至全国优秀论文水准。涵盖语言润色、结构优化、论证强化、创新点凸显四个维度。
    
    Part of [skill-publisher/skills](https://example.com/skills/skills) — by [example.com](https://example.com)
    
    ## Install
    
    ```bash
    npx skills add thesis-polish -g -y
    ```
    
    No dependencies — pure AI instructions.
    
    ## Usage
    
    1. Prepare your MBA thesis in markdown format
    2. Invoke the skill: `/lov-thesis-polish`
    3. Provide thesis file path or paste text
    4. Review diagnosis report and confirm strategy
    5. Receive polished full text chapter by chapter
    
    ## What It Does
    
    ```
    Input (初稿)                    Output (优秀论文级)
    ┌──────────────┐               ┌──────────────────┐
    │ 口语化表达    │  ──语言──▶   │ 学术规范用语      │
    │ 论证松散      │  ──逻辑──▶   │ 严密因果链条      │
    │ 结构扁平      │  ──结构──▶   │ 层次递进清晰      │
    │ 创新点模糊    │  ──亮点──▶   │ 2-3个显式创新贡献  │
    │ 文献堆砌      │  ──对话──▶   │ 与文献深度对话     │
    └──────────────┘               └──────────────────┘
    ```
    
    ## Polishing Dimensions
    
    | Dimension | Focus |
    |-----------|-------|
    | Language | Academic tone, terminology consistency, quantified claims |
    | Argument | Evidence-backed claims, counter-argument handling, causal rigor |
    | Structure | Chapter transitions, topic sentences, abstract completeness |
    | Innovation | Explicit contribution statements, theoretical + practical value |
    | Literature | Recency, authority, thematic organization, scholarly dialogue |
    
    ## License
    
    MIT
  • SKILL.md 5.9 KB
    ---
    name: lov-thesis-polish
    category: Content Processing
    tagline: "MBA 论文全面润色,对标全国优秀论文标准。语言+结构+论证+创新四维提升。"
    description: >
      Polish and elevate MBA thesis / dissertation to national outstanding thesis
      quality (全国优秀论文). Performs comprehensive improvement: academic language,
      argument structure, logical rigor, innovation highlights, and formatting.
      Input: markdown thesis text. Output: polished full text.
      Also trigger when the user mentions "论文润色", "MBA论文", "优秀论文",
      "thesis polish", "dissertation improvement", "学术润色".
    license: MIT
    compatibility: >
      Pure instructions — no dependencies. Works with any Claude model.
    metadata:
      author: contributors
      version: "1.1.0"
      tags: thesis academic writing MBA polish 论文 润色
    ---
    
    # 论文精修 · Thesis Polish
    
    将 MBA 论文从初稿提升至全国优秀论文水准。涵盖语言润色、结构优化、论证强化、创新点凸显四个维度。
    
    ## When to Use
    
    - 用户提供 MBA 论文(markdown 格式)需要润色
    - 用户想让论文达到全国优秀论文标准
    - 用户需要学术写作的全面提升
    
    ## Workflow (MANDATORY)
    
    ### Step 1: 接收论文
    
    读取用户提供的论文文件(markdown 格式)。如果用户给的是文件路径,用 Read 工具读取。
    
    ### Step 2: 诊断评估
    
    通读全文后,先输出一份**诊断报告**(不超过 300 字),包含:
    
    | 维度 | 当前水平 | 主要问题 | 提升方向 |
    |------|---------|---------|---------|
    | 语言表达 | A/B/C | ... | ... |
    | 论证逻辑 | A/B/C | ... | ... |
    | 结构布局 | A/B/C | ... | ... |
    | 创新贡献 | A/B/C | ... | ... |
    | 文献运用 | A/B/C | ... | ... |
    
    ### Step 3: 确认润色策略
    
    **Use `AskUserQuestion` to confirm strategy BEFORE polishing.**
    
    向用户展示诊断报告后,询问:
    
    - 是否同意诊断?有无特殊要求?
    - 论文的核心创新点是什么?(帮助 AI 更好地凸显)
    - 是否有目标期刊/评审标准的特殊要求?
    
    ### Step 4: 逐章润色
    
    按章节逐一润色,每章输出完整的润色后文本。润色时严格遵循以下标准:
    
    #### 4.1 语言表达标准
    
    - **学术用语**:口语化表达 → 学术规范用语("很多" → "大量/众多","觉得" → "认为/表明")
    - **句式升级**:简单句 → 复合句,增加因果、转折、递进的逻辑连接
    - **术语一致**:全文术语统一,首次出现标注英文原文
    - **量化表达**:模糊描述 → 精确数据/比例/引用支撑
    - **被动与主动**:研究方法部分多用被动语态,讨论部分主动论述
    
    #### 4.2 论证逻辑标准
    
    - **论点-论据-论证**:每个观点必须有数据/文献/案例支撑
    - **逻辑链条**:前后段落之间有明确的逻辑递进关系
    - **反驳预设**:对可能的质疑提前回应("尽管...但...")
    - **对比论证**:与已有研究对比,凸显本文贡献
    - **因果严谨**:区分相关性与因果性,避免过度推断
    
    #### 4.3 结构布局标准
    
    - **章节衔接**:每章开头有承上启下的过渡段
    - **段落结构**:主题句 → 展开 → 小结,每段聚焦一个论点
    - **层次清晰**:一级标题(章)→ 二级标题(节)→ 三级标题(小节),层级不超过三级
    - **摘要提升**:摘要涵盖研究背景、目的、方法、发现、贡献五要素
    
    #### 4.4 创新贡献标准
    
    - **显式标注**:在引言和结论中明确列出 2-3 个创新点
    - **差异化表述**:用 "区别于已有研究...本文首次/创新性地..." 句式
    - **理论贡献**:说明对理论框架的扩展或修正
    - **实践意义**:说明对管理实践的具体指导价值
    
    #### 4.5 文献运用标准
    
    - **权威性**:优先引用 SSCI/CSSCI 期刊、经典著作
    - **时效性**:近 5 年文献占比不低于 60%
    - **对话感**:不只是罗列文献,而是与文献"对话"("XXX(2023)指出...,本文在此基础上进一步发现...")
    - **文献综述**:按主题/流派组织,而非按时间堆砌
    
    ### Step 5: 输出
    
    将所有润色后的章节合并,输出完整的润色后全文(markdown 格式)。
    
    如果用户需要保存为文件,使用 Write 工具写入,文件名遵循:
    `品牌方-mba-thesis-polished-{YYYY-MM-DD}-v0.1.md`
    
    ## Important Notes
    
    - **不篡改数据**:润色仅涉及表达和论证方式,不编造数据或虚构引用
    - **保留原意**:所有修改必须忠实于作者原意,不改变研究结论
    - **标注建议**:如果某处论证薄弱需要作者补充数据/文献,用 `[建议补充: ...]` 标注
    - **分批处理**:论文通常很长,按章节分批润色,避免遗漏
    
    ## Runtime context (shared)
    
    运行前读取本 Skill 包的 `skill.yaml`,由宿主提供 `skill-runtime/v1` 上下文。字段解析顺序为:当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值。
    
    - 只使用 Manifest 声明的字段;Profile 保存公开品牌事实,Preferences 保存个人工作偏好。
    - `required: true` 字段缺失时,按 Manifest 的问题配置向用户提出一个聚焦问题;用户明确同意后再保存回答。
    - 报错提供可复制的 `context_id`、字段路径与来源,诊断内容避开秘密、完整私人路径和原始配置。
    
    ## 通用反馈闭环
    
    用户在 Skill 驱动任务中提出修改意见时,继续当前产物前必须执行:
    
    1. 先判断意见是 `task-specific`(仅本次)还是 `reusable`(可跨任务复用)。
    2. `task-specific` 只修改当前任务,不改 Skill。
    3. `reusable` 先确定作用域:领域规则先更新对应 canonical Skill;适用于所有 Skill 的规则先更新共享规范。
    4. 完成规则更新、版本、lint 与分发核验后,再把修改应用到当前任务。
    5. `reusable` 修改会使此前的“确认”“继续”“发吧”失效;完成当前产物修改和回读后必须停下,等待用户下一步指示,不自动进入发布、提交或其他外部写入。
    
  • skill.yaml 841 B
    schema: skill-manifest/v1
    id: lov-thesis-polish
    version: "1.1.0"
    runtime: skill-runtime/v1
    context:
      profile:
        fields:
        - path: identity.name
          required: false
          question: 如果本次输出需要品牌身份,请提供品牌名称。
        - path: identity.logo
          required: false
          question: 如果需要使用品牌 Logo,请提供 Logo 地址或文件路径。
        - path: brand.tone
          required: false
          question: 如果已有品牌语气或审美关键词,请提供它们。
      preferences:
        namespace: lov_thesis_polish
        fields:
        - path: user.language
          required: false
          question: 希望使用哪种语言输出?
        - path: user.timezone
          required: false
          question: 需要使用哪个时区处理日期和时间?
      interaction:
        ask_missing: true
        max_questions: 1
    

Comments (0)

Sign in to join the conversation.

No comments yet.

Reviews (0)

No reviews yet.

Related