Emergence PaperOrchestra Skill

这项技能将原始想法和非结构化数据转化为高严谨性、可直接提交的学术文稿。它作为一个 研究伙伴，主动澄清细节、进行批判并确保内容基于可验证的证据。

1. 核心工作流（模块化）

该过程专为在可能“狭窄”的即时通讯渠道（线性对话）中进行 人机协作 (Human-in-the-Loop) 而设计。

第 0 阶段：交互式访谈（骨架搭建）

Agent 启动 访谈模式 以捕获隐性知识。用户的每一个回答都将用于自动更新 idea.md。

• 批判人设：Agent 扮演 研究伙伴，识别原始输入中的逻辑跳跃或缺失的数据点。

第 1 阶段：制度化规划（提纲 Agent）

将所有输入综合到一个 JSON 主计划 中（存储在 metadata.json）。

第 2 阶段：文献策略（搜索 Agent）

• 宏观搜索：获取基础背景。
• 微观搜索：通过 ID (DOI/arXiv) 进行竞品基准分析和引用验证。

第 3 阶段：模块化撰写（撰写 Agent）

严格按照章节构建并存入 sections/ 目录，以防止上下文漂移。

第 4 阶段：同行细化（细化 Agent）

进行批判性评估，重点关注“数字字面主义 (Numerical Literalism)”和“零幻觉 (Zero Hallucination)”合规性。

2. Agent 角色

3. 最佳实践

• “访谈-持久化”循环：通过自然对话构建 idea.md 作为事实来源。
• 脚手架目录：使用提供的 scaffold.sh 初始化环境：
• idea.md：方法论和用户提供的上下文。
• metadata.json：主计划和经验证的引用库。
• content.md：组装后的最终输出。
• 验证循环：在将候选论文添加到 BibTeX 库之前，务必通过 ID (Semantic Scholar/DOI) 验证它们。

4. 署名与引用

如果您使用此框架进行科学发表，请引用原 PaperOrchestra 团队：

@misc{song2026paperorchestramultiagentframeworkautomated,
      title={PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing}, 
      author={Yiwen Song and Yale Song and Tomas Pfister and Jinsung Yoon},
      year={2026},
      eprint={2604.05018},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2604.05018}, 
}