PaperSpine 报告与综述场景写作指南：以评审驱动的证据型文档生产方法

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

PaperSpine 将"研究报告与综述（Report / Review）"定义为一类**由评价驱动（evaluation-driven）**的文档任务：课程报告、技术报告、科研训练报告、综述（survey）与 review 型交付物，其成败由评分细则（rubric）和评审者预期决定，而非期刊发表形式。本文以场景参考文档 scenario-report-review.md 为主线，结合 PaperSpine 的体裁研究方法、范例学习协议与评审审计脚本，完整讲解"先采集官方资料 → 按评审视角学习范例 → 识别体裁结构 → 转化为写作策略 → 用脚本完成证据审计"的闭环流程。读完本文，你将掌握如何在 PaperSpine 中为报告/综述类任务确定读者与评价标准、设计不被期刊 IMRaD 结构绑架的章节蓝图，并用仓库中的脚本对成稿做可追溯的证据审查。

场景定位：报告与综述是一类"被评判"的文档

场景文档开门见山地给出定义：研究报告与综述是评价驱动的文档（research reports and reviews as evaluation-driven documents）。这意味着它们的首要目标不是"发表"，而是"在给定的评分标准下被读懂、被认可"。

该场景覆盖四类常见交付物：

• 课程报告（course reports）：由课程任务书、评分标准驱动；
• 技术报告（technical reports）：面向项目方或决策者的工程/研究文档；
• 科研训练报告（research training reports）：记录训练性研究的完整证据链；
• 综述与 review 型交付物（survey papers, review-style deliverables）：对既有文献、方法或证据的系统性再组织。

与之形成对照的是同一技能套件中的其他场景，它们各有不同的"权威来源"：

从源码结构看，PaperSpine 把这四种场景作为互斥的"目标场景（scene）"分别成文，其核心用意是：写作前必须先确认目标场景，再决定结构、语气与证据标准，而不是一律套用期刊论文模板。

官方资料采集：先弄清楚"谁在评、怎么评"

场景文档要求在动笔前**查找并记录（Find and record when available）**以下八类官方资料，它们是评估逻辑的原始依据：

1. 学校、院系、课程或项目页面（school, department, course, or project page）：确定文档的发布语境与受众；
2. 作业/任务说明（assignment instructions）：明确交付物定义；
3. 评分细则（rubric）：最重要的一类——它直接定义"什么会被加分、什么会被扣分"；
4. 要求的章节顺序（required section order）：体裁结构的最强约束；
5. 格式要求（formatting requirements）：字号、页数、模板、引用格式等；
6. 引用要求（citation requirements）：引用体系与数量预期；
7. 综述范围与预期深度（review scope and expected depth）：限定文献范围与展开层级；
8. 评分/评价标准（grading or evaluation criteria）：除 rubric 外的隐性评价维度。

这些资料在任务中的记录位置可参考 target-journal-research.md 给出的表格形态——即使报告/综述没有"期刊"名义，其Official Requirements（文章类型、长度限制、必需章节、摘要结构、图件要求）与Venue Writing Contract（该目标"奖励什么、过滤什么、预期新颖度、预期证据标准、典型读者、典型断言强度")同样适用，只是把 "venue" 换成 "课程/项目/评审方" 即可。

实践要点：rubric 与 required section order 是硬约束，必须逐条记录并回填到章节蓝图；格式要求中"未查到官方说明"的条目应如实标注为不确定，而不是凭惯例猜测后声称合规——这与 manuscript-format.md 对期刊格式的一致原则相同。

范例学习：以评审视角拆解同类报告

场景文档定义了五个学习维度，全部指向"评审者会怎么读这份报告"：

• 预期读者知识水平（expected audience knowledge）：决定背景铺垫的深浅；
• 背景与贡献的平衡（balance between background and contribution）：报告常被批评"综述太多、自己的贡献太少"，反之亦然；
• 证据如何组织（how evidence is organized）：按问题、按方法、还是按章节；
• 方法或文献如何综合（how methods or literature are synthesized）：不是罗列，而是结构化比较；
• 在 rubric 下什么让报告有说服力（what makes the report persuasive under the rubric）。

PaperSpine 将这一维度落到可执行的范例学习协议上：

• journal-learning.md 定义了默认学习集：same_field_papers = 3（同领域强论文）+target_venue_papers = 3（目标"场所"代表论文），即默认 3+3 共 6 篇互不重复的论文；深度模式可升级为 6+6。对报告/综述场景，"目标场所"应理解为同类报告/综述的范本，而非某本期刊。
• exemplar-learning-dossier.md 给出了学习档案（dossier）的可选结构：Corpus（选文理由）→What Makes These Papers Good（动机、缺口构建、贡献框定、方法解释、结果解读、讨论闭合的观察与迁移规则）→Section-Level Learning（逐段落记录 move）→Sentence Skeletons（只学句式槽位，不抄句子）→Anti-Patterns→Transfer Plan。
• deep-imitation-protocol.md 把"向范本学习"拆成六个可提取层：论点架构（move 序列）、章节节奏（段落职责与长度分布）、论断校准（断言强度 vs 证据）、证据布局（数字/图/引用/警示语出现位置）、句子架构（槽位骨架）、读者契约（文档假设什么、解释什么、省略什么）。

学习档案的阅读程序建议按以下顺序执行：先读摘要识别 move → 给 Introduction 每个段落标修辞职责 → 标注各主要章节首末句 → 在 Methods 中找"为什么这样设计"的解释 → 在 Results 中标记 setup→metric/figure→comparison→interpretation→transition → 在 Discussion 中把段落映射到 summary/mechanism/limitations/future → 提取可复用的句子骨架。所有观察必须落到真实文件与页码定位（locator），"读过"与"引用过"必须可区分——这与 current-method-routing.md 强调的"读过方法 ≠ 应用方法"一致。

体裁识别：不要把报告硬塞进期刊结构

这是场景文档最核心的一条硬规则，原文表述为：

Do not force reports into a journal-paper structure unless the target requires it.（除非目标要求，否则不要强行把报告套进期刊论文结构。）

PaperSpine 的 task-genre-research.md 给出了更完整的体裁研究方法，其核心链条是：

audience -> evaluation criteria -> required deliverable -> exemplar structure -> evidence standard -> writing strategy

即：受众 → 评价标准 → 必需交付物 → 范本结构 → 证据标准 → 写作策略。文档明确指出：报告/综述的输出仍然应当是"动机驱动"的，但这里的motivation 可以是问题目标、客户需求、决策问题、评分准则或设计约束，而不一定是科学贡献。例如一份技术报告，它的"动机"是回答决策者的某个具体决策问题；一份课程报告，它的"动机"是命中任务书列出的评分点。

体裁研究模板

task-genre-research.md 要求将研究结果保存为paper_rewriting_output/genre_research.md（当前宿主流程可写入任务paper/目录下的现有笔记），核心表格如下：

• Task Identity（任务身份）：任务类型、目标受众/评分者、官方规则/rubric 来源、必需交付格式、长度/页数约束、语言/风格预期；
• Evaluation Logic（评估逻辑）：Criterion | What Evaluators Reward | What They Penalize | Writing Consequence——每个评分点列出"评审奖励什么、惩罚什么、对写作的后果"；
• Exemplar Learning（范本学习）：Exemplar | Why Selected | Section Order | Strong Moves | Transferable Pattern | Do Not Copy；
• Genre-Specific Section Blueprint（体裁专属章节蓝图）：Section | Reader/Evaluator Question | Required Evidence | Typical Move Sequence | Common Failure；
• Writing Strategy（写作策略）：central objective、required assumptions or constraints、model/method/evidence chain、validation/sensitivity/robustness requirement、figure/table role、final recommendation or conclusion role。

技术报告/白皮书模式

对于技术、政策或决策类报告，文档给出的写作模式是：

• 识别决策者与决策问题（identify the decision-maker and decision question）；
• 把事实、假设、分析与建议分开（separate facts, assumptions, analysis, and recommendation）；
• 把最具可操作性的结论放在前面（put the most actionable result early）；
• 用图表支撑决策；
• 坦率说明不确定性与实施约束。

红线清单（Red Flags）

体裁研究文档同时列出了需要警惕的失败信号，适合作为报告/综述自查表：

• 目标体裁要求其他结构，却照搬期刊 IMRaD；
• 重述问题时不涉及变量、约束或评分相关的目标；
• 假设过于泛化且后文不再使用；
• 描述了模型但没有验证；
• 罗列结果却不给决策、建议或与评分相关的解读；
• 范本学习只复制了表面格式，却没有学到评估逻辑。

从评估逻辑到写作策略：落地的转化方法

体裁研究的意义在于把"rubric 长什么样"翻译成"段落该干什么"。以报告/综述场景为例：

• 章节蓝图必须以"评审者问题"为列头：每个章节回答评审者的哪个问题（"你的范围是什么""你的方法为什么合适""你的结论支持到什么程度"），而不是以期刊的 Introduction/Methods/Results/Discussion 四段论为默认骨架；
• 证据标准由评估逻辑决定：课程报告可能奖励"问题分解清晰、假设可检验、执行可复现"；技术报告奖励"决策可操作、不确定性坦诚"；综述奖励"覆盖系统性与综合深度"——证据强度必须匹配各自标准；
• 图表角色是"解释行为/支撑决策"：对报告类文档，图表服务于解释模型行为或支撑决策点，而不是装饰结果；这呼应了 deep-imitation-protocol.md 中"Section economy follows the article's argument and target requirements"的原则——章节经济性跟随论证与目标要求，而不是机械的篇幅配额。

落到具体写作时，deep-imitation-protocol.md 的三表法（范本 move 表 → 草稿 move 表 → 目标章节蓝图）和闭卷改写（closed-book rewrite）同样适用：先把原文的事实、论断、引用、图号抽到笔记里，合上原文按蓝图重写，再打开原文核对数字与引用是否保全。REWRITE / SPLIT / MERGE / DELETE / MOVE / ADD / KEEP七种操作中，修复真实弱点优先于凑操作比例。

PaperSpine 中支撑该场景的实现证据

方法路由与阶段选择

在宿主工作流中，报告/综述任务同样通过 current-method-routing.md 的--stage选择方法：intake、research、contribution、evidence、draft、figure、review、delivery。报告/综述不构成新的阶段，而是影响"选哪些方法"：例如选择task-genre-research体裁研究而非target-journal-research期刊研究。任务快照的method_guidance会按已保存的 workflow、stage 与 scene 推荐资源：

python scripts/paperspine5_web.py host methods --profile-root "<same-profile>" --task-id "<same-task>" --stage research python scripts/paperspine5_web.py host methods --local --task-id "<same-task>" --stage draft --resource references/task-genre-research.md --format text --max-lines 100

（当前仓库对应脚本位于 src/scripts/paperspine5_web.py。）

研究模式：报告的证据边界

research.md 定义了三种研究模式，对报告/综述尤其重要，因为很多报告任务本质是"基于已给材料产出结构化文档"：

• required：在授权材料上执行有依据的研究与分析；
• agent_decide：评估科学问题是否需要新的本地分析，说明理由后执行；
• materials_only：直接使用已提供的分析、表格、图像与报告结果，不做新的 EDA、检验、建模或重跑，但文献学习、忠实提取、用已有结果绘图与一致性检查仍属正常能力。

也就是说，即使在materials_only下，journal-learning.md 规定的文献学习、引用查证与范本阅读照常进行——这保证了综述类报告的文献综合不会被研究模式误伤。

评审与审计脚本链

报告/综述成稿后，PaperSpine 提供了一条"证据可追溯"的评审脚本链，均可在当前仓库 src/scripts 中找到对应实现：

• src/scripts/structured_review.py：基于稿件的编辑综合（editor synthesis），要求评语锚定精确稿件位置与短引文；
• src/scripts/evidence_grounded_review.py：证据落地评审，其控制规则要求每条可执行评语携带四联证据——精确稿件定位+引文（或穷尽缺席扫描回执）、提出者与评审回执、达到结论所用的工具回执、具体建议+置信度+严重度+处置。对应协议见 evidence-grounded-review.md，典型用法：

python src/scripts/evidence_grounded_review.py plan paper_rewriting_output --manuscript paper_rewriting_output/final_paper/main.tex python src/scripts/evidence_grounded_review.py validate paper_rewriting_output/evidence_review.json --manuscript paper_rewriting_output/final_paper/main.tex --markdown --write

• src/scripts/reviewer_audit_check.py：评审者视角审计，其协议 reviewer-audit.md 提供三张视图——Reviewer Value Map（评审标准×我们已有证据×当前弱点×修订动作）、Reviewer Objection Register（用评审者的口吻写出"可能的攻击"+ 预防性修复 + 状态）、Editorial Fit Map（场所契合度、desk-reject 风险）。

评审策略本身由 review-policy.md 控制：默认balanced是"编辑上有抱负、流程上轻量"，要求一份紧凑的章节蓝图、主论断证据链接、一次对当前终稿的独立评审与真实 PDF 视觉检查；strict则增加方法/贡献/清晰度等专项审查。报告/综述类任务默认走balanced。

交付与格式：报告不一定要是 PDF 期刊模板

报告/综述的交付格式由已保存的配置决定。若目标是技术报告或课程报告，可直接用共享导出器生成 Markdown/PDF/DOCX；若评审方要求特定模板，则按 manuscript-format.md 的流程建立"一个语义源 → 多表面输出"：

python src/scripts/manuscript_export.py manuscript.md --bibliography references.bib --csl venue.csl --output-dir export --reference-doc venue-reference.docx --metadata-file venue.yaml --template venue-pandoc.tex --pdf-engine xelatex

其配套 Lua 过滤器位于 src/scripts/manuscript_refs.lua。对报告类文档，除非目标明确要求期刊式双栏排版，阅读 PDF 不必强行套用期刊布局——这与场景文档"除非目标要求否则不要套期刊结构"的原则一脉相承。

质量底线与自查清单

综合场景文档、SKILL.md 的常驻质量规则与体裁研究的红线，报告/综述成稿前应逐条自查：

1. 每一条实质性论断都有来源/结果支持与有界的不确定性；评审者面对"空口断言"会直接扣分；
2. 引用身份与引用语境双重核验：无编造、无惰性引用；报告/综述的文献综合部分尤其要防"凑引用量"；
3. 用户结果不被静默重分析、粉饰或泛化：materials_only下不得新造统计结论；
4. 结构确实按目标体裁设计：用 genre 研究确认 required section order，而不是默认 IMRaD；若目标是技术报告，应"结论前置、事实/假设/分析/建议分离"；
5. 图表服务于证据与决策：报告中的图/表必须回答评审者问题，且与正文引用、caption 语义一致；
6. 审评论断可追溯：遵循 evidence-grounded-review.md 的四联证据规则，未定位的意见只能算建议，不能作为阻断项；
7. 如实报告限制：未知的"作者/伦理/场所事实"只限制提交就绪度，不阻止安全的本地写作与修正，但必须显式披露。

最后记住场景文档的收尾规则：报告/综述的读者是拿着 rubric 的人，而不是虚构的匿名审稿人。写作全程以"评审者会怎样读、会扣哪一分、会奖励哪一段"为锚点组织证据与章节，才能让评价驱动的文档真正通过评价。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用