企业官网建设流程全解析

CCFA Skills 写作实战：去除 AI 味与防御性写作的 CCF-A 论文润色完整教程

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills

如果你正在准备一篇 CCF-A 期刊或顶会论文，却被"AI 味"的措辞和层层防御性表达拖住后腿，那么 CCFA Skills 正是一套用 AI 帮你润色 CCF-A 论文的技能家族。它包含 17 个分工明确的 skill，其中ccf-humanization专门负责去除 AI 味与防御性写作，ccf-paper-writer负责起草、改写、压缩与润色正文。本教程面向刚接触 AI 辅助学术写作的新手，带你一步步把"像 AI 写的、像在辩护的"论文，改写成自然、直接、严谨的学术表达。

1. 为什么 CCF-A 论文容易"AI 味"重？

用 AI 辅助写作时，几乎每个模型都会不自觉地滑向两种典型毛病：

更麻烦的是，防御性写作会污染整篇论文：摘要、方法、实验、结论每一段结尾都补一句 limitation，同一句免责声明反复出现五六次。论文越改越长，论证反而越来越绕。

CCFA Skills 的核心主张是：写作应围绕科学论证本身展开——问题、洞察、机制、证据、结论。没有信息量的自我辩护，删掉就是最好的润色。

2. 快速上手：一行命令安装 CCFA Skills

CCFA Skills 面向 Codex、Claude Code、Cursor、Gemini CLI 等主流 Agent，以"skill 家族"形式安装。以 Codex 为例，一行命令即可装好全部 17 个 skill：

npx skills add mikubaka88/CCFA-Skills --global --agent codex --skill '*' --yes --copy

不同 Agent 的完整安装说明见 docs/getting-started/CODEX.md、docs/getting-started/CLAUDE_CODE.md 与 docs/getting-started/CURSOR.md。

安装后不需要记任何命令，直接用人话描述你的写作任务即可，例如：

把方法部分改写为 CVPR 风格，并保留公式、术语和引用。

系统会自动路由给ccf-paper-writer，并在动笔前先过一遍ccf-humanization的语言检查——这正是"去 AI 味"发生在润色流程最前端的含义。

3. 去 AI 味核心：ccf-humanization 的逐句判断法

ccf-humanization是整个家族中优先级最高的"语言侧车"。它的工作方式可以概括为一句话：对每个可疑句子，先恢复它的科学信息量，再决定保留、改写还是删除。

具体规则完整写在 ccf-humanization/SKILL.md 与 humanization-policy.md 中，这里提炼出新手最实用的判断流程：

1. 找出信息量：这句话承载了什么观察、机制、假设或推论？
2. 有事实就直接陈述：把事实连同必要的适用范围直接写出。
3. 有真实不确定性就准确限定：may、suggests这类校准过的措辞，证据支持就保留，不做机械替换。
4. 删除后不损失任何科学信息？那就删掉，不要换成另一句免责声明。

下面的示意图直观展示了"去 AI 味"前后的对照：防御性铺陈、重复的 smoke test 旁白、内部工程状态（如 "Not For Publication"）都被清理，正文回归直接的科学表达，而真正无法解决的科学决策则以独立的 Review Warning 形式给出、不插进论文正文。

防御性写作六大模式与修复方法

一个关键细节：它清理的是修辞功能，不是词汇黑名单。not、only、may、however本身不是错误——否定可以界定方法边界，only可以标明实验对照，对比可以解释因果机制。这也是它区别于大多数"AI 痕迹检测器"的地方：不为了"过检测"而换词，而是让句子回到科学论证本身。

4. 正文润色实战：ccf-paper-writer 的四种模式

ccf-humanization管"语言自然"，真正动手改稿的是ccf-paper-writer（入口见 ccf-paper-writer/SKILL.md）。它提供四种模式，新手最常用的前两种：

写作标准的核心只有一条：从贡献出发写——什么问题重要、机制为何能解决它、证据确立了什么、由此推出什么。审稿人安抚、道歉式新颖性声明、重复 caveat、否定式定位、堆叠 hedging，一律替换为科学信息本身，没有信息量的句子直接删掉；也不会为了"显得严谨"给每段末尾硬塞一句 limitation 或 future work。

同时它有严格的"不改研究"边界：保留你提供的实验设置、数字、引用 key 和结论；缺失的结果保持缺失，提议中的实验不会被写成已完成的结果——润色不虚构，是底线。

5. 自动化体检：check_prose_quality.py 帮你定位 AI 味

对整篇稿件，可以运行仓库自带的质检脚本（纯定位、不改文件，规则见 check_prose_quality.py）：

python ccf-paper-writer/scripts/check_prose_quality.py main.tex

它输出的是一份候选位置清单，覆盖三类信号：

• 📝空话开场白：in the realm of、it is important to note that、值得注意的是等；
• 💎虚词堆砌：delve、tapestry、comprehensive、groundbreaking等需要证据支撑的词；
• 🛡️防御性模式：审稿人预判、自我降格、否定式定位、堆叠 hedging、内部工程状态旁白（中英双语规则）。

注意：脚本只是"体检单"，通过脚本不等于文章合格，命中模式也不等于必须改。修复时必须在上下文中判断——robust optimization这类术语即使命中robust也应保留。语义层面的写作护栏另见 prose-quality-guardrails.md。

6. 润色的边界：什么改，什么坚决不改

新手最容易走偏的两个方向，CCFA Skills 都有明确政策（详见 humanization-policy.md）：

• ✅该改的：防御性铺垫、机械枚举、过度破折号（全篇正文建议不超过 3 处---）、内部版本旁白、"confirmed full version" 这类工程状态措辞、同一段限制反复出现的免责声明。
• 🚫不能改的：真实不确定性、已知的负面结果、必要的假设、公平对比的约束条件、引用、公式、数字、术语，以及必须披露的信息。suggests不能被改成proves，没跑的实验不能被写成已完成的结果。
• ⚠️需要人拍板的：只有当某个判断依赖未知实验结果或研究范围变更时，skill 才单独输出一条 warning（说明受影响的声明、证据缺口与最小决策），并且不把它写进论文文件。

一句话总结：Humanization 保留严谨性，只是不再让严谨变成自我辩护。

7. 从润色到投稿：推荐的工作流

CCFA Skills 不是一条必须从头跑到底的流水线，你可以只取写作这一段。推荐的完整路径是：

1. 写作：ccf-paper-writer润色/压缩正文（内建 humanization 预检）；
2. 独立评审：交给ccf-paper-reviewer判断"稿件结论是否站得住"，评审不改正文，避免一边审稿一边替自己解释；
3. 按意见修订：回到 writer 处理实际扣分点，而不是泛泛重写；
4. 审稿回复：ccf-rebuttal-writer组织 rebuttal 与修订记录；
5. 投稿前检查：ccf-submission-checker核对模板、页数、匿名与 PDF 格式。

如果你论文的方法图也需要处理（而不是只润色文字），ccf-visual-composer负责从论文提炼机制关系、生成分层架构图，并可重建为可编辑的 SVG/PDF/PPTX。下图是它实际产出的 PPT/Poster 视觉稿，可直观感受"文字润色 + 成图"配套后的论文面貌：

8. 常见问题

Q1：humanization 会不会把not、only这类词全删了？不会。它按"修辞功能"而非"词汇黑名单"修复。界定方法边界、标明实验对照的否定与限定词应当保留。

Q2：润色后数字或引用变了怎么办？按设计，润色必须保留你提供的数字、公式、引用 key 与结论结构；若发现不一致，应以你提供的原始记录为准并单独核对。

Q3：只想让某一段"不那么像 AI 写的"，要装全部 17 个 skill 吗？不需要。skill 家族按任务路由，小段润色只加载ccf-paper-writer与 humanization 规则，不会把评审、检索等能力一起拖进来，无关上下文越少，结果越稳定。

Q4：它和"AI 痕迹检测器"是一回事吗？不是。检测器追求降低被识别概率；humanization 追求的是句子承载真实科学信息。副作用才是"不像 AI 写的"，主目标是让审稿人直接读懂你的论证。

小结：用 CCFA Skills 给 CCF-A 论文做"去 AI 味"润色的核心路径是——用ccf-humanization的逐句判断法清理防御性写作，用ccf-paper-writer的 polish/compress 模式完成正文修订，再用check_prose_quality.py定位残留的模板化表达；全程保留真实证据与严谨性，让论文读起来像学术陈述，而不是辩护词。相关规则与入口文件：ccf-humanization/SKILL.md、ccf-paper-writer/SKILL.md、README.md。

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills