京东商品信息怎么批量查？抓SKU价格促销做竞品监控
「京东商品信息查询」是「龙虾部署大师」技能市场中的商品数据采集技能：它从商品链接或店铺首页批量获取京东商品详情，返回 SKU、标题、价格、促销、优惠券、服务、评价数、品牌、规格参数等结构化字段，也可仅提取店铺的商品链接，便于做价格对比、竞品监控和商品资料整理。 技能效果 演示京东商品信息查询时，它列出可批量采集的十七个字段、商品链接和整店两种导入方式，并给出最终导出表格的字段格式。 盯京东竞品价格，手抄又慢又乱 做京东运营，盯竞品价格、促销和优惠券是日常，可手工去做又慢又容易乱：一个店铺几十个 SKU 要逐个开页、复制价格和促销；想定期追踪价格变化做对比，靠人工记录根本撑不住；评价数、规格这些字段散在页面各处，抄完还得自己拼成表。 这个技能能帮你拿到什么 它把京东商品页转成结构化数据。采集方式上，它支持商品链接、店铺首页、店铺链接三种模式，既能抓单个 SKU，也能批量抓一个店铺；字段上，它获取价格、标题、促销、优惠券、评价数、品牌和规格参数；筛选上，支持预售、非预售或全部商品以及数量限制；可靠性上，它能识别登录、风控、页面结构变化并返回真实的错误信息，而不是默默给错数据。 三种采集模式 商品链接单个 SKU 详情 店铺首页批量抓整店 店铺链接只提取商品链接 一次采集拿到的字段可直接导入表格，做价格跟踪和活动复盘： 商品字段 价格 / 促销 / 券 评价数 / 品牌 规格 / 服务 SKU / 状态 用前须知 该技能需要 Python、AI agent gateway、skillcore HTTP 服务和 browser-tool，Chrome 应可用，部分页面需要京东账号登录；无单独 API Key。采集依赖真实抓取，可能受风控影响。 怎么用它 用法是把要采集的链接和字段需求用自然语言说清楚即可。例如可以这样对它说： 可以这样对它说 "抓取这个京东店铺前二十个商品的价格、优惠券和评价数，导出表格。" "查这个京东商品详情，价格、评价数、规格和促销都拿到，别漏品牌。" "只提取这个京东店铺的商品链接，暂时不要抓详情，限制前五十个。" 它适合这些场景：批量获取竞品价格、优惠券和促销做对比；从某个京东店铺提取商品链接列表供后续采集；单个 SKU 快速查看品牌、规格、服务和评论数据；定期追踪商品价格变化、结构化输出供表格分析。 大家常问 京东商品信息查询能拿到哪些字段，按商品链接和按店铺链接采集有什么区别？ 可拿到 SKU ID、店铺名、标题、价格、定金、促销与优惠券、商品服务、累计评价数、品牌、规格参数、采集时间与状态等十多个核心字段。按商品链接是"精准打击"，给几个链接就查几个，适合比价；按店铺链接是"地毯式扫描"，先抓店内全部商品再逐个采集，可限制数量并按预售/非预售筛选，适合竞品店铺调研。 批量采集京东商品信息时，为什么经常会遇到登录验证或者风控拦截？ 京东有成熟反爬风控，批量采集触发非人类特征就会拦截：请求频率过快、缺少真实浏览器指纹、访问路径异常（直奔详情页没有前置浏览）、短时间访问大量商品、数据中心 IP 信誉低。本技能用真实浏览器环境采集并引导扫码登录可降低概率，但风控会升级，无法完全避免，量大建议分批。 京东店铺里的预售商品和现货商品，在采集时为什么要区分开？ 两者数据结构和价格规则不同：现货是一口价、即时库存、当日发货；预售分定金和尾款两段，还涉及定金膨胀、尾款支付期和发货窗口。不区分容易把定金误当商品价、价格解析失真，且预售看付定率、现货看日销，混在一起会让分析维度互相干扰。建议打类型标记、分类采集、分开存储。 采集京东商品时返回了报错或者空数据，一般是什么原因导致的？ 最常见是京东账号未登录，访客拿不到价格促销，扫码登录后重采即可；其次是高频请求触发风控验证码，需手动过验证并拉大请求间隔；再就是链接不是标准商品详情页或 SKU 已失效、商品下架。还有页面 DOM 结构更新导致部分字段解析为空。排查从"是否已登录"开始即可解决多数情况。 想用上这个技能？ 「京东商品信息查询」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 整理飞书妙记会议纪要
「飞书妙记报告」是「龙虾部署大师」技能市场中的会议纪要整理技能：作用是读取飞书妙记、会议纪要文档或 Wiki 链接，自动提取转写、参会人、时长、AI 摘要和待办，再按摘要、行动项、关键决策、技术风险或按人汇总等目标，生成可保存的结构化报告。输入妙记 URL 和报告需求后，它自动识别飞书与国际 Lark 域名并完成整理。 技能效果 把一场产品评审会的要点交给它，它整理成正式会议纪要，把上线时间、UI出稿、埋点归属等关键决议列清，待办再按负责人分组。 开完会再整理纪要，慢在哪 会议结束后整理纪要是高频且耗神的事：一场会几十分钟甚至几小时的转写，人工通读、归纳决策和待办，往往要花掉与开会差不多的时间；不同人整理的口径还不一致，有人记成流水账，有人漏掉责任人，导致纪要难以复用；技术讨论里方案分歧、未解问题散落在长文本中，靠人眼很难快速聚焦。结果是纪要要么不及时，要么不可靠。 长篇转写 关键决策 行动项 + 责任人 风险与未解问题 这个技能能帮你整理出什么 它把一条妙记链接变成一份团队能直接读的纪要。核心能力有四块：一是解析妙记、docx、Wiki 和国际 Lark 链接中的会议 token，定位到正确的会议；二是获取转写、元数据、AI 摘要、行动项和原始统计字段；三是按你的需求生成会议摘要、待办清单、关键决策或按人汇总等不同形态的报告；四是在转写为空时按优先级使用 AI 摘要或原始字段兜底，不至于无内容可输出。把"散落在长转写里、且口径不一的信息"转成结构稳定、可保存复用的报告。 妙记 URL + 报告需求 飞书妙记报告 提取 + 兜底 结构化纪要 摘要 / 待办 / 决策 按人汇总 可保存报告 用前须知 该技能运行时只用 Python 3 标准库，无需手动配置 API Key 文件，但需要 AI agent 已建立飞书连接，并具备 minutes、vc、docx、wiki 相关的只读或导出权限。流程会先确认 URL 和报告用途，权限或来源有问题时会按脚本诊断给出可追踪的提示。 怎么用它 用法是把妙记链接和你想要的报告形态用自然语言交给它，无需自己读转写、记字段。例如可以这样对它说： 可以这样对它说 "这条飞书妙记链接整理成会议纪要，重点写决定和待办，按负责人分组。" "从这个妙记里按发言人汇总，每个人说了什么要清楚，不要混在一起。" "老板只看一页，把这场会的转写压成结论和风险，控制在一页内。" 它适合这些场景：会议结束后要快速生成团队可读的纪要；管理者想提取关键决策、开放问题和责任人后续动作；技术讨论较长、需要聚焦风险和方案分歧；多人发言要按人汇总各自的主要观点和立场。 大家常问 为什么飞书妙记的转写不等于一份会议纪要？ 转写只是把每段音频通过 ASR 转成带时间戳的逐句文字流，里面有语气词、重复和修正，按时间轴平铺，没有决策、责任人、风险这些维度。会议纪要要在转写之上再做语义结构化与报告骨架组装，转写本身只是原料。 飞书妙记报告里的"按人汇总"是什么意思？ 按人汇总是以发言人为主线重新组织内容：把同一个人在会议不同时间段的发言合并到一起，给出每个人的几条要点和待办，而不是按时间顺序罗列对话。它依赖说话人分离的 Speaker ID 与按人归集结果，方便快速看清谁说了什么、谁负责什么。 飞书妙记里的"行动项"和"关键决策"指的是什么？ 行动项是会议中明确分配或认领的待办，结构上含负责人、具体内容和截止时间。关键决策是会议达成的最终结论或选定方案，比如多个选项中确定一条路、就争议达成一致。两者在报告骨架里各自独立成块，由结构化提取从转写里抽取。 飞书妙记的 AI 摘要和结构化会议报告有什么区别？ AI 摘要走轻量管线，做完语义分段后直接取段落级摘要拼成要点列表，定位是快速浏览。结构化会议报告在此基础上再走一步报告骨架组装，把内容归到会议概览、核心讨论、待办、关联资源等模块，并锚定到转写时间戳，便于归档与跟进。 想用上这个技能？ 「飞书妙记报告」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 做 Android 原生开发
「Android 原生开发」是「龙虾部署大师」技能市场中的工程指南技能：作用是按照 Kotlin、Jetpack Compose、Material Design 3 和 Gradle 的规范，从项目状态评估到业务代码实现全程把关。它会先确保 Gradle Wrapper、AndroidX、模块配置和 assembleDebug 构建可用，再进入开发，并在命名、空安全、协程线程、Compose 状态、资源命名、M3 色彩对比、触控尺寸和暗色主题等环节给出符合规范的写法。 技能效果 要搭 Kotlin+Compose 安卓项目时，它给出了完整目录结构，连同根级与 app 模块的 build.gradle.kts、Manifest 和 MainActivity 都写齐，并说明各文件作用。 原生安卓开发，时间都耗在哪些坑上 原生安卓开发真正费时的部分，往往不在业务逻辑，而在工程地基与平台规范上。一个新项目从空目录起步，Gradle Wrapper、AndroidX、Manifest、资源目录要逐项配齐，任何一处缺漏都会让首次 assembleDebug 失败；进入 Compose 后，状态管理、生命周期、协程线程切换稍有不慎就引发重组异常或线程错误；临到上线，又要回头补 Material Design 3 的色彩对比、触控目标尺寸、暗色主题和无障碍这些容易被忽略的细节。问题分散在构建、编码、审查三个阶段，每一段都可能卡住进度。 工程地基 Gradle / AndroidX Compose 编码 状态 / 协程 规范审查 M3 / 无障碍 任一环节卡住都会拖慢整体进度 这个技能能帮你管住什么 它把原生安卓开发的全链路当作一套有先后的工程流程来管。第一步是项目状态评估：判断当前结构，补齐 Gradle、AndroidX、Manifest 和资源配置，确保 assembleDebug 能先跑通，再进业务代码。第二步是编码规范：在 Kotlin 命名、空安全、协程线程、可见性、日志和服务端响应模型上给出一致写法。第三步是 Compose 实现：处理状态管理、Composable 调用和生命周期用法。第四步是质量审查：按 Material Design 3、无障碍、性能和构建错误清单逐项核对。 ① 评估结构 · 补齐 Gradle / AndroidX / Manifest ② Kotlin 规范 · 空安全 / 协程线程 / 日志 ③ Compose 状态管理与生命周期 ④ M3 / 无障碍 / 性能清单审查 用前须知 该技能支持 macOS 与 Windows，无需 API Key，但需要本机具备 Android Studio、JDK 17、Android SDK 和 Gradle Wrapper。Windows 下使用 gradlew 或 .\gradlew 执行构建；国内网络环境建议先配置 Maven 与 Gradle 镜像，否则依赖下载可能受阻。 怎么用它 用法是把开发目标和当前项目状态用自然语言交给它，由它判断该从评估、编码还是审查切入。例如可以这样对它说： 可以这样对它说 "从空目录建一个用 Kotlin 和 Compose 的安卓项目，先保证能正常打包。" "这个 Gradle 构建失败了，按 Windows 环境帮我排查依赖、镜像和缓存问题。" "给登录页做一套 Material 3 界面，顺手检查无障碍和暗色模式，定位报错。" 它适合这些场景：在空目录中初始化原生项目并先确保 assembleDebug 通过；已有 Compose 项目构建失败、需要定位依赖、资源或语法问题；开发移动端界面时要符合 M3、触控目标和无障碍要求；为不同环境配置 product flavors、BuildConfig 和调试发布构建。 大家常问 为什么 Android 原生项目要先让 assembleDebug 跑通再写业务代码？ assembleDebug 走的是从 AAPT2 资源编译、kotlinc/javac、D8 到 debug.keystore 签名和 zipalign 的完整构建管线。这一步先跑通，意味着 Gradle 配置、AndroidX 依赖、Manifest 与资源目录都没问题，业务代码才能被打成可装到设备上的 APK；否则 ViewModel、协程和生命周期写得再多也无法在真机上验证。 Jetpack Compose 是什么？它和传统 Android View 体系在编程模型上的区别是什么？ Compose 是 Android 官方的声明式 UI 工具包，用纯 Kotlin 函数描述界面，靠 mutableStateOf 与重组自动驱动 UI 更新；传统 View 体系是命令式，先在 XML 里布好布局，再用 findViewById 在代码里手动 setText、setVisibility 同步状态。Compose 把"状态→UI"的映射交给运行时，开发者只需描述界面应是什么样子。 assembleDebug 和 assembleRelease 的区别是什么？ assembleDebug 用 SDK 自带的 debug.keystore 自动签名，不开 R8 混淆和压缩，Manifest 里 debuggable=true，产物大但便于断点调试；assembleRelease 需配置正式签名，默认开 R8 做树摇、混淆与内联，生成 mapping.txt，产物更小、debuggable=false，是可上架 Google Play 的版本。 国内做 Android 原生开发为什么通常要配置 Maven 和 Gradle 镜像？ Gradle 构建要从 services.gradle.org 拉发行版 ZIP、从 dl.google.com 拉 AGP、从 repo1.maven.org 拉 Maven Central 依赖，三处都在海外。一个中型项目动辄上百个传递依赖，每条都要一次跨海 HTTP 请求，丢包和延迟容易累积超时；换上国内 Maven 与 Gradle 镜像，把流量切到国内反向代理与缓存节点，依赖解析就稳了。 想用上这个技能？ 「Android 原生开发」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用AI查天气
「天气查询」是「龙虾部署大师」技能市场中的天气获取技能：作用是按城市、机场代码或坐标查询当前天气和预报，返回天气状况、温度、湿度、风向风速、月相等信息，默认使用 wttr.in 输出简洁文本、紧凑格式、完整预报或 PNG 图片，必要时改用 Open-Meteo 的 JSON 接口作为备选，适合快速查询、出行准备和程序化天气展示。 技能效果 查杭州明天天气时，它把早晨与傍晚分开，分别给出降雨概率、湿度和风力。 查天气，为什么也值得做成一个技能？ 看一眼今天几度并不难，难的是把天气信息按需要的形式取出来。出行前想知道的不是一个温度数字，而是"早晚分别冷不冷、周末适不适合户外、风力湿度怎么样"；做报告或看板时，又希望天气以固定格式嵌进去，而不是每次手动复制粘贴；偶尔还需要一张天气图片用于分享或展示。 普通天气网站给的是给人看的页面，既不方便按字段取用，也不适合放进自动化流程。把查询、格式和数据源统一成一个技能，正是为了让"取天气"这件小事变得可控、可复用。 同一份天气，多种取用形式 简洁文本 ☀ 紧凑格式 嵌入看板 PNG 图片 报告 / 分享 JSON 程序处理 这个技能能帮你做什么？ 这个技能默认通过 wttr.in 查询，支持按城市名、机场代码（如 JFK）或经过编码的地点取天气；可以按格式返回温度、湿度、风速、地点、月相等指定字段，输出形式覆盖当前天气、今日预报、完整预报和 PNG 天气图。需要程序化处理时，它能改用 Open-Meteo 的坐标接口返回 JSON，结构清晰、便于嵌入脚本或看板；当 wttr.in 不稳定时，Open-Meteo 也充当备选数据源，保证查询不中断。 地点 + 单位 + 输出格式 天气查询 wttr.in 主源 Open-Meteo 备选 天气字段 温度 / 湿度 / 风速 月相 / 预报 输出 用前须知 该技能无需 API Key。但需要可访问 wttr.in 或 Open-Meteo 的网络环境，并具备 curl 或等效的 HTTP 请求工具；城市名含空格时需要进行 URL 编码。预报数据来自第三方服务，仅作出行和展示参考。 怎么用它？ 用法是把地点、关心的指标和想要的单位说清楚，要图片或要分时段也直接讲。例如可以这样对它说： 可以这样对它说 "查一下杭州明天会不会下雨，顺便看风力和湿度，早晚分开说清楚。" "纽约这周天气按华氏度说，周末适不适合徒步，白天夜里分别看。" "用机场代码 JFK 查当前天气，温度和风速都要有，按英制单位显示。" 它适合这些场景：想快速查看某城市当前温度、天气、湿度和风速；脚本或看板需要以固定格式嵌入天气摘要；需要生成天气 PNG 图片用于报告、分享或可视化；以及在主数据源不稳定时改用 JSON 接口获取数据。 大家常问 为什么不同来源的天气预报对同一天的结果会不一样？ 天气预报底层是数值模型，不同机构的初始观测、模型分辨率和物理参数化方案都不一样，加上大气本身的混沌特性，初始条件的微小差异会被放大，所以同一天的预报结果会出现差异。 体感温度和实际温度的差别是什么，怎么用来判断穿衣？ 实际温度只是空气温度计的读数，体感温度还叠加了湿度和风速对人体散热的影响。夏天高湿会让体感比实际更热，冬天大风会让体感更冷，穿衣建议要按体感来分层，而不是只看实际气温。 暴雨橙色预警和黄色预警在出行决策上有什么区别？ 黄色预警对应"谨慎出行"，降雨量较大但未到致灾临界，可规划备选路线后出门；橙色预警的小时雨强和内涝、山洪风险显著升高，建议非必要不出行，已在外的人优先就近避险而不是继续移动。 想用上这个技能？ 「天气查询」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用AI分析营养成分
「营养成分分析」是「龙虾部署大师」技能市场中的饮食数据分析技能：作用是读取你的连续饮食记录，评估宏量营养素、维生素、矿物质和饮食模式的摄入情况——它计算 RDA 达成率、营养密度评分和趋势变化，识别营养素的不足与过量信号，并能把饮食与体重、睡眠、血糖等健康数据关联，输出营养趋势、风险分级和分优先级的行动建议。 技能效果 把一周的饮食记录交给它，它对照膳食推荐量逐天算出蛋白质、纤维和钠的趋势，标出哪几天达标、哪几天钠严重超标。 记了一堆饮食日志，为什么还是看不出问题 困难在于原始记录本身不会说话。把每天吃了什么记下来之后，常遇到三种障碍：一是看不出趋势，单看一天的数据没意义，要判断这一个月蛋白质、纤维、钠的摄入是在改善还是恶化，需要按周聚合、算出趋势斜率；二是不知道够不够，维生素 D、铁、钙到底达没达到推荐量，要对照 RDA/AI 标准才说得清；三是关联看不到，咖啡因、晚餐时间和睡眠、血糖之间有没有关系，靠翻日志根本对不上。零散的记录要变成有用的判断，缺的正是这套分析。 按 RDA 达成率给营养素亮灯 蛋白质 充足 纤维 偏低 维生素D 缺乏 钠 过量 这个技能能帮你分析什么 它把分散的饮食日志转成连续、可复盘的营养分析。流程是先确认分析范围，再读取你的每日记录，然后做四类计算：分析热量、蛋白质、脂肪、纤维等摄入随时间的趋势变化；按 RDA/AI 标准评估各类维生素、矿物质和特殊营养素的达成率；识别整体饮食模式、营养缺乏风险和营养质量等级；并把饮食与体重、运动、睡眠、血压、血糖等健康指标关联起来，找出相关性。它同时会检测能量异常、营养素过量与缺乏信号，最终输出营养趋势、风险分级和按优先级排好的行动建议。 读连续日志 每日饮食记录 算达成率/趋势 RDA / 斜率 / 相关 识别风险信号 不足 / 过量 风险分级 + 行动 用前须知 该技能无需 API Key，但需要你提供 nutrition-tracker、每日饮食日志及可选的健康 JSON 数据；若要落地完整的计算算法，建议具备 Python 数据分析环境。需要明确的是，它输出的营养评估仅作健康参考，不构成医疗诊断或治疗建议；涉及疾病、用药或异常指标时，应咨询医生或注册营养师。 怎么用它 用法是把你的饮食日志和想关联的健康数据交给它，并说清要看哪段时间、哪些营养素。例如可以这样对它说： 可以这样对它说 "分析我这个月蛋白质、纤维和钠的摄入有没有偏差，按周看趋势。" "把饮食记录和睡眠数据放一起，看看晚餐时间是不是影响了睡眠质量。" "评估最近两周维生素 D 和铁的达成率，标出缺乏风险和处理优先级。" 它适合这些场景：基于连续饮食日志评估近一个月的营养结构是否在改善；检查维生素 D、铁、钙、钠等关键营养素的不足或过量风险等级；分析咖啡因、晚餐时间、纤维与睡眠或血糖变化之间的关系；以及为减重、控压或改善饮食质量列出分优先级的行动计划。 大家常问 为什么营养标签上的热量数字和实测会有偏差？ 标签基于Atwater固定系数折算（蛋白碳水4、脂肪9、纤维2 kcal/g），忽略了食物基质的细胞壁完整性、加工后的酶解效率以及个人肠道菌群差异，法规也允许±20%误差，所以与实测往往不一致。 餐厅菜肴热量估算最容易出错在哪几个环节？ 误差最集中在三处：用油量与烹饪吸油率不可见、勾芡淀粉与酱汁糖分等隐形碳水被漏算、酱料份量随师傅手感波动。AI看到的是成品，而热量取决于过程，总热量通常被低估20%-45%。 GI 与 GL 在饮食控制里的核心区别是什么？ GI只衡量碳水升高血糖的速度，是定性指标；GL=GI×碳水克数÷100，把实际摄入量纳入计算，是定量指标。GI告诉你这个碳水快不快，GL告诉你这一口下去对血糖的真实冲击有多大。 隐性热量通常藏在哪几类食物里？ 最常见有五类：烹饪用油与沙拉酱、奶茶果汁等液态糖、谷物棒坚果酱等"健康光环"零食、卤味腌制品、火锅底料浓汤宝等复合调味。它们体积小或被当作调味品，但能量密度极高，单次少累积多。 想用上这个技能？ 「营养成分分析」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 写学术论文
「学术论文写作」是「龙虾部署大师」技能市场中的论文写作技能：以目标确认、文献整合、大纲规划、内容撰写、质量评估五步推进，可导入文献、整理文献矩阵、生成章节大纲和论文初稿，并按 APA、MLA、Chicago、GB/T 7714 等格式处理引用，最终输出可提交的 DOCX 文档和质量评估报告。 技能效果 给它三篇英文文献，它补全了 GB/T 7714 引用格式，整理成中文综述并附上摘要框架。 从一堆文献到一篇初稿，难在哪 很多研究者卡在"文献都读完了，却迟迟动不了笔"。难点集中在三处：一是结构，章节怎么排、论证逻辑怎么串，不同学科和不同期刊的模板各不相同；二是引用，文内引用与参考文献列表要严格对应某种格式（APA、国标 GB/T 7714 等），一处格式不统一就要返工排查；三是规范，字数、分区、术语和语言风格都有硬性要求。写作本身已经费力，规范化和排版又额外消耗大量精力。 写作前的三道坎 结构 章节 / 论证逻辑 引用 格式 / 文内对应 规范 字数 / 分区 / 语言 三道坎叠加 → 读完文献仍迟迟动不了笔 规范化与排版额外消耗精力 这个技能能帮你做到什么 它把论文写作拆成五步可推进的流程，并在每一步给出可用的产物。先确认论文类型、学科领域、目标格式和字数等写作规范；再整理文献矩阵，把已有文献按主题和论点归位；接着按学科模板生成章节大纲、设计论证逻辑链；随后撰写各章节内容；最后生成 DOCX 文档，并按结构、内容、规范、语言四个维度评分。整套流程适配理工科、人文社科、医学和商科等不同学科结构。 目标确认 文献整合 大纲规划 内容撰写 质量评估 在引用环节，它支持把文献数据批量转换为指定格式并嵌入正文，常见格式覆盖如下： 引用格式常见适用场景 APA心理、教育、社会科学类期刊与学位论文 MLA / Chicago人文社科、文学与历史方向写作 GB/T 7714国内高校学位论文与中文期刊的国标引用 用前须知 该技能需要 Python 环境及本地脚本 citation_formatter.py、paper_template_filler.py，DOCX 输出依赖模板资产。无需外部 API Key，但需要你提供文献数据与明确的格式、字数等写作要求。它负责把材料整理成规范文本，论文的事实与观点仍应由作者把关核实。 怎么用它 用法是把已有文献、目标格式和写作任务用自然语言交给它。例如可以这样对它说： 可以这样对它说 "把这些文献整理成中文综述，引用格式按国标补完整，再写一份摘要框架。" "按医学期刊格式写影像诊断论文的引言，突出研究空白和创新点。" "论文第三章结构有点乱，帮我重排小节逻辑、引用和段落过渡，避免断层。" 它适合这些场景：已有文献检索结果，需要整合成期刊论文或学位论文初稿；目标会议或期刊格式明确，需要快速规划章节结构和引用规范；博士或硕士论文某一章节需要补充实验设计、讨论或结论；需要把文献数据批量转换为指定引用格式并嵌入正文。 大家常问 一篇规范的学术论文，IMRaD 结构通常包含哪几个部分，每个部分主要写什么？ IMRaD 指引言、方法、结果、讨论四部分：引言交代背景并引出研究空白与研究问题；方法详述设计、样本与分析，要保证可重复；结果只客观呈现发现、不作解释；讨论再把结果与文献对话、阐释意义并坦陈局限。 论文里的文献综述部分，基本结构是什么，应该写哪些内容？ 文献综述多采用漏斗式结构：先交代宏观背景与概念，再按主题或方法分类综述，遵循"观点—证据—评价"，接着点出现有研究的具体空白，最后说明本研究如何填补。关键是分类整合与批判评价，而非逐篇罗列流水账。 论文的摘要和引言有什么区别，各自应该写什么内容？ 摘要是全文的浓缩版、独立可读，按问题—方法—结果—结论四要素写，一般不引用文献；引言则是漏斗式的开场，从背景到文献空白再到研究问题，必须引用文献且不呈现结果。一句话：摘要让人决定是否读全文，引言让人明白为何要做这项研究。 想用上这个技能？ 「学术论文写作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示