AI Vibe Writing Skills / AI 写作技能系统

A local AI writing skill system for style transfer, long-term memory, spec-driven writing, reviewer-defense, PDF evidence ingestion, and multi-agent academic writing.

一个面向 Agent / IDE 的本地 AI 写作技能系统，支持风格迁移、长期记忆、规范驱动写作、审稿防御、PDF 证据入库与多智能体学术写作闭环。

Table of Contents / 目录

• What This Project Is / 项目定位
• What Is New / 最新能力
• Core Workflow / 核心工作流
• Quick Start / 快速开始
• Agent System / 智能体体系
• Defensive Writing / 防御性写作
• Configuration / 配置入口
• Automation Workflows / 自动化工作流
• PDF And Evidence / PDF 与证据入库
• Local AI Style Check / 本地 AI 痕迹检测
• File Structure / 文件结构
• Usage Examples / 使用示例
• License / 许可证

What This Project Is / 项目定位

AI Vibe Writing Skills 不是一个传统的 Web 应用或后端服务。它是一套放在本地仓库里的 AI 写作上下文系统：Agent 打开这个项目后，会读取 .ai_context 里的提示词、风格档案、错题本、长期记忆、文档规范和工作流，从而把一次普通写作任务变成可追踪、可复核、可迭代的写作工程。

它的设计目标不是让 AI 替代作者，而是把写作中的 dirty work 交给 AI：

• 整理资料与参考文献
• 提取和保持个人写作风格
• 记录用户不喜欢的表达方式
• 管理长期术语、单位、事实和偏好
• 先制定写作规范，再写大纲和正文
• 在投稿前预判审稿人的攻击面
• 检查 AI 味、证据覆盖、规范偏离和 LaTeX 编译问题

一句话概括：

这是一个让 AI 成为“影子写手 + 审稿红队 + 证据管家 + 格式工程师”的本地技能包。

What Is New / 最新能力

v1.9 - Defensive Writing Agent / 防御性写作智能体

新增 defensive-writing-agent，用于投稿前的审稿人红队式预审。

核心思想：

防御性写作 = 贡献边界管理 + 局限主动披露 + 审稿人误解预防

它不是让作者嘴硬，也不是把局限藏起来，而是把论文的贡献、边界、证据和局限讲清楚，让审稿人即使挑刺，也只能挑到“适用边界”或“未来工程优化”，而不是动摇核心创新。

该模块内置三层策略：

Strategy / 策略	Core Logic / 核心逻辑	Use Case / 适用场景
上策	这不是缺陷，这是特点	所谓短板与目标场景、威胁模型或使用约束天然一致
中策	缺点本身是贡献边界分析	问题是真实局限，但来自工程参数或部署条件
下策	Rebuttal 兜底	前两者都不成立，或审稿意见已经出现

v1.8 - Next-Gen Architecture / 下一代动态架构

• 11_context_compactor_agent.md: 长上下文压缩，提取核心论点骨架、风格快照和已决规范。
• 12_router_agent.md: 动态 Prompt 路由，根据章节和文件类型挂载不同提示词切片。
• 13_latex_self_healing_agent.md: LaTeX 编译自愈，通过日志分析、脚本修复和重编译闭环解决复杂错误。

Earlier Modules / 已有模块

• 风格迁移：从用户过往文章中提取写作风格 DNA。
• 错误记忆：把用户纠正转化为可复用的负面约束。
• 语法检查：中英文语法、拼写、标点和风格洁癖项检查。
• 长期记忆：按领域存储硬性事实和柔性偏好。
• PDF 阅读：解析论文、抽取摘要、方法、结果、术语、数据点和引用。
• 多智能体闭环：大纲管理、内容写作、防御性预审、内容检阅。

Core Workflow / 核心工作流

本系统采用 Spec-Driven Writing，也就是“先定义事实和边界，再写正文”。

flowchart TD
    A["User Request

用户写作请求"] --> B["Document Spec

单点事实规范"]
    B --> C["Outline + DoD

大纲与验收标准"]
    C --> D["Content Writer

内容写作"]
    D --> E["Defensive Writing

防御性预审"]
    E --> F["Content Review

规范审计与 AI 味检查"]
    F --> G{"Pass?

是否通过"}
    G -->|Yes| H["Final Draft

最终文本"]
    G -->|No| D

    B -.-> M["Hard / Soft Memory

长期记忆"]
    M -.-> D
    M -.-> E
    M -.-> F

    style B fill:#eef2ff,stroke:#4f46e5,stroke-width:2px
    style E fill:#fff7ed,stroke:#ea580c,stroke-width:2px
    style F fill:#fef3c7,stroke:#d97706,stroke-width:2px
    style H fill:#dcfce7,stroke:#16a34a,stroke-width:2px

Workflow Contract / 流程契约

1. Spec Definition / 规范制定: 生成或读取 document_spec.md，明确主题、目标、核心论点、证据要求和防御性写作约束。
2. Outline / 大纲规划: 使用 outline_template.md 生成带 definition_of_done 和 defensive_dod 的大纲。
3. Recall / 记忆召回: 读取 style_profile.md、error_log.md、硬性记忆、柔性记忆和参考文献库。
4. Draft / 正文写作: content-writer-agent 根据 Spec、大纲、风格和证据生成正文。
5. Defend / 防御性预审: defensive-writing-agent 识别审稿攻击面，执行上策、中策、下策选择。
6. Review / 检阅审计: content-review-agent 检查 Spec、DoD、Defensive DoD、AI 味、证据覆盖和心流质量。
7. Iterate / 迭代修正: 若失败，回到写作阶段；若用户纠错，更新错题本和长期记忆。

Quick Start / 快速开始

Step 0: Clone / 克隆项目

git clone https://github.com/donghuixin/AI-Vibe-Writing-Skills.git
cd AI-Vibe-Writing-Skills

将该文件夹作为工作区打开，例如 Trae、Cursor、VS Code、Claude Code 或 Antigravity。

Step 1: Fill Custom Specs / 配置写作背景

编辑 .ai_context/custom_specs.md，填写常用主题、目标读者、引用要求、检测阈值、防御性写作设置等。

建议至少填写：

• Topic
• Target Audience
• Writing Mode
• Evidence Requirements
• Defensive Writing Settings

Step 2: Extract Your Style / 提取个人风格

首次使用建议提供 3-5 篇高质量旧作，然后对 Agent 说：

Use style-extractor to analyze these texts and update .ai_context/style_profile.md.

系统会提取：

• 语气和句式节奏
• 高频词和禁用词
• 标题习惯
• 引用与举例方式
• 标点和中英文混排习惯

Step 3: Start Writing / 开始写作

简单任务可直接调用 Writer：

Use content-writer-agent to draft an introduction about RAG based on my style.

长文或论文建议使用完整闭环：

Use workflow-coordinator to draft section 2 with outline, defensive writing, and review.

投稿前建议单独运行防御性预审：

Use defensive-writing-agent to red-team the Discussion section before submission.

Agent System / 智能体体系

Agent	File	Role
Style Extractor	.ai_context/prompts/1_style_extractor.md	提取用户写作风格 DNA
Writer	.ai_context/prompts/2_writer.md	按风格、错题本、记忆和证据生成文本
Error Logger	.ai_context/prompts/3_error_logger.md	把用户纠正沉淀为长期规则
Grammar Checker	.ai_context/prompts/4_grammar_checker.md	检查语法、错别字、标点和风格洁癖项
Long-Term Memory	.ai_context/prompts/5_long_term_memory.md	管理硬性事实和柔性偏好
Outline Manager	.ai_context/prompts/6_outline_manager_agent.md	创建、存储、校验大纲与 DoD
Content Writer	.ai_context/prompts/7_content_writer_agent.md	在大纲和 Spec 约束下写作
Content Review	.ai_context/prompts/8_content_review_agent.md	检查 AI 味、证据覆盖、规范偏离和心流质量
Workflow Coordinator	.ai_context/prompts/9_workflow_coordinator.md	调度完整写作闭环
PDF Reader	.ai_context/prompts/10_pdf_reader_agent.md	读取 PDF 并抽取结构化证据
Context Compactor	.ai_context/prompts/11_context_compactor_agent.md	压缩长上下文，保留核心论点和风格快照
Router	.ai_context/prompts/12_router_agent.md	根据章节和文件类型动态挂载 Prompt 切片
LaTeX Self-Healing	.ai_context/prompts/13_latex_self_healing_agent.md	通过日志分析和脚本修复 LaTeX 编译问题
Defensive Writing	.ai_context/prompts/14_defensive_writing_agent.md	审稿攻击面预审与三策防御

Defensive Writing / 防御性写作

防御性写作模块是 v1.9 的核心新增能力。它专门处理学术审稿中最常见的问题：审稿人抓住局限，试图把局限上升为核心贡献不成立。

它的目标不是“反驳审稿人”，而是在正文阶段提前完成三件事：

1. 讲清核心贡献是什么。
2. 讲清哪些限制只是适用边界或工程变量。
3. 讲清为什么这些限制不动摇核心创新。

Three-Tier Strategy / 上中下三策

flowchart LR
    A["Reviewer Attack

审稿攻击点"] --> B{"Can it be a feature

in this scenario?"}
    B -->|Yes| U["上策

这不是缺陷，这是特点"]
    B -->|No| C{"Can it become

an engineering map?"}
    C -->|Yes| M["中策

分析原因、变量与边界"]
    C -->|No| L["下策

Rebuttal 兜底"]

    U --> D["Suggested Insertions

写入正文"]
    M --> D
    L --> E["Rebuttal Backup

审稿回复备份"]
    D --> F["Defensive DoD

防御性验收标准"]
    E --> F

    style U fill:#dcfce7,stroke:#16a34a,stroke-width:2px
    style M fill:#fef9c3,stroke:#ca8a04,stroke-width:2px
    style L fill:#fee2e2,stroke:#dc2626,stroke-width:2px

Strategy	Meaning	Example
上策	把所谓缺陷解释为场景适配的特点	通信距离近意味着短距交互、更低窃听风险、更小攻击面
中策	把真实局限分析为工程优化边界	长距离受天线、功率、遮挡和干扰影响，本文贡献是速率机制
下策	为审稿意见准备克制回复	承认当前范围，补证据、降级 claim 或说明未来实验

Attack Surface Taxonomy / 十类审稿攻击面

Attack Type	Reviewer Concern	Defensive Direction
实验距离 / 实验范围不足	距离太短、场景太理想	判断能否上策化为安全、近场、低暴露面特点；否则分析距离扩展边界
样本规模不足	样本、设备、场景或实验次数太少	明确样本角色是 proof-of-concept、controlled validation 还是 population-level evidence
Baseline 不足或不公平	没有强 baseline，或比较条件不一致	说明同约束比较域，列出 closest prior、practical baseline、excluded baseline rationale
消融实验不足	不知道提升来自哪个模块	区分可消融组件和耦合机制，用 controlled variant 或敏感性分析补足
泛化性不足	只在单一数据集、平台或场景有效	写清已验证范围和合理外推条件，不做无限泛化
统计显著性不足	没有 error bar、置信区间或多次运行	没有统计支撑时降级为 observed / measured improvement
部署成本过高	复杂、贵、难集成	拆分 compute、hardware、integration、calibration、maintenance cost
能耗问题	速率提升是否靠更高功耗	明确 energy per bit、duty cycle、active time、transmission power
实时性 / 延迟不足	吞吐提升不等于低延迟	区分 throughput、latency、tail latency、jitter、packet loss
理论新颖性不足	只是工程优化或组合已有技术	先声明贡献类型：method、system、dataset、theory、benchmark 或 concept feasibility

Output Contract / 输出契约

defensive-writing-agent 必须输出：

• Reviewer Attack Surface: 审稿人可能攻击的点
• Core Contribution Boundary: 核心贡献与非核心变量
• Strategy Ladder: 每个攻击点使用上策、中策还是下策
• Defensive Framing Plan: 每个风险点如何写进正文
• Suggested Insertions: 可直接插入论文的段落或句子
• Rebuttal Backup: 若审稿人真的提出，该如何回应
• Defensive DoD: 当前章节必须满足的防御性验收标准

Defensive DoD / 防御性验收标准

• 是否把核心贡献说清楚了？
• 该局限是否会被误读为核心实验失败？
• 是否说明局限影响的是部署边界，而不是创新有效性？
• 是否先尝试上策，而不是直接进入 rebuttal？
• 若上策不成立，是否用中策分析原因、优化变量和边界？
• 是否有证据锚点或明确范围条件？
• 是否避免了夸张词、绝对化断言和过度承诺？
• 审稿人只读这一段时，能否明白为什么这个问题不致命？

Configuration / 配置入口

Custom Specs

.ai_context/custom_specs.md 是全局配置入口，包含：

• 写作主题和目标读者
• 引用数量与格式
• 上下文预算
• AI 味检测阈值
• 心流鉴赏阈值
• 防御性写作设置
• PDF 阅读设置
• 第三方检测服务 API Key 占位符

防御性写作相关字段：

- **Defensive Writing Settings**:
  - **Target Venue**: [e.g. NeurIPS, CHI, MobiCom, Nature, IEEE Journal]
  - **Contribution Type**: [e.g. method, system, dataset, theory, benchmark, concept_feasibility]
  - **Known Weaknesses**: [e.g. short-range evaluation, limited sample size, missing energy study]
  - **Reviewer Sensitivity**: [e.g. novelty, baselines, statistics, deployment, reproducibility]
  - **Strategy Preference**: [e.g. upper_first]
  - **Allow Feature Reframing**: [e.g. true]
  - **Require Engineering Boundary Analysis**: [e.g. true]
  - **Generate Rebuttal Backup**: [e.g. true]

Document Spec

.ai_context/document_spec_template.md 是大型写作任务的单点事实模板。它用于明确：

• 主题和目标
• 目标读者
• 核心论点
• 章节结构
• 证据要求
• 防御性写作约束
• 必须降级或加范围条件的 claim

Memory

File	Purpose
.ai_context/style_profile.md	用户风格指纹
.ai_context/error_log.md	错题本与禁忌表达
.ai_context/memory/hard_memory.json	术语、单位、关键事实
.ai_context/memory/soft_memory.json	偏好、语气、表达习惯
.ai_context/memory/reference_library.json	参考文献与证据库

Automation Workflows / 自动化工作流

Antigravity 或支持 .agents/workflows 的 Agent IDE 可以直接使用以下工作流：

Command	File	Purpose
/ai_vibe_writing	.agents/workflows/ai_vibe_writing.md	完整执行 Spec、Outline、Write、Defend、Review
/defensive_writing	.agents/workflows/defensive_writing.md	单独执行审稿攻击面预审
/pdf_ingestion	.agents/workflows/pdf_ingestion.md	读取 PDF 并更新参考文献库和长期记忆

PDF And Evidence / PDF 与证据入库

PDF 阅读模块用于把论文、报告或技术文档转为结构化证据。

标准流程：

1. 读取 .ai_context/custom_specs.md 中的 PDF Reading Settings。
2. 使用内置解析或 MinerU 解析 PDF。
3. 调用 pdf-reader-agent 抽取摘要、方法、结果、局限、术语、数据点和引用格式。
4. 更新 reference_library.json。
5. 将稳定术语和事实写入 hard memory，将写作偏好写入 soft memory。

相关文件：

• .ai_context/prompts/10_pdf_reader_agent.md
• .ai_context/pdf_ingestion_template.md
• .ai_context/reference_learning.md
• .ai_context/scripts/parse_pdf.py

MinerU

仓库包含 MinerU 相关示例：

• mineru_gui.py: Gradio 图形界面。
• run_magic_pdf.py: 命令行调用示例。
• magic-pdf.json: magic-pdf 配置示例。
• configs/layoutlmv3_base_inference.yaml: layoutlmv3 推理配置。

示例：

python mineru_gui.py

或：

magic-pdf -p ./test.pdf -o ./output -m txt

Local AI Style Check / 本地 AI 痕迹检测

Local_AI_Style_Check 提供完全本地运行的 LaTeX 论文 AI 痕迹检测工具。

功能：

• 清洗 LaTeX 源码，移除公式、引用、标签和注释。
• 扫描中英文高频 AI 味词。
• 使用 distilgpt2 计算困惑度 PPL。
• 适合投稿前检查论文中的机械表达和 AI 润色痕迹。

安装：

cd Local_AI_Style_Check
pip install -r requirements.txt
python paper_ai_detector.py

File Structure / 文件结构

.
├── README.md
├── SKILLS.md
├── FREE_AI_DETECTION_APIS.md
├── .traerules
├── .agents/
│   └── workflows/
│       ├── ai_vibe_writing.md
│       ├── defensive_writing.md
│       └── pdf_ingestion.md
├── .ai_context/
│   ├── custom_specs.md
│   ├── document_spec_template.md
│   ├── outline_template.md
│   ├── style_profile.md
│   ├── error_log.md
│   ├── reference_learning.md
│   ├── pdf_ingestion_template.md
│   ├── memory/
│   │   ├── hard_memory.json
│   │   ├── soft_memory.json
│   │   └── reference_library.json
│   ├── prompts/
│   │   ├── 1_style_extractor.md
│   │   ├── 2_writer.md
│   │   ├── 3_error_logger.md
│   │   ├── 4_grammar_checker.md
│   │   ├── 5_long_term_memory.md
│   │   ├── 6_outline_manager_agent.md
│   │   ├── 7_content_writer_agent.md
│   │   ├── 8_content_review_agent.md
│   │   ├── 9_workflow_coordinator.md
│   │   ├── 10_pdf_reader_agent.md
│   │   ├── 11_context_compactor_agent.md
│   │   ├── 12_router_agent.md
│   │   ├── 13_latex_self_healing_agent.md
│   │   └── 14_defensive_writing_agent.md
│   └── scripts/
│       └── parse_pdf.py
├── Local_AI_Style_Check/
│   ├── README.md
│   ├── requirements.txt
│   └── paper_ai_detector.py
├── mineru_gui.py
├── run_magic_pdf.py
├── create_pdf.py
├── magic-pdf.json
└── configs/
    └── layoutlmv3_base_inference.yaml

Usage Exampl