论文写作器 — AI 工程从零开始

LaTeX 骨架是研究者与排版者之间的契约。契约一旦破坏，文档就无法编译，而且失败是响亮的。先构建骨架，再填充它。

学习目标

把研究论文当作一个有已知章节图的结构化产物，而不是自由格式文档。
在任何正文写出之前，生成一个声明摘要、章节、图槽位和文献键的 LaTeX 骨架。
通过确定性的槽位机制，把实验输出中的图（路径与标题）注入骨架。
接一个 mock 的正文生成器，从结构化大纲填充每个章节，使 harness 无需模型即可测试。
输出单个 paper.tex、一个 references.bib，以及一个列出所有引用图和所有引用键的清单。

ch-paper-skeleton静态版本未包含此交互图

为什么先做骨架

从正文开始的草稿会积累结构性债务。引言长出三段本应属于相关工作。图在定义之前就被引用。参考文献最后出现同一篇论文的三个键。等作者发现时，重写成本已经高于写作成本。

骨架反转了这一点。结构作为数据在上游声明。章节是带名称和顺序的槽位。图是带 id 和标题的槽位。文献键在顶部连同它们指向的条目一起声明。正文一次一个槽位地生成进去。harness 可以在写出任何正文之前验证：每张图都有槽位、每个引用都有条目、每个章节都出现在目录中。

这与前面课程应用于计划、tool call 和 trace 的纪律相同。结构就是契约。

Paper 的数据形状

flowchart TB
    Paper[Paper] --> Meta[metadata]
    Paper --> Sections[sections list]
    Paper --> Figures[figures list]
    Paper --> Bib[bibliography list]
    Meta --> Title[title]
    Meta --> Authors[authors]
    Meta --> Abstract[abstract]
    Sections --> Sec1[Section: id, title, body, cites]
    Figures --> Fig1[Figure: id, path, caption, label]
    Bib --> Entry1[BibEntry: key, fields]

每个字段都是纯 Python 数据。渲染器是从 Paper 到 LaTeX 字符串的纯函数。harness 可以在渲染前内省论文：统计章节、列出缺失的图文件、检查每个 \cite{key} 都有匹配的 BibEntry。

渲染契约

渲染器保证三条性质。第一，骨架中的每个图槽位发出一个 \begin{figure} 块，带形如 fig:<id> 的稳定 label。第二，每个章节发出一个 \section{}，带形如 sec:<id> 的稳定 label，使交叉引用可用。第三，参考文献发出一个 \bibliography 块，其 references.bib 恰好包含论文上声明的条目，不多不少。

违反其中任何一条都是渲染错误，而非警告。骨架就是契约；一次悄悄丢掉图的渲染就是破坏契约。

从实验注入图

本路线中更早的课程把实验输出生成为 JSON 清单。每个清单携带一组带路径和简短标题的产物。论文写作器读取该清单并生成 Figure 记录。

flowchart LR
    Exp[experiment.json] --> Reader[read_experiment_manifest]
    Reader --> Figs[Figure list]
    Figs --> Paper[Paper.figures]
    Paper --> Render[render_latex]
    Render --> Out[paper.tex]

注入是确定性的。图 id 由实验名加一个单调计数器派生。标题来自清单。路径相对于论文输出目录归一化，因此即使实验输出位于磁盘别处，LaTeX 也能编译。

Mock 正文生成器

本课不调用模型。MockProseGenerator 读取大纲形状并确定性地产出正文。大纲形状是每个章节一个短字符串。生成器把该字符串扩展成两段短文字，并织入章节标题。只有当大纲声明了它们时，生成的正文才会点名图和引用。

这足以测试写作器的每一种行为。真实实现会把生成器换成模型调用。其外围 harness 不变。这就是把正文生成器声明为可调用对象的价值：测试替换为确定性实现，生产替换为模型实现，管线其余部分完全相同。

清单输出

写作器向输出目录发出三个文件。

flowchart TB
    Writer[PaperWriter.write] --> Tex[paper.tex]
    Writer --> Bib[references.bib]
    Writer --> Man[manifest.json]
    Man --> F[figures referenced]
    Man --> C[citations used]
    Man --> S[sections rendered]

清单是下游 evaluator 或 critic 回路读取的对象。它不解析 LaTeX，而是读取清单。下一课 critic 回路以该清单为输入并产出反馈列表。因此清单是契约的一部分，而 LaTeX 不是。

校验关口

写作器在写任何文件之前运行四道关口。

论文内每个图 id 唯一。
每个章节的 cites 字段引用的文献键必须在论文上声明。
摘要非空。
标题非空。

任一关口失败都会以精确原因抛出 PaperValidationError。harness 把原因作为失败模式呈现。没有部分写入：三个文件要么全部写出，要么一个都不写。

如何阅读代码

code/main.py 定义了 Paper、Section、Figure、BibEntry、PaperValidationError、MockProseGenerator、PaperWriter，以及一个 render_latex 函数。write 方法接收输出目录并写出 paper.tex、references.bib 和 manifest.json。read_experiment_manifest 助手把实验清单列表转换为 Figure 记录。

code/tests/test_paper_writer.py 覆盖：无章节的骨架渲染、含两个章节和两张图的完整渲染、缺失引用关口、重复图 id 关口、清单内容，以及 LaTeX 字符串契约（每个章节发出 \section{}，每张图发出 \begin{figure}）。

进一步扩展

真实实现会想要两个扩展。第一，多格式渲染：相同的 Paper 形状可编译为 Markdown 用于博客文章，HTML 用于预览。渲染器成为 Paper 上的策略。第二，引用增强：写作器在给定本地 DOI 缓存的情况下，从引用键获取 BibTeX 条目。两者都有价值，且都能在不触碰骨架契约的前提下加入。

骨架是赌注。章节、图和引用声明为数据，正文生成进槽位，清单与 LaTeX 一并输出。其他所有改进都在其之上组合。