一个有原则的 AI 论文写作搭子：把「写论文」从一个人独自硬扛，变成「你 + AI 协作、带三级质量把关」的离线工作台。
它不是「一键生成论文」的黑箱，而是一套流程化 + 质量门的工具：把「选题 → 投稿」拆成 7 个阶段，每一步都让你挂单给 AI、AI 写完你审、过了「机械检查 + 结构检查 + AI 评审」三级门才放行。核心理念——AI 当「写手 + 审稿人 + 教练」，但「发单、确认、采用」三个动作必须你亲手点，把学术诚信的底线卡死。
以下均为本机真实运行截图（内置演示课题，内容为示例数据），未做任何后期合成。
学习总览：7 阶段进度、社群路径推荐、学习效果自测入口
 图文教程 · 每步拆成「为什么 / 怎么做 / 示例 / 预期结果 / 常见错误 / 验收标准」 |
 工作台 · 挂单 → 确认放行 → AI 接单 → 采用 / 驳回，阶段状态机点亮 |
 完整手册 · 7 篇系统精讲，FINER 这类标准直接做成可查表 |
 文献精读 · 书架 · 每篇「自己读 / AI 精读 / 不看」三选一 |
明暗两套主题，跟随系统或手动切换：
一个本地离线的论文写作系统，内置一套完整的「7 阶段论文流水线」和海量教学内容，同时提供「挂单给 AI → 审阅 → 采用/驳回」的协作闭环。整个项目没有任何云依赖，数据都存在你自己的机器上。
它有两种用法，按你的需求二选一（详见两种使用方式）：
- 学堂模式——把它当一个「论文写作知识库 + 练习平台」，打开网页就能学、能练，不需要 AI。
- 工作台模式——把它当一个「AI 协作工作台」，通过 MCP 接上你自己的 AI（Claude / Codex / Cursor / WorkBuddy 等），让它当写手帮你推进论文。
选题 → 文献综述 → 研究设计 → 实验/数据 → 写作 → 修改 → 投稿，每阶段配「图文教程（深度教学）+ 参考教材（系统精讲）+ 实战练习 + 自测清单」，先学再做、做完验收。
填参数「挂单」→ 待办队列「确认放行」→ AI 接单去写 → 交稿后你「采用 / 驳回」。全程三级质量门盯着，每一步都过审：
上传 PDF / 贴链接 / 自动抓取三种方式收论文，每篇「自己读 / 叫 AI 精读 / 不看」三选一；另有「自由书架」放与主线课题无关的闲篇，互不污染。
五要素看板（对象/变量/方法/对照/伦理）+ 素材架 + 漏洞自检（缺对照 / 样本量 / 操作化 / 伦理 / 可复现五项红绿灯）。
7 篇图文教程（43 步深度教学）+ 7 篇系统精讲教材（每篇 2500–3500 字）+ 完整写作手册 + 学术句式速查 + 术语表 + 文档模板 + 常见写作错误库 + 学术诚信底线 + 推荐书单，全部带目录、可跳转。
所有 md 文件可渲染查看（含思维导图 mermaid、目录侧栏、层级跳转）；「我的笔记」是分屏 Markdown 编辑器，实时预览、自动保存。
依赖：Python 3.8+（仅标准库，无需第三方包）、Node.js 14+（仅用于验证脚本）。
git clone <你的仓库地址>
cd research-workbench
# 1) 生成数据层（首次使用 / 改内容后）
python scripts/build_data.py
# 2) 冒烟测试（可选，必须输出「无失败」，退出码 0）
node scripts/verify_app.js assets
# 3) 包结构自检（可选）
python scripts/check_package.py不需要 AI，直接把 assets/ 当静态站点用起来——index.html 双击就能在浏览器打开，或者起一个本地服务：
python -m http.server 8000 -d assets
# 浏览器打开 http://127.0.0.1:8000适合只想学习论文写作方法、查资料、做练习的人。所有教学内容、术语、模板、错误库都在里面，纯本地。
启动本地 daemon，侧栏多出「🛠 工作台」：
python scripts/workbench.py # http://127.0.0.1:8317，浏览器自动打开- 课题 Vault：
PaperVault/<课题>/，含00-资料（只读）、01-选题…07-投稿（正式区）、drafts/（agent 唯一可写区）、runs/（全程审计） - 7 阶段全 skill：选题评估 / 文献调研 / 方案评审 / 分析计划 / 章节写作（教练·草稿双模式）/ 修改润色 / 投稿包，每个 skill 出草稿 → ✓ 采用（进正式区并推进状态机）/ ✗ 驳回
- 审计与导出：工作台「📜 审计」查看运行记录与操作留痕；「⬇ 导出课题」打包整个课题目录为 zip
- 红线由 daemon 强制：交稿只能落 drafts/；阶段未采用不能跑下一阶段；诚实红线写进每个 prompt（不编造文献/数据/DOI，检索不可得须声明）
工作台本身不内置大模型、也不绑定某个 AI。把 scripts/mcp_workbench.py 作为 stdio MCP server 挂给你的任意 agent（Claude Code / Codex / Cursor / WorkBuddy 等，不限于特定工具），agent 就能用 wb_next_job 接单、wb_submit_draft 交稿——谁挂上谁干活：
{
"mcpServers": {
"paper-workbench": {
"command": "python",
"args": ["<你的项目路径>/scripts/mcp_workbench.py"],
"env": { "WB_API": "http://127.0.0.1:8317" }
}
}
}把上面 JSON 写进你 agent 的 MCP 配置文件即可（各工具配置位置不同，见其官方文档）。
args里的路径换成你 clone 后项目实际所在的位置。
使用流程：网页点「挂单给 AI」→ 待办队列「确认放行」→ 在对话里让 agent 接单（wb_next_job）→ agent 交稿（wb_submit_draft）→ 你审阅后「采用/驳回」。
📖 完整接入文档见 MCP 接入指南：Claude Code / Claude Desktop / Codex CLI / Cursor / VS Code / WorkBuddy 逐个客户端的配置 JSON、全部 16 个工具的清单与限制、人机边界对照表、典型工作流与 FAQ。
PaperVault/config.json 设 {"judge_cmd": ["<你的 agent CLI>", "-p"]} 后，交稿会异步出 LLM 评审分（未配置则静默降级为「不可用」，不影响流程）。
工作台的「📚 文献精读」由独立 skill research-paper-reader 驱动。调用是单通道，认准一份：
所有 agent 统一读
SKILL/reader/research-paper-reader/SKILL.md按其流程执行。这一份就是唯一真相源，日常使用、调试、改 prompt，都只动这一份。
前提：你已经按方式二配好了 MCP，工作台能正常接单干活。此时为了方便使用，可以用项目里的 build_exe.bat 把整套东西打包成单文件 .exe：
# Windows：双击 scripts/build_exe.bat（内部即下行命令）
python -m PyInstaller scripts/workbench.spec --noconfirm产物：dist/科研工作台.exe（约 8MB，单文件）。双击即启动工作台 daemon 并自动打开浏览器，无需安装 Python、无需命令行。
- exe 是什么：把「本地 daemon + 浏览器外壳」打包成免装程序，只是分发形态的变化，不改变接 agent 的方式——exe 里的工作台仍通过 MCP 桥接你的 agent，谁来干活取决于你把 MCP 挂给谁。
- 资源内嵌：
assets/前端 +SKILL/pipeline.json流水线契约打进 exe（运行时从内部解包目录读取） - 数据外置：课题 Vault 存 exe 同目录
PaperVault/，可整体备份/迁移 - 日志：windowed 模式下 stdout 重定向到 exe 同目录
daemon.log（诊断用）
打包是「本地 daemon + 浏览器外壳」，非 Electron 原生窗口。若要真原生桌面窗口，可后续换 Electron/Tauri 壳复用同一套 daemon。
改代码前先跑一遍测试确认基线，改完再跑一遍确认没改坏：
# 后端（daemon + MCP 桥，203 项断言）
python scripts/test_workbench.py
# 前端（纯逻辑，117 项断言）
node scripts/verify_app.js assets
# 包结构自检（上架合规）
python scripts/check_package.pybuild_exe.bat 打包前也会自动跑后端测试，失败即终止打包。
research-workbench/
├── SKILL.md 技能说明
├── README.md 本文件
├── LICENSE.txt MIT 许可
├── scripts/
│ ├── workbench.py 工作台 daemon（后端核心）
│ ├── mcp_workbench.py MCP 桥（stdio JSON-RPC，供 agent 挂载）
│ ├── build_data.py 内容编译器：content/*.py → assets/data.js
│ ├── build_exe.bat 打包成 exe（Windows）
│ ├── workbench.spec PyInstaller 打包配置
│ ├── test_workbench.py 后端回归测试
│ ├── verify_app.js 前端冒烟测试
│ ├── webverify.py 联网核验（文献/DOI 验证）
│ └── check_package.py 包结构自检
├── content/ 内容源（改内容只动这里）
│ ├── tutorials.py 7 阶段分步教程
│ ├── textbooks.py 7 篇参考教材（系统精讲）
│ ├── manuals.py 7 篇完整写作手册
│ ├── appendices.py 句式库 / 术语表 / 文档模板 / 常见错误清单
│ ├── books.py 推荐书目
│ └── guides.py 精读讲义
├── SKILL/ pipeline 契约 + 文献精读 skill
│ ├── pipeline.json 7 阶段流水线契约（daemon 与 agent 的协议）
│ ├── pipeline.md 流水线说明
│ └── reader/research-paper-reader/ 文献精读 skill（唯一真相源）
├── assets/ 前端源码 + 成品（改界面只动这里）
│ ├── index.html 页面壳（布局 + 主题引导）
│ ├── app.css 全部样式（light/dark 主题变量）
│ ├── app.js 全部逻辑（渲染 / 搜索 / 状态 / 主题）
│ ├── data.js [生成] 内容数据，勿手改，由 build_data.py 产出
│ └── vendor/ 第三方前端依赖（mermaid 等）
├── docs/ 架构与设计文档
│ ├── WORKBENCH_DESIGN.md 架构与设计（单份）
│ ├── MCP_GUIDE.md MCP 接入指南（各客户端配置 + 工具清单 + FAQ）
│ └── screenshots/ 界面截图（README 用）
└── PaperVault/ [运行时生成，已 gitignore] 你的课题数据
- 改内容：只改
content/*.py，跑python scripts/build_data.py重新生成data.js。 - 改界面/逻辑：直接改
assets/index.html、app.css、app.js，与内容完全解耦。 - 改流水线契约：改
SKILL/pipeline.json（daemon 与 agent 都读这一份）。 - 改文献精读：只改
SKILL/reader/research-paper-reader/SKILL.md（唯一真相源）。 - 自带验证：构建期强校验 + 无浏览器冒烟测试，保证产出可用。
架构要点：
- 内容与界面解耦：
data.js只由build_data.py生成；界面三件套（html/css/js）手工维护。 - 主题系统：所有颜色都是 CSS 变量（
app.css顶部:root与[data-theme="dark"]两套）。 - 架构与里程碑详见
docs/WORKBENCH_DESIGN.md。
本技能及其产物仅用于合法、诚实的学术写作教育，不含任何学术不端（代写、抄袭、数据造假等）的引导。使用者须遵守所在机构与期刊的学术诚信规范。
代码与原创内容采用 MIT 许可，详见 LICENSE.txt（同文件内附第三方组件声明：Mermaid · MIT，Lucide · ISC）。