PaperSpine 果断性学术写作（Assertive Scientific Writing）实战指南：把严谨验证转化为自信的学术论证

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

本指南围绕 PaperSpine5 技能体系中的assertive-scientific-writing.md方法论文档展开，讲解如何在内部严格校验的前提下，把面向读者的论文写成一份果断、自信的学术论证：默认直接陈述、只在推断发生改变处设限、围绕已获得的实验结果组织论证，并落实author_voice_restoration作者语气偏好配置。读完本文，你将掌握这套写作策略的每一条规则、它在 PaperSpine 源码与契约中的落地方式，以及如何把它与出版面清理（publication-surface）配合使用，产出既严谨又自信的稿件。

一、方法论定位：为什么"严格校验"与"果断写作"必须并存

在 PaperSpine5 的论文生产流程中，内部校验链（证据台账、引用核验、贡献确认、结果验证）是极其严格的，但这份严格不应传导为论文语气的畏缩。assertive-scientific-writing.md的核心命题正是：

Internal verification can be strict without making the paper timid. Write the reader-facing manuscript as a confident scholarly argument.

即：内部可以严格，落笔必须自信。读者看到的应该是"一篇以科学问题、方法、发现与意义为主体的研究论文"，而不是"一份助手工作清单"。

该文档在技能工作流中的位置非常明确：在 SKILL.md 的"提纲、写作与图表"（Outline, writing and figures）环节被显式引用——无论build_from_materials还是重写（rewrite）场景，都要求"Apply editorial-completeness and assertive-scientific-writing，写出完整的、以证据为边界的论证，而不是摘要或模板外壳"。

换句话说，这套写作策略不是孤立的文风建议，而是 PaperSpine 从"写作（Outline, writing and figures）→ 渲染装配（Render, assemble and inspect）→ 独立评审（Independent review and repair）"整条流水线的通用写作基调。

二、Direct by Default：默认直接陈述结果

2.1 直接陈述与过度修饰的对比

文档给出了一组正反例，这是最容易被搜索引擎与 LLM 检索到、也最值得记住的规则：

• 果断写法：“CARBON improved Pearson correlation across the evaluated tasks.”
• 畏缩写法：“The supplied evidence appears to suggest that CARBON may potentially improve….”

两者的差异不只是字数，而是语气与证据边界的错位：前者把已观察到的结果直接陈述；后者用appears to suggest+may potentially的叠加情态把观测结果改造成"可能性推测"，反而模糊了证据强度。

2.2 动词选择：让动词强度匹配证据

文档要求使用主动、具体的动词：improves、reduces、identifies、captures、supports、outperforms、reveals，并强调"选择强度与证据相匹配的动词"（Choose the verb whose strength matches the evidence）。

这一点在源码中有对应的落地：author_voice_check.py定义了中英文的情态/不确定性标记词池，用于检测改动前后的 claim strength 漂移：

• 英文：may, might, could, can, suggest, likely, possibly, potentially, appears, seems, uncertain, approximately…
• 中文：可能, 或许, 可以, 提示, 表明, 似乎, 大约, 约, 不确定, 潜在, 倾向…

（见 author_voice_check.py）

这些标记词被纳入"语义不变量"（semantic invariants）中的modality_uncertainty_claim_strength检查——即：改稿可以换表达，但不能在模态词层面把"直接陈述"悄悄改成"可能推测"，或反过来把"不确定"夸大成"确定"。

2.3 贡献陈述：不夹带自贬式的工作流语言

文档明确禁止在面向读者的正文中描述"助手如何工作"：不把材料清单、文件检查、缺乏新复现实验等内容当作论文主题；工程执行细节应放入任务笔记或本地工作包，而不是论文的科学补充材料。同时强调：研究可复现性信息与必须的披露仍然属于学术记录的一部分——这为"果断"划了一条底线：果断不等于删掉必须的方法学披露。

三、Hedge Only Where the Inference Changes：只在推断改变处设限

3.1 哪些情况必须使用限定语

文档给出必须设限的五类场景：

1. 基于观测证据的因果主张（causal claims from observational evidence）；
2. 超出已评估数据范围的外推（extrapolation beyond evaluated data）；
3. 来源不确定（uncertain provenance）；
4. 统计不完整（incomplete statistics）；
5. 存在真实的可替代解释（genuine alternative explanations）。

3.2 设限方式：一处清晰边界，而非逐句重复

关键规则是：把一条清晰的边界放在相关的段落、章节、图注或 Limitations 段落中，不要逐句重复。

同时文档明确要求避免三类坏味道：

• 叠加情态（stacked hedges）：如may potentially suggest；
• 重复式表达：如反复出现 "within the supplied materials"；
• 审计腔：如 "user-authoritative evidence"（用户权威证据）。

其理由一语道破：

The evidence ledger holds provenance; the manuscript communicates the science.

证据台账负责记录来源与审计过程，论文负责传达科学内容——两者各司其职。读者不应在正文里看到审计词汇。

3.3 与 publication-surface 的协作边界

文档在此处引用姊妹文档 publication-surface.md，用于处理"科学与生产状态混排"的段落。publication-surface.md进一步明确了这条边界：

• 内部 ID、界面选择、审计产物（audit artifacts）描述的是"论文如何被生产出来"，不属于研究论文；
• 禁止在模板的作者注、草稿状态块或摘要中复制任务状态或续写提示；
• 不得生成独立的 "Draft status" / "Review status" / "Delivery status" 解释性段落；
• 图片选择决定"用哪张图"，它不是一条需要在正文宣布的"发现"。

publication_surface_check.py是实现该边界的扫描工具，其正则模式覆盖了内联审计标签、工作流产物文件名、用户选图生产叙述、草稿状态块等（见 publication_surface_check.py）。它的运行方式为：

python scripts/publication_surface_check.py --source "<current-manuscript.tex>" --source "<current-manuscript.pdf>" --json

值得注意的是：publication-surface.md在清理"防御性审计语气"时同样显式回指assertive-scientific-writing.md：直接陈述有证据支撑的发现，只在推断发生改变处保留一条清晰的限定——两份文档互为补充、循环引用。

四、Limitations：精炼的局限，胜过通篇的防御性散文

文档的 Limitations 章节只有三条原则，但每条都是针对写作实践的：

1. Limitations 应识别少数几个改变解释或可推广性的约束——不是每个普通设计选择都要加免责声明；
2. 不要为每个普通设计选择添加仪式性免责声明（ritual disclaimers）；
3. 一条简洁、具体的局限性，强于通篇的防御性散文。

这条规则与"一处边界"规则一脉相承：局限性的价值在于改变读者对结论的解释，而不是向读者证明"作者很谨慎"。如果一段内容不影响解释，就不属于 Limitations 的范畴。

五、Organize the argument around the earned result：围绕已获得的实验结果组织论证

5.1 用"最近实际读到的相关工作"表述贡献

文档要求：使用最近实际阅读过的相关工作（the closest actually read work）来说明本研究在被测条件下的增量贡献；在分析或实质性修订之后，应把标题、摘要、引言的贡献句与结论对照同一个结果重新检查——确保全篇的宣称强度与结果一致。

5.2 负面结果与不确定结果的处理

一个有用的负面结果或不确定结果可能改变论文能回答的问题，它不需要被隐藏，也不需要被强行转化为正面宣称。这与常见的"只报喜不报忧"写作习惯形成鲜明对比，也呼应了 PaperSpine 的证据边界原则。

5.3 区分"完整方法的改进"与"某组件的因果证据"

这是本方法论中最精细、也最容易被违反的一条科学论证规则：

• 组件移除比较（component-removal comparison）的不确定性区间**包含"无变化"**时：既不能证明该组件有独立收益，也不能证明它没有效果；
• 在归因结果前，应考虑其他变更的控制条件、评估窗口与资源预算；
• 解决方式是通过更窄的主张或经授权的定向实验，而不是更强的形容词或"显著性寻求"（significance seeking）。

5.4 Results 与 Discussion 的分工

• Results：把决定性的定量比较及其不确定性连接到科学问题；
• Discussion：解释与既往工作的对比、合理的替代解释、以及仍待辨别的关键问题（remaining discriminating question）；
• 把反复出现的局限性归类到改变解释的位置；保留局部必要的限定与必须的披露。

最后一条重要提醒：像 "supplied"（所提供）或 "confirmation"（确认）这类面向读者的标签，只有在其标识一个有意义的实验设计时才适用，而不是因为"助手如何接收或检查了某个文件"。文档明确强调："This is contextual editing, not a word blacklist or automatic deletion rule."——这是基于上下文的编辑，不是词表黑名单或自动删除规则。

六、Apply the saved author-expression preference：落实已保存的作者语气偏好

6.1 配置参数：configuration.author_voice_restoration

文档要求从同一任务中读取configuration.author_voice_restoration，三档取值含义如下：

任何选项都不允许改变结果、宣称强度或科学含义——这是三档的公共底线。

6.2 该配置在仓库中的解析与门控

配置的实际解析逻辑在 artifact_check.py 的config_requests_author_voice()函数中：

• 若author_voice_restoration为字典，则读取其enabled字段；
• 显式False、none/off/false/no/0/disabled均视为关闭；
• 否则回退检查旧版兼容开关humanize_tier（light/medium/heavy任一时启用）。

当该开关启用时，required_artifacts()会追加四个必需产物：author_voice_profile.json、author_voice_revision.json、author_voice_receipt.json、author_voice_report.md（见 artifact_check.py）。

在 humanize.md 中也有明确的版本说明：

The oldhumanize_tier=light|medium|heavyvalues remain compatibility switches that enable this lane. They no longer select detector thresholds. New configs should useauthor_voice_restoration=standard|strict|off.

即旧参数只保留为兼容开关，不再选择任何检测阈值；新配置一律使用standard|strict|off。

6.3 语气参考来源：作者本人的文字

• 使用提供的草稿与作者本人或明确授权的写作作为语气参考（voice reference）；
• 不要把目标期刊的范文（target-journal exemplar）当作该作者的个人语气；
• 若没有作者文本：保留用户明确表达的偏好，并如实说明"无法学习到个人语气"，继续有用的写作，不得虚构一种语气，也不得要求用户提供新的写作语料。

6.4 保留原稿与最小必要修改

• 保留先前草稿；对每个受影响段落：识别其科学功能、保留证据与术语、只修复真正的读者问题；清晰的文本可以原样保留；
• 将修订段落与原文对比：数字、否定、限定、归因、结论强度五项逐一核对；
• 给独立评审者提供两个版本与实际保存的偏好；
• 不得用检测器分数、词表黑名单或句子节奏配额作为作者身份证据；
• 历史性作者语气收据（author-voice receipts）、哈希绑定确认与固定审批序列，不是当前宿主方法的先决条件——这一点在 current-method-routing.json 中也被显式记录为"当前配置启用 voice 时用当前 assertive writing；原稿与现稿保留、必要改动在 notes；不把它的 author 确认门迁入普通修正"。

七、源码级落地：作者语气恢复的契约与校验链

assertive-scientific-writing.md是一份写作方法论，而它的"作者语气恢复"环节在仓库中有一套完整的契约与校验实现，可作为纵深理解：

7.1 修订契约author-voice-restoration.schema.json

契约文件位于 author-voice-restoration.schema.json，核心约束包括：

• contract固定为paperspine.author-voice-restoration，schema_version固定为1.0；
• mode只能是rewrite或no_op（rewrite要求changes至少 1 条且语义审计必须是独立 Agent；no_op要求changes为空）；
• changes中每条变更必须有change_id、source_locator、revised_locator、reason、evidence_anchor；其中reason的取值枚举为：delete_empty_framing、restore_author_preference、clarify_claim_evidence_link、remove_unsupported_evaluation、repair_paragraph_function、section_register、other_reader_facing_problem——与"从段落功能出发重写、而非表面换词"的方法论一一对应；
• semantic_audit中六类计数必须为 0：unsupported_new_claims、claim_strength_drift、causal_direction_changes、negation_changes、modality_uncertainty_changes、citation_meaning_changes；
• author_confirmation绑定修订后的 SHA-256，状态为confirmed且哈希一致才算通过。

7.2 校验脚本author_voice_check.py

author_voice_check.py 是这项契约的验证器，它绑定并比对：

• 原始与修订文件的字节与 SHA-256；
• 冻结的 claim/evidence/terminology 权威文件（authority_files）；
• 数字与单位（NUMBER_UNIT_RE支持百分号、量纲、科学计数法）；
• 引用键（支持\cite{...}与 Pandoc 风格[@key]）；
• 公式（行内$...$、展示\[...\]、equation/align/gather/multline环境）；
• 受保护术语（protected_terms，防止方法名、变量、统计术语、数据集名漂移）；
• 否定标记（not/no/never/without…与不/未/无/没有…）；
• 因果方向（cause/leads to/due to/attributable to…与导致/引起/归因于…）；
• 情态/不确定/宣称强度标记（即上文 2.2 的标记词池）。

校验器同时会对空框架（empty framing）、通用重要性（generic importance）、机械枚举（mechanical enumeration）、写作过程泄漏（writing-process leak）、宣传性精确度落差（promotional precision gap）等模板化表达给出咨询性诊断（advisory diagnostics），并明确声明：

Pattern matches are diagnostic signals only; review them in section context and do not infer authorship.

报告头固定输出Authorship inference: not_performed与Detector pass / AI percentage: not_claimed——从实现层面杜绝了把该方法论误用作"AI 检测规避"。

7.3 运行方式

python scripts/author_voice_check.py paper_rewriting_output --markdown --write

门控命令（在 humanize.md 中给出）：

python scripts/progress_check.py paper_rewriting_output --gate author_voice_restoration

八、实操清单：把方法论落到一篇论文上

综合以上全部规则，可将"果断性学术写作"浓缩为一张可执行清单：

写初稿时（Direct by Default）

• 观测结果直接陈述，动词强度匹配证据（improves / reduces / identifies…）
• 贡献陈述不含"助手工作流"语言，工程细节进任务笔记
• 保留可复现性信息与必须披露

设限时（Hedge Only Where the Inference Changes）

• 仅在因果推断、外推、来源不确定、统计不完整、替代解释五类场景设限
• 每处推理只放一条清晰边界，不逐句重复
• 清除may potentially suggest、重复 "supplied"、审计腔
• 按 publication-surface.md 拆分科学与生产状态混排段落

写 Limitations 时

• 只列改变解释或可推广性的少数约束，不加仪式性免责声明

组织论证时（Organize around the earned result）

• 标题/摘要/引言贡献句/结论对照同一个结果
• 负面或不确定结果如实呈现，不强行转正
• 组件移除比较不越过"无变化"区间下因果结论
• Results 连结论与不确定性，Discussion 解释对比与替代解释

落实作者语气偏好时

• 读取author_voice_restoration（off / standard / strict）
• 只用作者本人或明确授权的文字作语气参考
• 保留原稿，逐段核对数字、否定、限定、归因、结论强度
• 给独立评审者原稿 + 修订稿 + 实际偏好；不以检测分数/词表/节奏配额作作者身份证据

校验时（源码门控）

• artifact_check.py在配置启用时要求四个 author-voice 产物
• author_voice_check.py保证语义不变量零漂移、六类语义审计计数为 0
• publication_surface_check.py扫描读者正文中的生产状态叙述
• 独立语义审计 + 作者哈希确认后才进入独立编辑评审

九、适用范围与边界说明

• 本文基于当前仓库paperspine5/core/01_PaperSpine4下的文档与源码撰写，适用于 PaperSpine5 当前公开宿主工作流；历史 Runner 序列（humanize_tier时代）的冻结权威文件、收据与哈希绑定作者确认，不是当前普通编辑或独立评审的前提。
• 该方法是上下文编辑，不是词表黑名单或自动删除规则——文档明确反对以模式匹配数、检测分数或句子节奏配额作为"作者身份证据"或强制改写的依据。
• 所有校验脚本只做验证与定位，不重写论文（publication_surface_check.py的 docstring 明确：never edit the manuscript），最终语义判断仍需人类或独立评审完成。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用