PaperSpine 报告与综述场景指南：以评审驱动文档为目标场景的官方来源采集与范例学习

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本指南讲解 PaperSpine 场景化工作流中的report/review场景（见 场景路由定义），适用于课程报告、技术报告、研究训练报告、综述论文（survey）以及评审型交付物等"以评价标准为驱动"的文档。你将掌握两件事：一是如何完整采集该场景的官方权威来源（作业说明、rubric、章节顺序、格式与引用要求、评分标准），二是如何通过范例学习确定报告的受众知识假设、背景与贡献的配比、证据组织方式与文献综合手法；同时理解 PaperSpine 的核心纪律——除非目标场景明确要求，绝不把报告硬套进期刊论文结构。本文以 scenario-report-review.md 为骨架，结合仓库内体裁研究与编排协议给出可直接落地的方法。

场景定位：什么是"评审驱动的文档"

PaperSpine 把scenario-report-review定义为evaluation-driven documents（评审驱动文档）。与期刊论文"以科学贡献为叙事核心"不同，报告的成败首先由外部评价者（教师、评委、决策者）依据明确或隐含的标准判定。该场景覆盖四类典型交付物：

• 课程报告（course reports）：以课程作业要求与评分细目为准绳；
• 技术报告（technical reports）：以决策问题与技术指标为准绳；
• 研究训练报告（research training reports）：以训练目标与阶段性评价为准绳；
• 综述论文与评审型交付物（survey papers / review-style deliverables）：以综述范围、覆盖深度与综合质量为评判核心。

从源码路由可见，该场景与report、review两个 scene 绑定，贯穿intake（配置采集）、research（研究）、draft（起草）、review（评审）四个阶段，与期刊（scenario-journal）、会议（scenario-conference）、竞赛（scenario-competition）并列为四大目标场景家族（见 current-method-routing.json）。

第一步：官方来源采集清单（Official Sources）

原文档要求"在可获得时查找并记录"以下官方来源，这是报告写作的第一优先输入。逐项展开其实战含义：

落地方式：在 PaperSpine 的intake阶段，将上述条目随配置一起记录为可追溯的笔记（保存官方来源 URL/日期/原文摘录），供draft阶段逐条对照。可结合 agents/research-scene.md 的做法：记录来源/日期、要求的内容与文件、引用与格式惯例，并把"投稿/提交规则"与"已观察到的版式现象"分开记录——后者只能作为参考，不能冒充官方要求。

第二步：范例学习清单（Example Learning）

在官方来源之外，范例学习解决"这份报告写成什么样才算好"的问题。原文档给出五个学习维度：

1. 预期受众知识水平（expected audience knowledge）：读者/评价者已知什么、不知道什么。决定背景介绍的详略——写给专家评审的技术报告无需复述教科书常识，写给课程教师的报告则要展示你对基础概念的掌握。
2. 背景与贡献的配比（balance between background and contribution）：报告不是文献综述与自述的简单拼接。学习强范例中"铺垫多少、亮出自身结果多少"的比例感，避免背景喧宾夺主或贡献缺乏支撑。
3. 证据的组织方式（how evidence is organized）：观察范例如何把数据、图表、引文按论证逻辑排布——是按时间线、按方法族，还是按评价标准分节。
4. 方法与文献的综合手法（how methods or literature are synthesized）：综述类报告的核心是"综合而非罗列"：如何横向比较不同方法的假设、边界与结论，如何形成自己的分类框架。路由文件对综述写作的检查标准是"文献综合有据"。
5. 在 rubric 下什么是 persuasive（what makes the report persuasive under the rubric）：反推"哪些写法让评价者给出高分"——通常是显式回应评分标准中的每个维度，并让证据直接落在打分点附近。

核心纪律：不强行套用期刊结构

原文档的最后一条指令是全篇的方法论锚点：

Do not force reports into a journal-paper structure unless the target requires it.

（除非目标场景明确要求，否则不要将报告强行套入期刊论文结构。）

这一定律在 PaperSpine 中有三层支撑：

• 路由层面：scenario-report-review的review_check明确要求"不为了期刊模板改变报告任务"（current-method-routing.json），并把"独立审稿请求"与"综述写作"严格区分——用户要的是一份审稿意见还是写一份综述，处理方式完全不同。

• 体裁研究层面：task-genre-research.md把这条定律上升为通用方法，给出推理链：

  audience -> evaluation criteria -> required deliverable -> exemplar structure -> evidence standard -> writing strategy

  即先学体裁，再定结构，而不是默认 IMRaD（引言-方法-结果-讨论）。体裁研究要求产出genre_research.md，内含任务身份表（任务类型/受众/官方来源/交付格式/长度约束/语言风格）、评价逻辑表（评价者奖励什么、惩罚什么、写作后果是什么）、范例学习表与分节蓝图（task-genre-research.md）。

• 工作流层面：SKILL.md要求依据已保存的configuration.workflow与research_mode选择工作方式——build_from_materials用于从材料构建论文、audit/review用于对已有文件输出发现，二者不可混用（SKILL.md）。

技术/白皮书式报告模式

当官方未规定结构时，task-genre-research.md为技术报告、政策报告与决策报告提供了一套可复制的模式：

• 明确决策者与决策问题（identify the decision-maker and decision question）；
• 把事实、假设、分析、建议四类内容分开陈述；
• 把最具可执行性的结论前置（put the most actionable result early）；
• 用图表支撑决策，而非装饰结果；
• 把不确定性与实施约束如实说明（state uncertainty and implementation constraints plainly）。

这套模式与综述场景高度兼容：综述的"建议/结论"同样需要前置、需要区分"已有证据"与"作者判断"、需要明确综述范围与检索边界。

在 PaperSpine 工作流中的落地位置

从方法路由看，scenario-report-review贯穿四个阶段（current-method-routing.json）：

• intake：随配置保存 scene（report/review）、目标受众、交付格式与官方来源；
• research：按已保存的research_mode开展研究——materials_only仅使用已有分析结果、允许公开文献学习但禁止新增实验；agent_decide由宿主评估问题所需的证据并说明理由；required则在授权材料上执行必要分析。文献学习（3+3 或 6+6 篇）不等于授权分析；
• draft：依据官方来源清单与范例学习结论起草，遵守"官方章节顺序优先、否则按报告模式"的规则；
• review：按 review-policy.md 执行独立评审，默认balanced（紧凑编辑级评审），用户显式要求时升级strict（方法/贡献/清晰度分层评审）。

评审证据的组织可参考 evidence-grounded-review.md：每条可执行评审发现必须携带四要素——精确的手稿定位+短引用、提出该发现的评审视角及回执、达成结论所用的工具回执、以及具体建议/置信度/严重性/处置。该协议的机器契约定义在 evidence-review.schema.json，语义校验由 evidence_grounded_review.py 实现。

常见失败模式（Red Flags）自查清单

综合 task-genre-research.md 的 red flags 与路由检查项，报告/综述写作应警惕以下信号：

1. 体裁错配：目标体裁明明奖励另一种结构，却套用了期刊 IMRaD；
2. 问题重述不落地：重述了问题但没有转化为变量、约束或评价者相关的目标；
3. 假设通用化：写了假设但后文从未使用；
4. 方法未验证：描述了模型/方法却没有验证、敏感性或鲁棒性检查；
5. 结果无结论：罗列结果却不给决策、建议或评分相关的解读；
6. 范例学习浮于表面：只抄了表面格式，没有学到评价逻辑；
7. 编造 rubric：官方来源不可得时虚构评分标准（路由明确禁止）；
8. 评审/综述混淆：把"对稿件的独立审稿意见"当成了"综述写作"，或反过来。

与相邻场景的边界

• 与期刊场景（scenario-journal.md）不同，报告/综述不默认要求作者指南、页数限制、摘要结构、数据可用性声明等期刊硬性要素，除非官方来源提出；
• 与会议场景（scenario-conference.md）不同，报告/综述没有 deadline-bound peer-review 语境，不需采集 CFP、匿名规则等；
• 与竞赛场景（scenario-competition.md）类似之处在于两者都以评分标准为写作优化目标，但竞赛强调问题分解与可复现模型，报告/综述则更强调受众知识假设与文献综合。

实战速查：一份报告/综述的完整启动流程

1. 配置（intake）：在 Web 配置界面确认 scene=report或review，填写目标受众、交付格式与语言；保存官方来源清单。
2. 采集（research）：逐一记录官方来源八项条目（学校页面→作业说明→rubric→章节顺序→格式→引用→范围深度→评分标准），标注来源与日期；不可得时如实标注"未证实"，不得编造。
3. 范例学习：按五个维度学习 1–2 份高质量同体裁报告（或按配置的 3+3/6+6 文献集），把"受众知识假设、背景/贡献配比、证据组织、文献综合、rubric 说服点"落到笔记并标注来源段落。
4. 定结构：若官方规定了章节顺序，照做；否则采用技术报告模式（结论前置、事实/假设/分析/建议分层、不确定性如实说明）。
5. 起草与评审（draft → review）：写作完成后按 review-policy.md 的balanced默认策略安排独立评审，每条发现定位到精确位置；评审完成后按发现修订，再做最终交付。

以上步骤所涉及的场景参考文档、方法路由与体裁研究文档均可在仓库dist/openclaw/skills/paper-spine/references/目录下完整阅读，其中 scenario-report-review.md 为本场景的权威起点。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用