硕士论文长篇写作工作流：五阶段输入输出与验收

硕士论文写作可以视为一条有状态的长流程：开题材料进入大纲，大纲产生文献任务，核验后的证据进入章节初稿，图表与技术内容经过验证，导师反馈再触发跨章节更新。任何节点只生成文本、不保存输入和验收条件，都可能造成后续失控。

本文用数据结构描述这套工作流。示例JSON仅用于方法建模，不代表产品公开API或实际文件格式。

1. 定义论文任务对象

复制代码

{
  "degree_level": "master",
  "discipline": "具体学科",
  "research_question": "核心研究问题",
  "source": "title | proposal",
  "target_length": "按实际要求填写",
  "content_mode": "text | text_with_charts",
  "constraints": ["学校模板", "导师意见", "材料条件"],
  "status": "OUTLINE_PENDING"
}

degree_level、discipline 和 constraints 决定后续任务边界。如果输入只有标题，系统无法知道学历层次、专业要求和可用材料，生成的长文越多，返工风险越大。

2. 从开题材料构建大纲节点

每个章节不应只有标题，还要保存问题、输入和输出：

复制代码

{
  "chapter_id": "3",
  "chapter_question": "本章回答什么",
  "expected_claim": "待验证的章节判断",
  "required_evidence": ["literature", "data", "case"],
  "dependencies": ["2"],
  "output_to": ["4", "conclusion"],
  "status": "EVIDENCE_PENDING"
}

当技术卡点是"开题报告已有研究方案，但无法稳定转换成章节树"时，笔匠AI论文写作支持AI智能生成大纲，也支持基于开题报告生成可编辑大纲。用户得到可检查的结构后，为每章补齐问题、证据和输出，再进入文献节点。

可以从题目或开题报告生成可编辑硕士论文大纲，先验证结构接口，再继续后续任务。

大纲验收规则可以写成：

复制代码

each(chapter).question contributes_to thesis.research_question
each(chapter).required_evidence is available_or_planned
chapter.dependencies has_no_cycle
all(core_claims) assigned_to chapter

3. 建立文献证据映射

文献节点不能只保存引用格式，还应记录它支持和限制什么：

复制代码

{
  "reference_id": "可追溯标识",
  "bibliographic_data": "题名、作者、来源、年份",
  "claim_supported": "C3-1",
  "method_scope": "对象、样本与方法",
  "evidence_scope": "可以支持的结论",
  "verified": false
}

笔匠AI提供AI智能检索、文献库检索、真实文献引用，并实际引用知网文献。对应的可验证输出是文献线索和章节关联；下一节点不是直接写结论，而是打开原文确认书目信息、研究对象、方法和实际观点，将 verified 更新为 true。

建议执行以下约束：

复制代码

draft.claim <= reference.evidence_scope
reference.verified == true
reference.claim_supported belongs_to current_chapter

这能避免把相关关系写成因果，把局部样本扩大到所有对象，或让文末条目与正文分论点无关。

4. 生成章节初稿与技术内容

只有大纲和关键证据通过验收后，状态才进入 DRAFT_READY。笔匠AI可按学科、学历、目标字数、模型以及纯文字或文字加图表配置任务，并从确认后的大纲继续生成初稿。

对于理工科章节，还应为技术内容单独建立验证状态：

复制代码

{
  "artifact_type": "chart | formula | code",
  "chapter_id": "4.2",
  "source": "原始数据、推导或代码文件",
  "validation": {
    "data_traceable": false,
    "formula_checked": false,
    "code_executed": false,
    "claim_bounded": false
  }
}

笔匠AI覆盖人文社科与理工科，可结合具体章节处理图表、公式、代码和结构化内容。产品输出负责承接表达节点，但不能替代实验、数据采集和真实运行。全部验证通过后，技术内容才能从 ARTIFACT_DRAFT 进入 ARTIFACT_ACCEPTED。

5. 将导师反馈转换为变更集

导师反馈不应直接变成一句"全文优化"。先按影响类型拆分：

复制代码

{
  "change_id": "R2-03",
  "type": "question | structure | method | evidence | wording",
  "target": ["abstract", "chapter_3", "conclusion"],
  "reason": "反馈原意",
  "acceptance": "修改完成的判断标准",
  "status": "TODO"
}

笔匠AI支持初稿生成与反复改稿。使用时应先处理研究问题和结构等高影响变更，再处理证据与方法，最后修改语言。每个变更完成后运行依赖检查：

复制代码

if research_question changed:
  recheck outline, abstract, conclusion
if sample_scope changed:
  recheck method, charts, claims
if core_claim changed:
  recheck evidence, chapter_summaries, title

六项最终验收

|-----------------------|----------------|
| 状态 | 通过条件 |
| OUTLINE_ACCEPTED | 开题、问题与章节任务一致 |
| REFERENCES_VERIFIED | 关键文献可追溯并对应分论点 |
| DRAFT_ALIGNED | 各章输出共同支持核心问题 |
| ARTIFACTS_VALIDATED | 图表、公式、代码完成真实验证 |
| REVISION_PROPAGATED | 反馈影响已同步到相关章节 |
| AUTHOR_APPROVED | 作者完成最终事实与结论核验 |

总结

硕士论文AI工作流不应以"全文生成完成"为终止状态。更合理的管线是：结构验收、文献核验、章节生成、技术验证、变更传播和作者确认。每个节点保留输入、输出与验收条件，才能减少长篇论文中最常见的跨章偏移和版本不一致。