make-latex-model
This Claude Code skill optimizes LaTeX templates in the ChineseResearchLaTeX repository by managing template implementation across four product lines (NSFC, paper, thesis, CV) with strict layer separation between project-level and shared package modifications. Use this skill when users explicitly request LaTeX template optimization, style parameter alignment, pixel-level PDF comparison, or converting ChineseResearchLaTeX projects into high-quality templates, ensuring all changes pass official product line build verification and maintaining regression testing for any shared package modifications.
git clone --depth 1 https://github.com/huangwb8/ChineseResearchLaTeX /tmp/make-latex-model && cp -r /tmp/make-latex-model/skills/make-latex-model ~/.claude/skills/make-latex-modelSKILL.md
# ChineseResearchLaTeX 模板落地与高保真对齐器 ## 与 bensz-collect-bugs 的协作约定 - 当用户环境中出现因本 skill 设计缺陷导致的 bug 时,优先使用 `bensz-collect-bugs` 按规范记录到 `~/.bensz-skills/bugs/`,严禁直接修改用户本地 Claude Code / Codex 中已安装的 skill 源码。 - 若 AI 仍可通过 workaround 继续完成用户任务,应先记录 bug,再继续完成当前任务。 - 当用户明确要求“report bensz skills bugs”等公开上报动作时,调用本地 `gh` 与 `bensz-collect-bugs`,仅上传新增 bug 到 `huangwb8/bensz-bugs`;不要 pull / clone 整个 bug 仓库。 ## 先读什么 - 产品线标准:`docs/for-developers/*-template-standard.md` - 本 skill 工作流:`docs/WORKFLOW.md` - 产品线识别:`references/PRODUCT_LINE_RULES.md` - 脚本职责:`references/SCRIPT_SCOPE.md` - 工具说明:`scripts/README.md` - 基线准备:`docs/BASELINE_GUIDE.md` ## 定位 - 让 `ChineseResearchLaTeX` 中的目标项目按当前真实架构落成高质量模板。 - 先判断该改 `projects/*` 还是 `packages/bensz-*`。 - 若必须改公共包,先做回归计划,再跑受影响模板的官方验证。 - 验收始终以各产品线官方构建入口为准。 ## 适用任务 - 把某个项目对齐到官方 PDF、Word 导出 PDF 或既有 baseline - 判断问题属于项目层差异还是共享样式/共享脚本 - 做像素级 PDF 比对、标题对齐、参数抽取 - 新增或重构 NSFC / paper / thesis / cv 模板 ## 工作流 ### 1. 判断验收口径 - 用户要“像某份 PDF/Word 一样” - 还是“按当前仓库标准做成好模板” - 还是“新增一套模板能力” ### 2. 判断修改层级 - `projects/*`:示例内容、薄封装、项目资源、局部差异 - `packages/bensz-*`:共享样式、共享字体、profile、统一构建逻辑 ### 3. 最小范围实现 - 只改与当前任务直接相关的文件 - 除非用户明确要求,否则默认不改正文语义内容 ### 4. 包层安全门禁 当必须改 `packages/` 时,额外执行: 1. 先证明项目层方案不够 2. 运行 `python3 skills/make-latex-model/scripts/plan_package_regression.py <packages/bensz-*>` 3. 优先把改动收敛到最窄的模板专属 `profile/style/template` 4. 改完先验目标项目,再回归该公共包直接覆盖的全部现有项目 ### 5. 官方入口验证 - NSFC:`nsfc_project_tool.py` - Paper:`paper_project_tool.py` - Thesis:`thesis_project_tool.py` - CV:`cv_project_tool.py` ## 辅助脚本 - `analyze_pdf.py` - `compare_headings.py` - `compare_pdf_pixels.py` - `optimize_heading_linebreaks.py` - `plan_package_regression.py` 这些脚本是辅助工具箱,不是唯一工作流;NSFC 专项工具不能默认替代 paper / thesis / cv 的官方入口。 ## 边界 允许: - 调整项目层版式参数、标题体系、入口装配 - 把共享实现沉淀到 `packages/bensz-*` - 修改 profile、style、wrapper、官方 compare 验收链 避免: - 把共享实现复制回单个项目 - 绕过官方构建入口只跑裸 `xelatex` - 为了像素对齐破坏仓库真实分层 - 默认改写用户正文语义 ## 验收标准 1. 改动落在正确层级 2. 通过对应产品线官方入口 3. warning 需要说明是已有还是新增 4. 若改了公共包,必须说明回归了哪些模板 5. 若用户给 baseline,完成必要 compare 6. `paper` 默认兼顾 PDF 与 DOCX;`cv` 默认兼顾中英文;`thesis` 默认兼顾 profile/style 与项目入口一致性
当用户明确要求"核查/优化综述 `{主题}_review.tex` 的正文引用"或"运行 check-review-alignment"时使用。通过宿主 AI 的语义理解逐条核查引用是否与文献内容吻合,只在发现致命性引用错误时对"包含引用的句子"做最小化改写,并复用 `systematic-literature-review` 的渲染脚本输出 PDF/Word。核心原则:不为了改而改,无法确定是否为致命性错误时保留原样并在报告中警告。⚠️ 不适用:用户只是想生成系统综述正文(应使用 systematic-literature-review);用户只是想新增/核对 BibTeX 条目(应使用专门的 bib 管理流程)。
当用户明确要求"填充示例内容""生成示例""补充 LaTeX 示例"时使用。AI 增强版 LaTeX 示例智能生成器,实现 AI 与硬编码的有机融合:AI 做"语义理解"(分析章节主题、推理资源相关性、生成连贯叙述),硬编码做"结构保护"(格式验证、哈希校验、访问控制)。
当用户明确要求"从文件/图片/网页/描述中提取综述主题"或"生成主题+关键词+核心问题结构化输出"时使用。支持文件(PDF/Word/Markdown/Tex)、文件夹、图片、自然语言描述、网页 URL 等多种输入源,自动识别输入类型并提取内容,生成可直接用于 systematic-literature-review 及其他文献综述技能的结构化输出。
当用户明确要求"更新项目指南""同步指南""沉淀洞见到指南"时使用。将对话中新产生的可复用写作洞见实时沉淀到项目指南文件,保持术语口径一致、结构稳定、可检验与可复现。调用时必须指定指南文件路径。
当用户明确要求"写/润色 NSFC 标书摘要""生成中文摘要和英文摘要""把中文摘要翻译成英文摘要"时使用。输出中文、英文两个版本(英文必须是中文的忠实翻译版),同时输出标题建议(1个推荐标题+5个候选标题及理由)。中文摘要默认≤400字符,英文摘要默认≤4000字符。输出方式:将结果写入工作目录下的 `NSFC-ABSTRACTS.md`。⚠️ 不适用:用户只想翻译一段与标书无关的通用文本(应直接翻译);用户只想写立项依据/研究内容/研究基础正文(应使用对应 nsfc 系列 skill)。
当用户明确要求“写/生成 NSFC 预算说明书”“写预算说明”“生成 budget.tex / budget.pdf”“写国自然预算 justification”时使用。基于用户标书正文或补充材料,输出一份可提交的预算说明书 LaTeX 项目并渲染 `budget.pdf`。若用户未指定工作目录,必须暂停并先要求其指定。⚠️ 不适用:用户只是想了解预算原则;用户仅要预算表数字而不写说明书;或用户是 2026 青年 A/B/C 默认包干制且无需预算说明书的场景。
根据 NSFC 标书正文内容,结合申请代码推荐库,为你给出 5 组申请代码1/2(主/次)推荐与理由;输出到 NSFC-CODE-vYYYYMMDDHHmm.md(只读,不修改标书)
去除 NSFC 标书中的 AI 机器味,使文本读起来像资深领域专家亲笔撰写(不适用:非标书内容/需修改格式/需补充新内容)