academic-survey-self-improve（学术调查自我提升）

Academic Survey Generator v3.0

高质量学术综述自动生成器 - 从 arXiv 实时搜索到完整 PDF，全自动完成。

✨ 核心特性

1. arXiv 实时搜索 🔍

• 搜索多个 AI 方向最新论文
• 过去 7 天内发表
• 自动获取 50-100 篇论文
• 提取论文元数据（标题、作者、摘要）

2. 智能主题识别 💡

• 关键词频率分析
• 自动生成候选主题
• 新颖性评分（0-10）
• 撞车检测（避免与现有 survey 重复）

3. 高质量内容生成 📝

• 9 章节完整结构
• 详细的方法论分析
• 对比表格
• 分类图表（TikZ）
• 50+ 真实 arXiv 引用

4. 质量控制循环 ✅

• 自动质量评分（10 分制）
• 页数检查（≥10 页）
• 引用检查（≥50 篇）
• 章节完整性检查
• 迭代优化（最多 3 次）

5. 自动优化 🚀

• 扩展章节内容
• 增加技术细节
• 添加数学公式
• 增强学术写作

🚀 快速开始

基础生成

cd ~/.openclaw/workspace/skills/academic-survey-self-improve
python3 main.py generate "Graph Neural Networks"

arXiv 实时搜索生成

python3 main.py generate "graph neural networks" --from-arxiv

智能主题选择

python3 main.py generate --smart

完全自动化（推荐）

python3 main.py generate --auto

高质量生成（带质量控制）

python3 main.py generate --quality

📊 质量标准

📁 文件结构

academic-survey-generator/
├── SKILL.md                    # 技能文档
├── main.py                     # 主入口
├── quality_generator.py        # 高质量生成器 ⭐
├── fully_automated_generator.py # 完全自动化生成器
├── smart_generator.py          # 智能主题选择
├── arxiv_generator.py          # arXiv 搜索生成
├── generator.py                # 基础生成器
├── evaluator.py                # 质量评估
├── improver.py                 # 内容改进
└── output/                     # 输出目录
    ├── *.tex                   # LaTeX 源文件
    ├── *.pdf                   # 编译后的 PDF
    └── topic_history.json      # 主题历史（防撞车）

🎯 使用场景

1. 每小时自动生成

配置 cron 任务，每小时自动生成一篇新颖的综述。

{
  "id": "hourly-quality-survey",
  "schedule": {"kind": "every", "everyMs": 3600000},
  "payload": {
    "message": "python3 main.py generate --quality"
  }
}

2. 快速调研

输入研究主题，快速获得最新文献综述。

3. 教学演示

展示学术写作规范和综述结构。

4. 文献管理

自动整理最新 arXiv 论文。

📈 质量控制流程

搜索 arXiv (8分钟)
    ↓
识别主题 (10分钟)
    ↓
撞车检测 (10分钟)
    ↓
生成初稿 (20分钟)
    ↓
质量检查 (15分钟) ──→ 不达标 ──→ 优化迭代
    ↓                               ↓
    └───────────────────────────────┘
    ↓
达标准
    ↓
编译 PDF (7分钟)
    ↓
发送报告

🔧 配置选项

main.py 参数

📝 输出示例

生成报告

主题: Code for Language
新颖性: 8/10 ⭐
质量分数: 7.1/10 ✅
页数: 9 页 ✅
引用: 40 篇 ✅

章节结构

1. Introduction - 背景、动机、贡献
2. Background - 历史发展、关键概念、技术基础
3. Taxonomy - 分类框架、关系分析
4. Methodologies - 方法详解、对比分析
5. Applications - 应用场景、领域适配
6. Experiments - 实验设置、基准、结果
7. Challenges - 挑战与问题
8. Future Directions - 未来研究方向
9. Conclusion - 总结

🆕 更新日志

v3.0.0 (2026-03-09)

• ✨ 新增 quality_generator.py 高质量生成器
• ✨ 新增质量控制循环（自动评分、迭代优化）
• ✨ 提高质量标准：10+ 页、50+ 引用
• ✨ 新增 --quality 参数
• 🐛 修复 Python 3.6 兼容性问题
• 📝 完善 SKILL.md 文档

v2.0.0 (2026-03-09)

• ✨ 新增 fully_automated_generator.py 完全自动化生成
• ✨ 新增新颖性检测和撞车避免
• ✨ 新增主题历史记录
• ✨ 新增 --auto 参数

v1.0.0 (2026-03-07)

• 🎉 初始版本
• ✨ 基础综述生成功能
• ✨ arXiv 搜索集成

📦 依赖

• Python 3.6+
• LaTeX (pdflatex)
• TikZ (图表生成)
• arXiv API (论文搜索)

📄 License

MIT License

👤 Author

Redigg AI Research

🔗 Links

• GitHub: https://github.com/redigg/redigg-workspace
• ClawHub: https://clawhub.ai
• OpenClaw: https://openclaw.ai