前前言
浅记一点点本科论文完成历程，纯log
在pyq帮转了出各种ai pro/plus号的帖子，没想到第一个联系我的居然还是高中同学
电气专业，听其戏谑称平时玩弄doubao居多&要赶中期论文审查，看到我pyq发的于是来询问我的建议
最后还是只提供了建议，没有明说推荐她买haha，错失一次交易w
稍微分析了一下情况，发现在不同专业 ai的渗透度差距还是挺大的: 使用网页版居多，不太了解agent模式+agent中各种方法工具论，不了解markdown&latex
我说上手并不难，实践中用就行，顺便写一点自己写论文用到的东西
title解释
人+Agent模式，人在前，毕竟论文最终定稿还是由人来决定 + 以及查重 aigc等指标的制约
Agent模式，也就是可以外部交互的ai，可以操作我们的文件&外部工具调用，比如自动跑Python脚本生成图表、context7 mcp（专门为开发者提供最新、版本特定的代码文档和示） ；对比web版ai 只会说不会做，执行还是在人
优势在于 省去了手动修改的麻烦以及 自由读取参考文档/可根据修改后的内容进行迭代 & 初始init保存一个项目介绍，后续围绕介绍再进行扩展
配置可以从 可视化 AI IDE开始，例如 Cursor/VS Code 配置codex插件/Codex，有可用API或官方pro/plus号即可
交互方式也很简单，如果有参考项目or参考文档以及要求规范，完全可以建一个doc目录统一放置，左侧File目录中选中需要ai参考的文件右键add file to chat，以及详细说明需求清单 以及 不要有指望ai一次性生成一串可用论文的幻想
关于降aigc&跑出更符合规范的论文，可以在整个项目中配置skill（可以类比为sop？ 相当于跑一次项目流程跑通后可以复用的经验；网上比较火的也有蒸馏人的skill，毕竟skill大致就是prompt+script脚本（所做过的业务相关文档or项目pr都可以放进skill中 形成基于一件事或者一个个体的标准工作流）
本科论文最终交付文件可能word和pdf都需要，需要word且公式等涉及不多的话，可以优先选择markdown而非latex格式输出
进入正题
- 从标准模板开始：一般学院会给
要求与撰写规范与往届参考论文，参考论文大概率可能是pdf格式，此处推荐
mineru Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.or baidu的
PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.，虽然很多人吐槽baidu搜索广告满天飞，但是ocr服务很不错，直接使用web端或者py服务调用api都可，将pdf转换后的md文本和要求与撰写规范均放置在doc目录下作为参考引用reference
降aigc
本科生论文，在ai盛行的时代实则最重要的是如何降aigc，且保持一个论文专业度和避免aigc率过高的balance. 市面上已经有非常多的skills&prompt，可自行搜索，逐段润色加手工修改. 实测网页版ds降aigc效果非常的口水话，很大程度上会被导师打回；而gpt润色后结果不失专业度但aigc率仍可能较高； 同样实测了一些常见的测aigc网站（paperpass、paperpure、speedai）.三者判定aigc内部逻辑不一致，导致降aigc的方式也不太一样，speedai算是较为宽松的一个，大致都为改一些关键词已达到避开被判定为llm生成的效果，甚至还有把我不同分段的部分直接合并为一段的操作（aigc直线降为0%），给我气笑了.
&测AIGC，基于室友的情况&学校检测aigc的平台为维普，如果是算法类论文的话，paperpass/paperpure的结果可能偏差较大；如果是大众的系统设计开发，paperpass的结果可能比较接近. 当然只是小数据样本，参考性不大，还是以学校指定测试平台实际测试结果为准来进行降aigc率.
由于后续忙着降aigc和反复调论文格式 耗时较多 一直没时间同步更新，加上本人已毕业awa，论文已于本人切割，此文终于此.
Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.
