thu-thesis

核心用法

本 skill 是清华大学毕业论文从 Word (.docx) 到 PDF 的一键格式规范化转换工具，基于官方 thuthesis LaTeX 模板实现。

完整流程（6 步）：
1. 机械提取 (extract)：用 python-docx 提取 Word 中的段落、表格、图片、样式信息，生成 raw_xxx.json + 终端骨架，同时创建 <原文件名>-latex/ 工程目录
2. AI 理解结构（本 AI 执行）：阅读骨架，识别摘要、章节、小节、参考文献、致谢、简历的范围，生成 struct_xxx.json
3. 组装解析 (build_parsed.py)：raw + struct → parsed_xxx.json，完成图表分配、caption 检测
4. 渲染 LaTeX (render.py)：用 Jinja2 模板填充生成完整 LaTeX 项目，含自动生成的 refs.bib
5. 编译 PDF：xelatex + bibtex（3-4 轮保证目录稳定）
6. AI 评测修复（本 AI 执行）：按 38 项 Rubric 逐项打分，自动修复可修复问题（最多 3 轮），输出 evaluation_report.md

关键特性：

• 自动提取并转换参考文献为 BibTeX，支持 [10]、[1,2,3]、[1-3] 格式转 \cite{}
• 智能识别 author-year 行文引用（如"曹玉（2025）分析了..."）并补全 \cite
• 图片自动提取、caption 识别，生成插图清单
• 表格自动转为三线表（tabularx + booktabs），生成附表清单
• 缩略语/符号说明自动生成，含孤儿缩略语检测
• 支持 MBA/学硕/专硕，自动配置 degree-type=professional

显著优点

1. 权威性保障：所有格式决策以 assets/databk/ 中的官方 thuthesis 示例为唯一黄金标准，不自行发挥
2. 零 LLM 依赖的脚本层：Python 脚本不调用任何 API，AI 仅介入结构理解和质量评测两个环节，成本低且可控
3. 自动化程度高：一条命令完成从 Word 到 PDF 的全流程，含参考文献 BibTeX 生成、图表三线表转换、缩略语表等繁琐手工操作
4. 可修复的质量闭环：38 项 Rubric 评测 + 最多 3 轮自动修复，输出详细评估报告

潜在缺点与局限性

1. 格式前置依赖：Word 必须规范使用样式（标题1/标题2/正文），纯手敲格式的论文提取效果差
2. 图表丢失风险：若 Step 2 生成的 content_range 未覆盖图表所在段落，图片/表格会丢失——需 AI 严格对照 raw_xxx.json 中的 para_idx/before_para 检查
3. SVG 不支持：Word 中的 SVG 图片会被跳过，需手动转为 PNG/PDF 补入
4. .doc 格式陷阱：macOS textutil 会破坏表格结构，必须用 Word 或 LibreOffice 另存为 .docx
5. Author-year 匹配局限：姓名简称无法准确映射到 BibTeX key 时，引用可能遗漏（Rubric C7 会警告）
6. 答辩后材料占位：committee/comments/resolution.tex 为占位文件，需手工填写

适合人群

• 清华 MBA/学硕/专硕毕业生：需要快速将 Word 论文转为符合学校规范的 PDF
• 导师/答辩秘书：批量检查或统一格式多篇论文
• LaTeX 新手：不愿学习 thuthesis 复杂配置，希望自动化完成

常规风险

| 风险 | 等级 | 说明 |

|------|------|------|

| 参考文献解析错误 | 中 | author 字段截断、`佚名` 出现、title 异常短等，需检查 `refs.bib` 和 `thesis.bbl` |

| 图表丢失 | 中高 | struct.json 的 `content_range` 设定不当导致，需严格对照 raw JSON 检查 |

| 特殊字符编译报错 | 低 | `&` `%` `$` 等未转义，通常可自动修复 |

| 缩略语孤儿项 | 低 | 正文未出现的缩略语会被标注，需人工确认删除或补充正文引用 |

| 作者-年份引用遗漏 | 低 | 中文人名匹配失败时保留原文，需人工补 `	 | 低 | 中文人名匹配失败时保留原文，需人工补 `\cite` |

依赖要求

• Python 3.x：python-docx, jinja2, matplotlib
• TeX Live（含 xelatex, bibtex）
• 首次运行执行 setup.sh 从 GitHub 拉取最新 thuthesis

核心用法

本Skill专为清华大学毕业生设计，解决Word论文格式不规范、手动转换LaTeX耗时费力的痛点。用户只需提供.docx文件，工具自动完成六步转换：机械提取（python-docx解析文档结构）→ AI理解章节（生成struct.json映射）→ 智能组装（Python合并raw+struct数据）→ LaTeX渲染（Jinja2填充thuthesis模板）→ 编译输出（xelatex+bibtex生成PDF）→ AI质量评测（38项Rubric自动检查并修复）。全程无需人工调整格式，严格遵循thuthesis.cls官方规范，封面、目录、页眉、参考文献样式均由模板自动生成。

显著优点

权威性保障：直接调用清华大学官方维护的thuthesis项目（GitHub tuna/thuthesis），格式标准与学校最新要求同步，通过setup.sh一键更新模板。智能程度高：AI介入关键环节——解析章节结构时理解文档骨架逻辑，评测阶段自动修复BibTeX作者缺失、引用格式错误、LaTeX特殊字符等问题。功能完整：覆盖论文全要素——中英文摘要、章节层级、三线表、图片caption、参考文献自动转BibTeX、缩略语表（含孤儿检测）、插图/附表清单、致谢、个人简历。学位适配广：内置MBA专业硕士配置（degree-type=professional），同时支持学术硕士、专业硕士、博士等全类型学位论文。

潜在缺点与局限性

格式依赖严格：仅支持.docx格式，老旧.doc文件必须先用Word/LibreOffice转换，否则表格结构丢失。图表风险需人工介入：图片para_idx为0或表格处于章节间隙时可能丢失，需AI生成struct.json时仔细核对content_range覆盖范围。SVG unsupported：矢量图需手动转PNG/PDF后补入。网络依赖：首次使用需从GitHub拉取thuthesis模板，离线环境需手动配置。AI评测非万能：正文引用关联性（C6项）需人工抽检复核，committee/comments/resolution等答辩后文件为占位符需手工填写。

适合的目标群体

清华MBA/硕士/博士毕业生：尤其是熟悉Word写作但缺乏LaTeX经验、需快速生成符合学校格式要求PDF的学生。论文格式反复修改者：Word排版易出错，转换工具可确保终稿格式100%合规。跨平台协作需求：LaTeX项目便于版本控制（Git），适合导师协同批注与修改。时间紧迫的应届生：一条命令替代数小时手动调格式，Rubric自动评测确保输出质量。

使用风险

性能方面：大型论文（>100页含大量图表）编译需3-4轮xelatex，耗时数分钟；matplotlib重绘chart对象为PNG可能损失矢量精度。依赖项方面：需完整TeX Live环境（xelatex/bibtex），安装包体积大；python-docx版本差异可能导致解析行为细微不同。文件安全：脚本操作/tmp和用户指定目录，已设路径防护但仍建议备份原稿。网络风险：RISK-001提示GitHub拉取行为需用户知情，建议内网环境手动部署thuthesis模板规避。