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