核心用法
本技能为清华大学毕业生提供Word格式毕业论文向官方LaTeX模板的智能转换服务。用户只需提供.docx文件，工具通过三层AI-native流程完成转换：
1. 机械提取层（extract_raw.py）：纯Python解析Word段落、表格、图片，生成raw_xxx.json骨架
2. AI理解层：阅读骨架识别章节结构，生成struct_xxx.json（含摘要/章节/参考文献/致谢/简历的范围映射）
3. 渲染编译层：build_parsed.py + render.py填充thuthesis模板，自动编译为PDF
显著优点
- 官方合规性：严格遵循tuna/thuthesis官方LaTeX模板，封面、页眉、目录、参考文献样式全自动生成
- 智能内容识别：自动提取中英文摘要、关键词、章节结构、三线表、图片caption、参考文献（自动生成BibTeX）、致谢、个人简历
- 学术规范增强：自动生成符号缩略语说明（含孤儿缩略语检测）、插图清单、附表清单
- Author-year引用处理：自动识别
曹玉（2025）等行文引用并转为\cite{key} - Rubric质量评测：38项细则自动评分，可修复问题自动迭代（最多3轮）
潜在局限
- SVG图片需手动转换：自动跳过SVG，需用户转为PNG/PDF后补入
- Word版本敏感：
.doc格式必须用Word另存为.docx，textutil等工具会破坏表格结构 - AI介入环节依赖：章节结构识别（Step 2）和Rubric评测（Step 6）需AI介入，非完全离线
- 答辩后文件占位：committee/comments/resolution需手工填写
适合人群
- 清华MBA/学硕/专硕毕业生需快速规范论文格式
- 熟悉命令行、已安装TeX Live的技术型用户
- 原Word文档结构较规范（有明确章节标题、图表caption）
常规风险
- 图表丢失风险：若AI生成的
struct.json中content_range未覆盖图表段落，图片/表格将丢失（可通过Rubric检测并修复） - BibTeX解析误差：复杂参考文献格式可能字段缺失，需人工核查
- 特殊字符转义：Word中
&%等符号需自动转义，偶有遗漏导致编译报错 - 缩略语匹配失败：正文首次出现的缩略语若格式不标准，可能无法自动补全说明
安全评估
工具设计安全隔离：Python脚本不调用LLM、不持有API key；AI仅在两个明确环节介入（阅读骨架、Rubric评测），用户可审查中间JSON文件。输出PDF与输入Word同目录，无网络外泄风险。