核心功能
本工具为清华大学学位论文提供Word(.docx)到官方LaTeX格式PDF的一键转换解决方案，覆盖MBA专业硕士、学术硕士、专业硕士等全类型学位论文。核心价值在于自动化格式规范化——用户无需手动调整排版，系统严格遵循thuthesis官方LaTeX模板的格式标准。
技术架构
采用三层AI-native流程：
- 提取层（extract_raw.py）：纯机械提取Word段落、表格、图片，无LLM参与
- 理解层：AI阅读文档骨架，识别章节结构、摘要范围、参考文献位置等，输出结构化映射
- 组装层（build_parsed.py + render.py）：纯Python组装并填充thuthesis LaTeX模板，最终编译PDF
这种设计确保Python脚本零LLM依赖、零API key持有，仅在关键的"阅读理解"环节由AI介入，兼顾效率与成本。
显著优点
1. 格式权威性：严格遵循thuthesis.cls官方模板，封面、页眉、目录、参考文献样式均由模板自动生成，非工具自行发挥
2. 内容提取全面：中英文摘要、章节结构、三线表、图片caption、致谢、个人简历、符号缩略语说明、插图/附表清单全覆盖
3. 参考文献智能处理：自动生成BibTeX，支持数字引用[1]转\cite{}，支持author-year行文引用自动补\cite（如曹玉（2025）→曹玉（2025）\cite{cao2025aigc}），含孤儿缩略语检测
4. 表格规范：自动转换为LaTeX三线表格式（toprule/midrule/bottomrule无竖线）
5. 图表对象兼容：Word内嵌图表（c:chart）用matplotlib渲染为PNG，普通图片直接提取
6. 自动化评测修复：内置Rubric评测（38项，满分90分），可自动修复的问题（BibTeX字段缺失、转义错误等）直接重跑无需确认
潜在局限
- SVG图片跳过：LaTeX原生不支持，需用户手动处理
- 答辩后内容占位：committee.tex、comments.tex、resolution.tex需手工填写
- 旧格式需预处理：
.doc需先转为.docx - Author-year匹配依赖原文质量：姓名简称无法映射时保留原文，Rubric会警告
- 表格/图片caption缺失：若Word原文无caption，工具无法无中生有
适合人群
- 清华MBA/硕士毕业生：需快速将Word草稿转为规范PDF提交
- 格式调整困难者：不熟悉LaTeX但需符合官方模板要求
- 批量处理需求：多份论文的格式规范化流水线
常规风险
- 编译环境依赖：需完整TeX Live（xelatex/bibtex），环境配置不当会导致PDF生成失败
- Word格式变异：非标准样式可能导致结构识别偏差，建议对照
assets/databk/官方示例检查 - 自动修复循环上限：最多3次，复杂问题需人工介入
使用门槛
需Python 3 + python-docx/jinja2/matplotlib + TeX Live完整环境，初次使用需执行setup.sh拉取thuthesis最新模板到本地。