功能概述
thu-thesis 是一款专为清华大学研究生设计的毕业论文格式转换工具，核心能力是将 Word 格式的论文自动转换为符合学校官方 thuthesis LaTeX 模板规范的 PDF 文档。
核心流程
采用"AI-native 三层架构"：
1. 机械提取层（extract_raw.py）：纯 Python 解析 Word 文档，提取段落、表格、图片等原始数据
2. AI 理解层：读取文档骨架，识别章节结构、摘要范围、参考文献位置等语义信息
3. 渲染编译层（build_parsed.py + render.py）：组装结构化数据，填充 Jinja2 模板，调用 XeLaTeX 编译输出 PDF
显著优点
- 权威性保障：严格遵循
thuthesis官方模板，所有格式决策以assets/databk/中的官方示例为唯一参考 - 智能化程度高：自动处理复杂场景，包括中英文摘要提取、参考文献 BibTeX 生成、三线表格式、插图/附表清单自动生成、缩略语说明及孤儿检测
- 引用规范化：支持数字引用
[1,2-5]转\cite，更支持中文 author-year 行文引用（如"张三（2024）"）自动补全 citation - 闭环质量评测：内置 38 项 Rubric 评测体系，覆盖元信息、正文、参考文献、图表、缩略语、编译等维度，支持自动修复循环（最多3轮）
潜在局限
- 格式依赖原文：若 Word 中表格/图片无 caption，工具无法无中生有，会导致清单不完整
- SVG 不支持：Word 中的 SVG 图片会被跳过
- 特定字段需手工：committee、comments、resolution 等答辩后内容需手动填写
- 仅限清华模板：专为
thuthesis设计，不适用于其他高校论文格式
适合人群
- 清华大学 MBA/学硕/专硕毕业生，需将 Word 论文转为规范 PDF
- 已有 Word 草稿但希望获得 LaTeX 排版质量的用户
- 需要批量处理或自动化格式规范化的学术场景
常规风险
- 依赖 Python-docx 解析 Word，极端复杂格式可能解析异常
- LaTeX 编译需本地 TeX Live 环境，首次配置门槛较高
- 自动修复循环若触发需关注日志，避免陷入无限重试