最近完整走完了一次”AI 辅助毕业论文”的全流程——从选题到初稿提交，中间踩了无数坑。把这些经验提炼成了一套方法论 + 3 个可直接运行的检测脚本，全部开源了：

GitHub：github.com/luodeCoding/ai-thesis-writing ⭐

先说结论：用 AI 写论文，最大的风险不是”写不出来”，而是写出来之后过不了查重、过不了 AIGC 检测、前后章节数据互相打架。

---

📌 五个最致命的坑

坑1：第2章（相关技术）是查重重灾区

AI 生成的技术介绍——“XX是一种基于YY的技术范式”——网上到处都是雷同表述。我的解法：调整写作顺序，先写系统实现（代码现成，查重天然低），最后写技术章节。等你把系统都做完了，这些技术已经消化了，能用自己的话重写。

推荐顺序：

第5章 系统实现 ← 第一个写（最安全）
第4章 系统设计
第1章 绪论
第3章 需求分析
第6章 系统测试（跑真实系统）
第7章 总结与展望
第2章 相关技术 ← 最后写（风险最高）
摘要 + 关键词

坑2：论文自己跟自己重复

绪论”研究内容”和各章开头天然重复 60-75%，绪论和结论重复 55-70%。这些”结构性重复”是查重率的主要来源之一，但可以免费修。

我写了个自查重脚本（jieba 分词 + TF-IDF + 余弦相似度），花钱买知网查重之前先跑一遍，能省不少冤枉钱：

python3 check_plagiarism.py ~/my-thesis --glob "chapters/*.md"

坑3：设计章和实现章贴相同代码 = 相似度100%

这是最隐蔽的查重炸弹。解法：设计章改用”方法签名表格 + 文字说明”，实现章保留完整代码。实测相似度从 100% 降到 0%。

坑4：AIGC 检测不过

“值得注意的是”、”综上所述”、”首先…其次…最后…”这些 AI 味词汇要全部清理。我做了个双模式检测脚本：有 torch 环境就用检测模型，没有就自动降级为规则评分（连接词密度、套话统计），照样能定位高风险段落：

python3 check_aigc.py ~/my-thesis --glob "chapters/*.md"

坑5：多轮修改后数据打架

这是最痛的教训：论文被多个 AI 工具轮流编辑后，绪论写”13项功能”，结论写”17项”；这章叫”管理端”，那章叫”后台系统”。答辩时老师对照着看，当场就能发现。

我写了一致性检查脚本，把互斥术语和互斥数字传进去，全文扫描：

python3 check_consistency.py . --glob "*.md" \
  --terms "管理端,后台系统" \
  --numbers "13项,17项"

还有一个铁律：代码是唯一事实来源。论文里写节点数、代码行数、模块数，必须去代码里 grep/wc 实测，绝不能凭记忆。我曾经凭印象把”11个节点”改成”10个”，后来克隆代码仓库核实——代码里就是 11 个，按代码写的才是对的。

---

🛠 开源了什么

内容	说明
SKILL.md	完整方法论：写作顺序、降重策略、AIGC清理、MD→Word工作流、28条实战坑清单
check_plagiarism.py	内部查重（jieba + TF-IDF + 余弦相似度）
check_aigc.py	AIGC检测（模型+规则双模式，自动降级）
check_consistency.py	术语漂移/数字矛盾检查（含跨文件预警）
references/	学校要求摄入流程：官方文件→硬约束规范

所有脚本参数化设计，指定论文目录和文件匹配模式就能用，不绑定任何具体项目。

也可以直接装成 Claude Code Skill：

git clone https://github.com/luodeCoding/ai-thesis-writing.git ~/.claude/skills/ai-thesis-writing

---

🆕 更新记录

v1.3.0（2026-08-08）

• 新增文献检索与综述工作流：知网手动检索（反爬兜底）+ 知网 MCP 服务自动化检索双路径，含接入配置、GB/T 7714 格式化流程、综述三要素写法（代表性工作/对比分析/选型理由）、防 AI 编造文献红线

v1.2.0（2026-08-08）

• 一致性脚本升级：数字检查新增跨文件矛盾预警——ch01 写”46个”、ch02 写”48个”这种分散在不同文件的矛盾也会标黄提示（之前只查同一文件内）
• AIGC 脚本现在会明确提示当前是模型检测还是规则检测，不会再误以为模型已生效
• 补了 requirements.txt 依赖清单；项目开始正式版本管理（CHANGELOG + Git tag + Release），后续更新都有迹可循

v1.1.0（2026-08-07）

• 新增学校要求摄入工作流：拿到学校的通知、格式规范、模板、评分标准后，先全部喂给 AI 合并生成一份 school-requirements-spec.md 硬约束规范，之后写/改论文、生成 Word、提交前自查全部以它为准——不靠记忆、不靠”应该够”。这是避免”定稿后才发现格式不合格”返工的关键一步，含 PDF/doc/docx/xlsx 各格式的提取方法和规范骨架模板。

---

📝 28条坑里最值钱的10条

1. 测试数据不能编——跑真实系统记录，编数据答辩一问就穿
2. 绪论用”将要做什么”未来时态，结论用”做到了什么”+量化，才能拉开差异
3. 降重时最容易术语漂移——改完必须全文 grep 验证统一
4. 降重时数字最容易出错——必须回头核实源表格，不能凭印象
5. 改了一章的数字，其他章引用处要同步（答辩稿、开题报告也算）
6. 摘要关键词用”；”分隔，不是”、”
7. 文献综述不能只罗列”XX提出了XX”，必须有对比分析和选型理由
8. 近三年文献占比≥80% 这条最容易不达标，提前统计
9. 多个 AI 轮流编辑会互相回退——接手先读 PLAN.md / CHANGELOG.md
10. 花钱查重前先自查内部重复，内部重复往往是查重率大头

完整 28 条见仓库 SKILL.md。

---

💡 写在最后

AI 是写论文的效率放大器，但质量控制的责任还是在人。查重、AIGC、一致性这三道关，每一道都有工具可以提前自查，不要等到提交前才发现问题。

这套工具就是把我踩过的坑变成自动化检查——希望你不用再踩一遍。

⭐ 有用的话欢迎点 Star，也欢迎提 Issue 和 PR！

相关链接：

• GitHub：github.com/luodeCoding/ai-thesis-writing
• 我的另一篇：iOS 26/27 适配完全指南

---