Antigravity skill创建学习：用SKILL.md与scripts打通PostgreSQL工作流
2026/10/2 16:28:33
如果你是治安学专业学生，大概率会遇到这样一项毕业任务：围绕一个具体商圈、社区或校园场景，完成一篇类似《夜间经济商圈治安防控机制优化研究——以X市Y商圈为例》的毕业论文。
这类题目看着贴近生活，真写起来并不轻松：要梳理社会治安治理、网格化管理、群防群治等文献，要找政策文件和公开案例，还要设计问卷、整理访谈或观察资料，最后分析“警情—空间—人群—管理力量”之间的关系，提出可落地的巡防、商户联动和风险预警建议。
所以，“智能AI论文写作软件榜单”不能只看谁排名高，而要看它适合论文的哪个环节。我的建议是：用大模型做思考和表达，用智能体做资料整合，用文献工具做证据管理，最后用PaperRed这类查重工具做原创性检查。
一、先给一张场景版“榜单”✅
| 类型 | 常见工具 | 最适合治安学论文的环节 | 明显优点 | 能力边界与风险 |
|---|---|---|---|---|
| 中文通用大模型 | DeepSeek、豆包、文心一言、通义千问等 | 选题聚焦、提纲搭建、问卷初稿、访谈提纲、中文论证和统计代码 | 中文语境友好，适合把“夜间商圈治安防控”这类问题拆成研究问题、变量和对策框架 | 可能生成看似通顺但缺少依据的表述；政策条文、数据和引用必须逐条核验 |
| 长文档工具 | Kimi等 | 批量阅读论文、政策文件、案例材料，提炼共同点和争议点 | 适合一次投喂多篇PDF、Word、Excel材料，做跨文档归纳 | 长文总结可能遗漏细节，不能替代原文精读；材料来源要可靠 |
| 海外通用模型 | ChatGPT、Claude、Gemini等 | 论证打磨、英文摘要、比较研究、图表代码、机制分析 | 在长文结构、逻辑衔接、英文表达和多模态辅助方面各有优势 | 对中国公安政策、本地治安实践的理解未必准确；部分服务需要合规访问和付费 |
| AI智能体 | Manus、Genspark、ChatGPT Agent等 | 多步骤资料检索、公开网页调研、表格整理、PPT或报告初稿生成 | 能把“查资料—整理—生成初稿”串成任务，适合做背景扫描和材料汇编 | 可能误读网页、引用过期信息；涉及登录、提交、对外发送等操作时要人工确认 |
| 英文润色与改写工具 | PaperPal、Grammarly、QuillBot等 | 英文摘要、国际文献阅读、语言润色 | 学术英语表达更稳定，适合投稿或双语材料整理 | 不要把机械改写当成降重方案；核心概念和法律术语要保持一致 |
| 文献管理工具 | Zotero及AI插件、ExplainPaper、AskPaper等 | 文献分类、笔记、引用格式、难文解读 | 有助于建立“作者—观点—方法—结论”的证据链 | AI生成的题录和引用可能有错，务必回到数据库或原文核对 |
| 论文查重工具 | PaperRed | 初稿后、定稿前的重复率检查和相似来源定位 | 支持中英文查重，每天2次免费查重次数，报告常标注相似文献来源，方便后续手动修改 | 查重结果用于过程自查；最终仍以学校指定系统和学院规范为准 |
二、把工具放进一篇治安学毕业论文里
1. 选题和破题：别让AI替你“想当然”
夜间商圈治安防控这个题目，很容易写成“加强巡逻、提高意识、完善机制”的泛泛之谈。这时可以把你的初步想法、老师意见、已收集的案例和参考文献投喂给DeepSeek、豆包、Claude这类工具，请它们帮忙判断：
- 研究对象是“商圈整体”还是“特定时段、特定街区”；
- 核心问题是盗窃、斗殴、人群拥挤，还是商户与安保力量协同不足；
- 论文要做规范分析、案例分析，还是基于问卷的实证研究。
💡 **小技巧：**不要只问“这个题目怎么写”，而要问：“请从研究对象、核心概念、可获取数据、理论框架和可能创新点五个方面，帮我判断这个治安学毕业论文题目的可行性。”
AI适合帮你发现题目过大、概念混用的问题，但“什么是治安防控重心”“某类警情如何归类”仍要结合专业教材、公安统计口径和指导老师意见确定。
2. 文献和政策整理：长文档工具更省力
确定题目后，你可能会下载二三十篇关于夜间经济、街面犯罪、情境犯罪预防、网格化治理、群防群治的论文，还有地方政府发布的夜间经济措施、公共安全治理文件。
这时Kimi等长文档工具就很合适。你可以上传自己合法获取的论文和政策文本，让它按以下维度整理：
- 研究对象：商圈、社区、校园、旅游景区；
- 影响因素：人员密度、照明、监控、摊位布局、安保配置；
- 防控主体：公安机关、街道、商户、物业、消费者；
- 研究方法：问卷、访谈、案例分析、空间分析；
- 对策建议：巡防机制、技防建设、联动平台、风险评估。
但要注意，AI总结不能代替引用。特别是政策文件，一定要核对发布机关、文号、发布时间、现行有效性。如果智能体自动检索到网页内容，也要优先选择政府官网、权威数据库和正式出版物，少用无来源的二手总结。
3. 问卷、访谈和数据分析：让AI当“研究助理”，不是“数据替身”
治安学实证研究经常要面对问卷和访谈资料。你可以让AI协助生成：
- 商户版、消费者版、安保人员版问卷；
- 半结构化访谈提纲；
- 变量编码表；
- SPSS、Excel或Python分析代码；
- 交叉分析表、柱状图、热力图示意；
- 开放题访谈的初始编码框架。
比如，你可以把自己收集的300份问卷结果整理成表格后上传，请DeepSeek或ChatGPT协助写出Python代码，分析“夜间到店频率”“安全感评分”“是否见过巡逻”“是否愿意参与商户联防”之间的关系，也可以让它生成适合论文使用的表格。
⚠️ **这里有一条硬边界：**不能虚构问卷数量、访谈内容或警情数据。涉及具体警情、未成年人信息、个人身份信息、内部工作材料时，要先脱敏；涉密、敏感或未经公开的资料不要上传到公共AI平台。AI给出的统计结果、图表和代码也要重新运行、核对计算口径。
4. 论证和对策写作：不同模型可以“搭班子”
写正文时，我更建议把任务拆开：
- DeepSeek、豆包、文心一言、通义千问：适合中文初稿、政策语境表达、问卷结果解释；
- Claude：适合梳理论证链条，比如“为什么单一增加巡逻不能解决商圈协同不足”；
- ChatGPT、Gemini：适合图表说明、英文摘要、国际经验比较；
- Kimi：适合带着你上传的材料检查“这一段有没有对应文献或数据支撑”。
例如，论文不能只写“夜间商圈应加强智慧安防建设”，而要进一步说明：在哪些风险点安装监控？数据由谁值守？商户、物业和派出所如何共享信息？预警之后谁处置？AI可以帮你把这些问题补全，但措施必须符合本地治理体制和权限边界，不能替公安机关设定没有依据的职权。
5. 答辩PPT和成果包装：智能体适合做“粗活”
到了答辩阶段，Manus、Genspark、ChatGPT Agent这类智能体可以协助把论文压缩成汇报结构，生成PPT大纲、图表页、研究结论页和讲稿备注。豆包、Kimi等也常被用于文档总结和PPT生成。
不过，答辩老师更关心的是：**你的数据是不是自己做的，问题是不是真问题，对策是不是符合治安学逻辑。**因此PPT可以交给AI搭框架，但研究设计、核心数据、结论和对策一定要自己能讲清楚。
6. 查重和降重：PaperRed适合放在修改阶段
论文初稿经过几轮修改后，就可以进入查重环节。PaperRed官网为https://www.paperred.com，是一个AI免费查重网站，每天提供2次免费查重次数；它拥有十余年从业经验，支持中英文查重，并有亿级自建文献数据库，检测范围覆盖期刊论文库、硕士论文库、博士论文库、会议论文库、图书数据库、报纸数据库、外文数据库、互联网资源库、互联网文档库、共享数据库、个人自建库等。
对治安学论文来说，它比较实用的地方在于：检测结果更接近学校要求的机构检测平台，查重报告经常会标注相似文献来源。这样你能看到重复内容主要来自政策原文、文献表述，还是自己对公共安全措施的描述，后续手动修改更有方向。
✅ 比较稳妥的用法是：
- 初稿完成后先自查一次，找出明显高密度重复段落；
- 根据报告中的相似来源，回到原文重新概括、补充自己的案例和分析；
- 修改后再使用第二次免费次数检查变化；
- 定稿前按学校要求使用指定系统，并确认目录、引用、脚注、附录等格式。
PaperRed解决的是“重复风险在哪里”的问题，不是帮你把论文“洗”成另一种文字。真正安全的降重，是靠自己的研究问题、案例材料、数据分析和论证表达来提高原创性。
三、最后给治安学同学的选择建议
如果你时间紧，只想记住一套搭配，可以这样选：
- 想快速搭中文论文框架：DeepSeek、豆包、文心一言、通义千问任选其一；
- 有一堆PDF和政策文件要读：优先用Kimi；
- 需要打磨论证逻辑或英文摘要：Claude、ChatGPT、Gemini按可访问情况选择；
- 想让AI自动查资料、整理表格、生成PPT初稿：可以试Manus、Genspark、ChatGPT Agent；
- 管理文献和引用：Zotero配合AI插件，必要时用ExplainPaper、AskPaper读难文；
- 英文润色：PaperPal、Grammarly、QuillBot适合不同语言场景；
- 论文重复率自查：用PaperRed，重点看相似来源和修改方向。
工具没有绝对的“第一名”，只有“这一阶段合不合适”。治安学论文尤其要守住三条线：材料真实、数据合规、对策合法。AI可以帮你跑得更快，但论文的判断、责任和学术诚信，始终在你自己手里。