基于Markdown的论文修改工作流

人文社会科学的论文写作、合作修改和期刊投稿，长期以来都以 Word 为中心。Word 对作者十分友好：它所见即所得，便于排版、批注和修订，也能与 Zotero 等文献管理工具配合。但在 AI Agent 已经能够读取文件、调用工具并连续完成复杂任务的今天，Word 逐渐成为论文自动化修改中的一个障碍。它的内部结构复杂，包含样式、引用域、图表关系、修订记录和嵌入对象，模型很难稳定读取，也很难在不破坏原有结构的情况下持续修改。

为了解决这一问题，我们(主要是pw)开发了 md-paper，一套面向 AI Agent 的论文修改 Skills。它先将 Word 原稿转换为 Markdown，让 Agent 在 Markdown 文件中整理审稿意见、修改正文、核对引用并检查全文，完成后再重新生成 Word。由此形成一条完整的 Word → Markdown → Agent 修改 → 转回Word 流程：Word 继续承担阅读、排版、合作和投稿的功能，Markdown 则成为 AI 修改论文时的工作格式。

Word（DOCX）作为社科论文的默认格式

人文社会科学中的论文写作和修改以 Word 为默认格式，这是由整套学术交流方式共同决定的。许多期刊要求作者提交 .docx 文件；导师和合作者习惯在 Word 中阅读论文、添加批注和开启修订模式；即使作者自己使用 LaTeX、Typora 或其他工具写作，到了与导师讨论、向合作者发送版本或者正式投稿时，往往还是要转回 Word。尤其在文科和社会科学中，导师“只看 Word”并不少见。Word 已经嵌入论文从写作、修改到投稿的各个环节，短期内很难被完全替代。

Word 对人类非常友好。研究者不需要理解文件内部结构，就可以直接调整字体、行距和标题，插入图表、脚注和公式，也可以通过 Zotero 管理引用。页面上看到的内容，基本就是最后打印或投稿时的样子。对于需要频繁批注、修订和交换版本的论文来说，这种图形界面具有明显优势。

但我们的大语言模型或者Agent首先是一类处理文本的模型。现代 .docx 文件实际上是一个压缩包，内部包含多份 Office Open XML（OOXML） 文件，以及图片、公式和其他资源。正文、样式、编号、批注、修订记录、脚注、书签、图片关系和 Zotero 域分别保存在不同位置，最后由 Word 将它们组合成用户看到的页面。让AI直接读Word其实会造成很大的注意力浪费，对于AI来说，越接近纯自然语言，其读起来越方便。

Word 文件本身也比较笨重。同样一篇以文字为主的论文，保存为 .docx 时，除了正文，还要携带样式表、关系文件、媒体文件和插件写入的信息。不同版本的 Word、Windows 和 macOS 对字体、分页、公式、图表位置以及插件的支持也可能存在差异。文件在作者、导师、合作者和编辑之间反复传递以后，还容易出现多个近似版本，混入不同的批注、修订记录和格式设置。

因此，我们仍然需要 Word，但没有必要让 AI 始终在 Word 内部工作。比较合理的做法，是保留 Word 作为人与人交流以及最终投稿的格式，同时在中间增加一种更接近纯文本、更适合模型处理的工作格式。

AI直接改Word有什么问题

ChatBot时代最常见的 AI 改稿方式，是把 Word 中的一段文字复制到 ChatGPT 或 Claude，等模型修改以后再粘贴回来。只改一两个句子时，这种方式已经足够方便；一旦面对整轮审稿意见，它就会重新变成大量人工操作。作者需要逐条复制意见、提供上下文、定位原文，再把修改结果放回正确位置。摘要、引言、理论、结果和结论之间如果需要联动修改，还要靠作者自己反复检查。

目前，Claude Code和Codex等AI Agent 已经能够读取本地文件并直接修改文档，看起来可以省掉复制粘贴，但让 Agent 直接操作 Word 仍然存在几个比较棘手的问题：

  • Word文件占用的上下文过长，容易导致注意力丢失。相比纯文字，word的所占的存储空间要大得多，也就意味着，LLM读进去的Token要多得多，而论文又都是长文，没必要给LLM增加负担了；

  • Zotero 引用域容易损坏。 作者在页面上看到的引用只是最终显示结果，Word 内部还保存着 Zotero 用来识别文献、刷新格式和生成参考文献的信息。模型重写段落时，可能把活引用变成普通文字，也可能删掉引用、拆开一组文献，或者破坏引用域；

  • 图表、题注和交叉引用容易失效。 “见图 2”或“如表 4 所示”通常与 Word 的书签、题注和自动编号相连。AI 可能保留页面上显示的文字，却破坏背后的对应关系。公式编号、脚注和表下注释也有类似问题；

  • 修订和格式很难稳定保留。 Word 中的修订模式、批注、段落样式和分页并不是普通正文。模型直接改写文件以后，可能出现格式漂移、批注位置错乱，或者在不同系统上呈现不同结果；

  • 全文修改容易前后不一致。 一条审稿意见常常同时影响多个章节。理论部分更换一个核心概念后，引言、假设、结果和结论都要同步调整。逐段修改很容易漏掉其中一部分；

  • 多个 Agent 直接改同一份文件容易相互覆盖。 不同 Agent 可能基于不同版本起草修改，后一次写入也可能覆盖前一次结果。每个 Agent 都声称任务已经完成，并不意味着最终文档保留了所有改动。

这些问题说明，AI 改论文面临处理文档转换、任务拆分、版本管理、引用保护、修改写入和最终检查等不便之处。Word 可以继续作为最终文档，但中间的修改过程需要换一种更简单的表示方式。

为什么选择 Markdown

md-paper 选择 Markdown 作为 Word 与 AI Agent 之间的中间格式。Markdown 是一种轻量级标记语言，它用少量符号表示标题、加粗、列表、链接、引用和其他结构。例如：

1
2
3
4
5
6
7
8
9
# 文章标题

## 理论分析

这是一个正文段落。

**这是加粗文字。**

这里引用一篇文献 [@acemoglu2001]。

这种格式首先是普通文本。即使不熟悉 Markdown 语法，也可以直接读懂大部分内容；对模型来说，标题、段落、引用和图表标签又清楚地写在文本中，不需要从复杂的 Word 结构里重新辨认。它在人的可读性和机器的可处理性之间取得了比较好的平衡。

Markdown 适合 AI 改论文，主要有以下几个原因：

  • 文件更轻，正文更直接。 Markdown 主要保存文字和少量结构标记，不需要携带 Word 中大量样式、关系和界面信息。
  • 模型更容易理解结构。 标题层级、段落边界、引用标记和图表标签直接可见，模型可以把更多注意力放在论文内容上。
  • 修改记录更清楚。 Markdown 是普通文本，可以用 Git 比较不同版本。哪些句子被替换、哪些段落被删除、哪些概念被统一，都能直接看到。
  • 更容易恢复旧版本。 某一轮修改效果不好时，可以回到之前的版本，不必在多个名称相近的 Word 文件中寻找正确版本。
  • 便于自动检查。 文献可以写成 [@citekey]，图、表和公式可以设置固定标签。程序能够在每轮修改后检查引用有没有丢失、图表是否仍然存在、交叉引用是否有效。

Markdown 并不承担最终排版和投稿功能。它主要服务于 AI 修改阶段。论文在进入这一阶段前从 Word 转成 Markdown，修改完成后再转回 Word。这样既保留了 Word 在社科学术交流中的现实地位，也为 Agent 提供了更简单、更稳定的工作环境。

md-paper 如何工作

md-paper 包含五阶段工作内容：

1
2
3
4
5
6
7
8
9
10
11
12
13
Word 原稿
    ↓
md-unpack：转换为 Markdown
    ↓
manuscript.md
    ↓
md-iterate：修改一处文字
或
md-triage → 作者确认 → md-swarm：处理整轮修改意见
    ↓
md-build：重新生成 Word
    ↓
Word 终稿

  1. md-unpack：把 Word 原稿转换为 Markdown。 它读取原始 .docx 文件，将正文转换成 manuscript.md，同时处理 Zotero 引用、图片、表格、题注、脚注、公式和交叉引用。此后，Agent 主要围绕这份 Markdown 文件修改论文，不再反复直接操作 Word。

  2. md-iterate：完成一处具体修改。 如果只需要修改一段文字或者一个小节，作者可以在 VS Code 中选中相应内容，然后告诉 Agent“压缩这一段，但保留引用”或“这段表达太生硬，重新写一下”。系统会先检查修改位置和引用，再将结果写入文件，并保留前后版本供作者比较。

  3. md-triage：整理整轮修改意见。 输入可以是期刊审稿意见、编辑来信、Word 批注、导师意见、会议记录、语音转写，或者作者自己写的修改方案。系统会把这些内容整理成一项项具体任务，标出可能涉及的章节、意见之间的关系、需要补充的文献或数据，以及必须由作者亲自完成的部分。任务清单生成后，作者先进行检查和调整。

  4. md-swarm：让多个 Agent 分工修改并进行检查。 作者确认任务以后，系统会把不同工作交给多个 Agent。每个 Agent 阅读整篇论文，但只负责自己分到的任务。为了避免相互覆盖，它们先分别生成修改内容，再由程序按顺序写入论文。每一轮完成后，系统会检查引用、图表、公式和交叉引用是否正常；全部任务完成后，还会核对每条意见是否得到回应，并检查全文中的概念、数字、变量名和表述是否一致。

  5. md-build：从 Markdown 重新生成 Word。 修改完成后，系统将 manuscript.md 编译成新的 .docx 文件。生成的 Word 可以包含 Zotero 引用、图表编号、交叉引用、公式、脚注和参考文献，也可以使用预设的排版样式。至此，论文完成一次从 Word 到 Markdown、再从 Markdown 返回 Word 的完整流程。

如何使用

项目已经在 GitHub 开源：

https://github.com/pwya/md-paper

可以直接下载 ZIP，也可以使用 Git：

1
git clone https://github.com/pwya/md-paper.git

或者在 Claude Code、Codex、OpenCode 或 Hermes 等 Agent 工具中输入：

1
读一下 https://github.com/pwya/md-paper 里的 INSTALL.md，帮我把 md-paper 装好。

Agent 会按照安装文档配置相关 Skills、Pandoc 工具链和检查程序。仓库中也提供了完整的中文使用说明。

号外

  • 最近老是听说很多论文已经是AI写-AI审-AI改，AI的审稿意见又非常严格，来用md-paper魔法对轰吧，早日把传统出版制度干碎;
  • 长远来看，我比较推崇ARA，即Agent-Native Research Artifact，反正大家都在用AI，未避免消化不良，保留中间产物非常有必要，参见报道：PDF当死，ARA该立！论文是时候Agent原生了 ；
  • 这个repo主要好友pw同学开发的，他哐哐干了好久哈，欢迎大家专注他的公众号“计算公共治理”。

#AAAR
基于Markdown的论文修改工作流
https://yuzhang.net/2026/08/10/20260810-md_paper/
作者
Yu Zhang
发布于
2026年8月10日
许可协议