一个通用的 AI 实验报告生成工作流。你只需要描述实验内容，它帮你完成：
实验实现 → 前端可视化 → 截图 → 实验报告（md + docx 双交付）
和"你给我素材我帮你写"的论文 skill 不同——这个 skill 的第一原则是：实验必须真实跑通、数据不许编造、失败要如实写。
- 🔬 自动实现实验 — 描述你的实验，AI 帮你跑通，产出可复查的原始数据
- 🖥️ 生成前端展示 — 学术简洁风可视化页面（策略图、曲线图、对比图），先给你确认效果
- 📸 规范截图入库 — 按 screenshot-manifest 截图，前端截图直接进报告，真实数据不造假
- 📝 双格式实验报告 — 同时产出
实验报告.md和实验报告.docx - 🔍 多轮自检 — 交付前强制 ≥3 轮自检修复循环，报告里的每个数字都与原始数据交叉校验
产出的 docx 不是 md 的简单导出，而是用 Node + docx 库按规范重新构建，自检逐项验证：
| 要求 | 说明 |
|---|---|
| 原生公式 | 用 OMML（OoxmlMath/分数/上下标/根号）构造，禁止用图片 |
| 正文宋体五号 | 五号 = 10.5pt，字体三属性齐全（ascii/hAnsi/eastAsia，只设 ascii 是最常见的坑） |
| 活序号 | 用 Word 自动编号（numbering），增删条目自动重排，禁止手敲 1.2.3. |
外加：封面页 + 自动目录（TOC）+ 正文页码从 1 重计。
- 在你的 AI 工具中安装这个 Skill（ZCode / Claude Code / Codex / Cursor 等）
- 告诉它你要做什么实验（比如："我要做 SARSA 和 Q-learning 的对比实验"）
- 等它跑完实验 → 生成前端 → 你确认效果 → 自动写 md + docx 报告 → 自检
就这么简单。
| 原则 | 说明 |
|---|---|
| 数据真实 | 所有图表必须来自实际运行结果，不许伪造；失败案例如实记录 |
| 前端先行 | 先做可视化页面让你确认，确认后才写报告 |
| 双格式交付 | 同时产出 md + docx，docx 满足三大硬性要求 |
| 多轮自检 | ≥3 轮自检修复，报告数字与原始数据逐一交叉校验 |
| 去 AI 味 | 前端走学术简洁风，心得感悟去套话、去模板腔 |
| 截图规范 | 按 screenshot-manifest 规划 DOM id，每张截图自检无截断 |
experiment-report-skill/
├── README.md ← 说明文档（本文件）
├── SKILL.md ← 主技能文件（工作流 + docx 交付规范）
└── references/
├── checklist.md ← 交付检查清单
├── math-formulas.md ← LaTeX → OMML 公式映射参考
└── templates/
├── report_template.md ← 实验报告（md）模板
└── report_template_docx.js ← 实验报告（docx）生成器模板 ⭐
report_template_docx.js 是开箱即用的 Node 生成器：封装好了宋体五号 helper、活序号 numbering、OMML 公式构造、封面、自动目录，产出 docx 时直接改 CONTENT 段即可，不用从零踩字体/序号的坑。
- 任何支持 Skill 的 AI 工具（ZCode / Claude Code / Codex / Cursor / Gemini CLI 等）
- 产出 docx 需要：Node ≥ 18 +
docx库（npm install docx image-size） - 产出截图需要：Playwright（或本机 Edge/Chromium）
- 实验名称 2. 实验目的 3. 实验环境与任务定义 4. 算法/方法原理
- 实验实现 6. 实验结果 7. 结果分析 8. 实验结论 9. 心得感悟 10. 附录
- 强化学习实验报告（SARSA / Q-learning / DQN 等）
- 机器学习算法对比实验
- 多模态 / 深度学习实验
- 数据分析报告
- 任何需要"跑实验 + 展示结果 + 写规范报告"的作业
欢迎提交 Issue 和 PR！
- 如果你用了这个 Skill 完成了某个实验报告，欢迎分享你的体验
- 如果你有改进建议，直接提 PR
MIT License