智能体工作流1：论文 Camera-Ready 版本生成

前言（本文内容由AI生成）

这篇文章记录一次使用 AI 智能体协助完成论文 camera-ready 版本筹备的完整过程。任务目标不是简单地让智能体“给建议”，而是让它直接参与本地文件处理：读取提交要求、整理 LaTeX 工程、修复编译问题、生成 PDF 和源码压缩包、检查 Springer 表格、根据 reviewer comments 规划并修改论文，最后输出一组可审阅、可追溯的辅助文档。

本次工作的原始目录位于：

D:\研究生\科研\论文\camera-ready

在 WSL 环境中的路径为：

/mnt/d/研究生/科研/论文/camera-ready

最终形成了两个主要版本：

• v1/：整理后的第一版 camera-ready LaTeX、PDF 和源码 zip；
• v2/：基于 reviewer comments 修改后的版本，以及实际改动记录、段落级前后对比、未完全处理项报告等辅助材料。

使用的 Skill

本次主要使用的智能体 Skill 是：

latex-camera-ready-packaging

这个 Skill 的作用是指导智能体完成 LaTeX camera-ready / Springer LNCS / EasyChair 相关工作，包括：

• 检查提交要求和源码包；
• 在安全目录中解压和整理 LaTeX 工程；
• 识别主 .tex 文件、图片、BibTeX、class/style 依赖；
• 编译并修复阻塞性 LaTeX/BibTeX 错误；
• 验证 PDF 页数、参考文献起始页、A4/Letter 页面大小；
• 清理不应上传的模板文件和构建产物；
• 生成最终 PDF 和 source zip；
• 检查 Springer copyright form；
• 基于 reviewer comments 生成修改计划；
• 实际修改 v2 论文，并记录 actual changes、before/after、remaining gaps。

它不是某一次任务临时生成的总结文档，而是一个可复用的工作流规范。智能体会根据这个 Skill 中的步骤执行具体操作。

整体工作流概览

这次 camera-ready 准备过程可以拆成 8 个阶段：

1. 读取 camera-ready 要求
2. 整理和验证 v1 LaTeX/PDF/zip
3. 拆分 LaTeX 章节
4. 检查 Springer copyright form
5. 分析 reviewer comments 并生成 review_action_plan.md
6. 基于 review_action_plan.md 实际修改 v2
7. 编译、验证并打包 v2
8. 生成审阅辅助文档

下面按阶段记录每一步的输入、处理方式和产出。

阶段一：读取 camera-ready 要求

首先，智能体读取了目录中的 camera-ready.md，确认 camera-ready 阶段需要提交的材料。

主要确认项包括：

• LaTeX source 或 RTF 源文件；
• final PDF；
• reviewer comments；
• Springer copyright form；
• EasyChair 上传材料。

这一阶段的价值在于先确认“最终要交什么”，避免后续只生成 PDF，却遗漏源码压缩包或版权表格。

阶段二：整理和验证 v1 LaTeX/PDF/zip

用户提供的原始 LaTeX 包中，主文件仍使用模板式命名，例如 samplepaper.tex。智能体首先将源码解压到工作目录，再识别真正用于编译的主文件、图片、BibTeX 文件和 LNCS 模板依赖。

处理内容包括：

1. 解压原始 LaTeX zip；
2. 识别主文件 samplepaper.tex；
3. 检查依赖文件：
   • llncs.cls；
   • splncs04.bst；
   • references.bib；
   • 论文中实际使用的 figures；
4. 安装缺失的 LaTeX 编译依赖；
5. 修复 references.bib 中重复 BibTeX entry；
6. 将主文件改名为 main.tex；
7. 删除模板说明文件、未使用图片和构建产物；
8. 生成 v1 PDF；
9. 生成 v1 LaTeX source zip；
10. 从干净目录重新编译验证。

这一阶段的主要输出为：

v1/latex/
v1/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_v1.pdf
v1/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_latex_v1.zip
v1/changes_v1.md

验证结果显示：

Pages: 18
References: page 17
正文页数: 16 pages excluding bibliography
BUILD_OK

也就是说，PDF 总页数为 18 页，参考文献从第 17 页开始，正文部分控制在 16 页以内，符合 “16 pages excluding bibliography” 的限制。

阶段三：拆分 LaTeX 章节

为了便于后续根据 reviewer comments 逐章修改，智能体将原本集中在一个主文件中的论文内容拆分成多个章节文件。

处理后的结构大致为：

v1/latex/main.tex
v1/latex/sections/01_introduction.tex
v1/latex/sections/02_running_example.tex
v1/latex/sections/03_formal_definitions.tex
v1/latex/sections/04_framework.tex
v1/latex/sections/05_experimental_evaluation.tex
v1/latex/sections/06_related_work.tex
v1/latex/sections/07_conclusion.tex

这样做的好处是后续修改更可控。比如 reviewer 提到 Running Example、Formal Definitions 或 Algorithm 的问题时，可以直接定位到对应章节文件，而不是在一个很长的 main.tex 中反复查找。

拆分后，智能体重新编译 PDF 并刷新 zip，避免因为结构调整导致最终上传包和 PDF 不一致。

阶段四：Springer copyright form 处理

除论文源码和 PDF 外，camera-ready 还涉及 Springer copyright form。智能体对用户提供或下载的表格进行了检查。

检查内容包括：

• 文件是否可以正常打开；
• .docx 和 .pdf 是否匹配；
• PDF 页数是否正常；
• 签名区域是否存在明显问题；
• Volume Editor(s)、会议名称等字段是否需要进一步确认。

这一步没有简单地把文件当作“已完成”，而是提醒了不确定字段。例如：Program Co-Chairs 不一定等同于 Volume Editors，因此相关字段最好以会议方或 Springer 通知为准。

阶段五：分析 reviewer comments 并生成修改计划

当用户提供 Review.md 后，智能体没有直接修改论文，而是先读取 reviewer comments 和当前 LaTeX 章节，生成了一个修改计划：

v2/review_action_plan.md

这个计划按照 reviewer comments 逐条分析，包含：

• reviewer 提出的具体问题；
• 当前论文中对应的位置；
• 可以在不新增实验的前提下进行的修改；
• 哪些内容不能凭空补充；
• 哪些要求只能写入 limitation、threats to validity 或 future work。

本次用户明确要求“不进行额外实验分析”，因此智能体在计划中遵守了一个重要原则：

不虚构实验结果，不编造 success rate、validity rate，也不声称完成了没有实际运行的多模型或 SOTA 对比实验。

这个原则对学术论文修改非常关键。对于 reviewer 希望看到但当前无法新增实验支持的内容，正确处理方式是澄清方法、补充威胁、说明局限，而不是制造不存在的数据。

阶段六：基于 review_action_plan.md 实际修改 v2

在生成修改计划后，智能体复制 v1 LaTeX 工程作为 v2 工作区：

v2/latex/

然后按照修改计划逐章编辑。

Running Example

在 Running Example 中，主要补充和修正了：

• Triplex outputs 在 oracle checking / fault detection 中的作用；
• A1–A4 是 LLM 生成后经过检查和 normalization 的 actions；
• RM-003、RM-004 的 scenario coverage；
• 若干标点和空格问题，例如 .This、.Specifically 这类排版错误。

Formal Definitions

在 Formal Definitions 中，补充了多个符号定义：

• Σ；
• σ；
• σ_S；
• ρ；
• I_T；
• STL 中的 G operator。

同时还增加了 Triplex A3 formal action tuple 示例，并解释 scenario occurrence 是否允许 gap。当前实现采用 contiguous intervals，因此文中也进行了相应说明。

Framework / Algorithms

Framework 章节是本次修改的重点之一。智能体补充了：

• LLM output schema 检查；
• signal 检查；
• STL parser 检查；
• regeneration / normalization 机制；
• x1, x2, x3 是测试生成阶段的搜索变量；
• Algorithm 1 的重复行和模糊表达修正；
• Algorithm 3 的 candidate generation、input bounds、candidate pool、maximum iterations 和 termination condition。

此外，还增加了 Compatible / compatibility check 的解释，用来回应 reviewer 对随机组合 scenario 是否可能 meaningless 的担忧。

Experimental Evaluation

实验章节中主要完成了：

• 修复 DeepSeek [7] 这类 citation 格式问题；
• 修复 citation after period 问题；
• 修复 Table 2 caption；
• 补充 RQ3 fault seeding protocol；
• 解释 NN 模型中 FRR 较低以及 baseline 为 0 的原因；
• 扩展 Threats to Validity。

Threats 中特别补充了以下限制：

• 未系统比较多个 LLM；
• action extraction completeness 没有形式化保证；
• STL constraint generation success rate 未系统报告；
• scenario validity rate 未系统报告；
• 未覆盖所有 SOTA Simulink testing 方法；
• ordered action sequences 对复杂 branching / concurrent requirements 的表达能力有限。

这些内容不是“补实验”，而是把方法边界说清楚。

Related Work

Related Work 部分扩展了与以下方向的对比：

• Simulink testing；
• requirement-based testing；
• scenario-based testing；
• LLM-based testing。

同时也明确说明，本文没有声称已经全面比较所有 SOTA 方法，而是强调本文方法与 random-search、constraint-solving、falsification、direct LLM test generation 的区别。

Conclusion and Future Work

Conclusion 中补充了 future work，包括：

• 多 LLM 对比；
• action completeness；
• scenario validity；
• branching / concurrent scenario graphs；
• 更广泛地比较 Simulink falsification 和 model-based testing 方法。

这些内容用于回应 reviewer 的合理担忧，同时避免把未完成的实验写成已有结果。

Compatible Check 的处理方式

Reviewer 对 scenario enhancement 中的随机组合提出了疑问：如果只是随机拼接 scenario，是否可能生成 meaningless scenario？

为回应这一点，v2 中将 Compatible check 写成一个轻量的 validity / compatibility 过滤机制。其核心作用是在接受一个候选 scenario 之前，检查它是否满足基本语义和工程约束。

可以理解为：

不是所有随机组合都会被接受；
候选组合必须通过 compatibility check，才会进入增强后的 scenario set。

检查内容包括：

• shared input/output configuration 是否一致；
• temporal feasibility 是否满足 T_sim；
• 是否保留 requirement traceability；
• state-mode transition 是否合理；
• constraint 是否在 input bounds 下可满足。

这类补充不需要新增实验数据，但可以让方法描述更严谨。

阶段七：编译、验证并打包 v2

由于 v2 新增了不少 reviewer response 内容，初次编译后正文页数超出了 16 页限制。因此智能体进行了保守压缩：

• 压缩 algorithm 环境占用；
• 缩短 Related Work 部分重复表达；
• 调整 main.tex 中部分 spacing；
• 保留实质性 reviewer clarifications，不用删除关键修改来硬凑页数。

最终 v2 编译验证结果为：

Pages: 19
Conclusion_page: 16
References_page: 17
ZIP_BUILD_OK

这表示：

• PDF 总页数 19；
• Conclusion 在第 16 页；
• References 从第 17 页开始；
• 正文仍满足 16 页限制；
• source zip 解压到干净目录后可以重新编译成功。

v2 的主要输出包括：

v2/latex/
v2/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_v2.pdf
v2/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_latex_v2.zip

阶段八：生成审阅辅助文档

为了让修改过程可追溯，智能体额外生成了多份 Markdown 文档。

实际改动记录

v2/actual_changes_v2.md

这份文档记录实际已经完成的修改，而不是只停留在计划层面。

段落级前后对比

v2/paragraph_before_after_v2.md

这份文档按 LaTeX 文件分类，列出 v1 修改前段落和 v2 修改后段落，包含 27 个 change blocks，适合用于写 response letter 或人工复查。

未完全落实项报告

v2/remaining_review_gaps_v2.md

这份文档区分了：

• 已经通过文字说明或方法澄清处理的问题；
• 只能作为 limitation / future work 的问题；
• 如果有时间可以继续增强的呈现问题。

其中未完全落实的主要是需要额外实验或统计的数据类要求，例如：

• 多 LLM 对比；
• 更多 SOTA Simulink / model-based testing 方法对比；
• STL constraint generation success rate；
• scenario enhancement validity rate。

工作流总结

v2/agent_workflow_and_skills.md

这就是本文整理依据的原始总结文档，记录了本次智能体的工作阶段、对应 Skill、关键约束和输出文件索引。

关键工程约束

这次任务中有几个值得记录的工程细节。

中文路径问题

论文工作目录包含中文路径：

/mnt/d/研究生/科研/论文/camera-ready

部分终端工具不允许直接将包含中文字符的路径作为 workdir，因此编译验证时采用了复制到 /tmp/... 的方式。例如：

/tmp/camera_ready_v2_build
/tmp/camera_ready_v2_zip_verify

这样既避免路径问题，也能顺便完成 clean rebuild 验证。

不新增实验

用户明确要求不进行额外实验分析。因此，对于 reviewer 提出的多模型比较、success rate、validity rate 等要求，智能体没有虚构数据，而是通过以下方式处理：

• 方法说明；
• threat to validity；
• limitation；
• future work。

这保证了论文修改的学术诚信。

页数限制

Springer LNCS / TASE camera-ready 要求正文 16 页以内，不含 bibliography。v2 增补 reviewer response 后一度超页，因此需要重新压缩。

最终采用的策略是优先压缩排版和重复表达，而不是删掉关键 reviewer response。

最终产物索引

本次任务的主要产物如下。

v1 产物

v1/latex/
v1/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_v1.pdf
v1/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_latex_v1.zip
v1/changes_v1.md

v2 产物

v2/review_action_plan.md
v2/latex/
v2/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_v2.pdf
v2/LLM_Guided_Requirement_Scenario_Based_Testing_for_Simulink_Models_latex_v2.zip
v2/actual_changes_v2.md
v2/paragraph_before_after_v2.md
v2/remaining_review_gaps_v2.md
v2/agent_workflow_and_skills.md

总结

这次工作展示了一种比较实用的 AI 智能体协作方式：不是只让模型回答“应该怎么做”，而是让它在明确约束下直接操作文件、编译验证、生成产物，并把每一步记录下来。

在论文 camera-ready 场景中，这种方式尤其适合处理以下任务：

• LaTeX 源码清理；
• PDF 和 source zip 打包；
• 页数和引用检查；
• reviewer comments 修改规划；
• 多版本 LaTeX 维护；
• before/after 修改记录；
• remaining gaps 分析。

不过，智能体也不能替代作者的学术判断。比如 Springer 表格中的不确定字段、reviewer 要求的新实验、论文结论的边界，都需要作者最终确认。比较理想的模式是：让智能体负责繁琐、可验证、可重复的工程化工作，让作者负责内容取舍、学术判断和最终提交确认。