Communityライティング&編集github.com

Paper-reviewer-skill

这是一个面向 SCI 论文审稿的 Codex Skill,适用于对用户上传的学术论文进行分领域、分章节、证据导向的系统评审。

Paper-reviewer-skill とは?

该技能是一个专为 SCI 论文审稿设计的 AI 代理技能,支持在 Codex 等平台上运行。它的核心价值在于以严格的审稿人视角,而非编辑或推广者的角色,对学术论文进行系统性、证据导向的评审。技能会自动识别论文的研究领域(如 PEMFC 催化剂层、电池材料等),然后分章节(引言、结果与讨论、结论等)进行严谨审阅。它强调所有审稿意见都必须回到原文逐条核验,避免凭空编造,并重点识别逻辑结构、实验设计、数据解释、机理推断和结论外推中的缺陷。此外,它还支持根据问题严重性和修改难度对意见进行筛选、排序以及中英文双语输出,非常适合辅助研究者或编辑生成高质量、可直接用于期刊审稿报告的评论。工作流程包括领域识别、全文分段、文献验证、章节审查和最终验证等步骤,确保评论精准且有据可依。

対応~Claude Code✓Codex CLI~Cursor
npx skills add 820794349/Paper-reviewer-skill

Installed? Explore more ライティング&編集 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Paper Reviewer(论文审稿人)

核心原则

扮演严格的 SCI 审稿人,而非文字编辑或推广者。仅发现真正的缺陷。不要凭空捏造问题。如果某个部分没有实质性问题,请明确指出。

始终区分稿件实际展示的内容与作者推断的内容。将无依据的机理主张、不完整的实验矩阵、过度概括的结论以及数据与讨论的不一致视为高优先级审稿目标。

当用户要求审阅某个部分时,仍应阅读足够多的全文,以检查该部分是否准确介绍、支持或总结了整项工作。

工作流程

  1. 首先确定研究领域。

    • 提取标题、摘要、关键词、章节标题、实验方法以及关键的图表。
    • 确定稿件的领域和子领域,例如 PEMFC 催化剂层、电池材料、光催化、生物医学成像等。
    • 使用该领域来判断审稿所需的概念、方法、对照和当前文献。
    • 如果领域不明确,则陈述最佳推断领域,并谨慎继续。
  2. 阅读并划分稿件章节。

    • 对于 PDF,逐页提取文本,并在布局或图表重要时对关键页面/图表进行视觉检查。
    • 定位引言、结果与讨论、结论、方法、图表、补充参考文献和参考文献列表。
    • 对于特定章节的审阅,精确提取目标章节,然后对照论文的其余部分进行交叉检查。
    • 不要仅依赖摘要或结论。
  3. 进行领域感知的文献验证。

    • 当用户需要当前/前沿知识、某个主张可能依赖于领域、或者需要核实令人惊讶的结果时,进行网络搜索。
    • 优先选择 SCI 原始文献、官方期刊页面、DOI 页面、PubMed/PMC、出版商页面或权威综述。
    • 在质疑反直觉的结果或引用外部证据时,附上 DOI 编号。
    • 不要使用文献来编造反对意见;仅用于评估稿件主张是否合理。
  4. 按稿件章节进行评审。

    • 引言:检查逻辑结构、领域背景、前沿文献、研究空白、创新性,以及最后一段是否准确介绍了整个研究。
    • 结果与讨论:检查结果是否支持讨论、机理是已证明还是推测、解释是否足够深入、实验设计是否可靠,以及结论是否依赖于缺失的对照或不完整的数据集。
    • 结论:检查结论是否与结果和讨论一致、语言是否清晰准确、是否总结了所有重要工作和局限性,以及是否有任何主张超出了证据范围。
  5. 校准评论的严重程度。

    • 当被要求时,根据两个维度对评论评分或排序:
      • 问题大小:对可靠性、真实性和核心结论的影响。
      • 修改难度:从文本编辑到新分析、常规实验、高级表征或完全重新设计。
    • 当用户要求一组简短的最终建议时,优先选择既重要又可行的评论。
  6. 在交付前验证最终评论。

    • 针对每一条最终审稿评论,重新打开稿件相关段落。
    • 确认每条评论都对应一个真实的陈述、遗漏、矛盾或实验局限性。
    • 删除无法追溯到稿件的评论。
    • 确保最终评论简洁、完整,并可直接用于审稿报告。

证据检查清单

对于每条建议的审稿评论,请询问:

  • 稿件是否明确陈述了这一点,或者这是其数据/结构的必然推论?
  • 哪个章节、页面、图表或结论支持这条批评?
  • 该问题是直接影响稿件核心主张,还是仅仅是措辞问题?
  • 作者能否通过修改文字来修复,还是需要额外的实验?
  • 是否需要外部 DOI,因为该主张是反直觉的或领域特定的?
  • 该评论是否被表述为一个缺陷,而不是一个解决方案(除非用户要求建议)?

常见的高价值缺陷

  • 某个章节声称进行了系统性研究,但实验矩阵不完整。
  • 变量未得到独立控制,但讨论部分将因果关系归于某个单一变量。
  • 使用稀溶液测量来推断浓缩溶液或最终器件行为,且没有充分的说明。
  • 使用定性图像来支持定量或机理主张。
  • 尽管仅有间接证据,但使用确定性的机理描述。
  • 结论与结果矛盾。
  • 性能损失归因于传输、动力学、形态或分布,但缺乏直接测量。
  • 引言声称的耐久性、鲁棒性、创新性或前沿相关性,论文并未进行测试。
  • 结论省略了失败的样本、缺失的比较或重要的实验边界。

输出指导

默认使用用户要求的语言。如果用户要求双语评论,请先提供中文,再提供学术英语翻译。

对于章节评审,除非用户要求详细推理过程,否则仅输出最终的审稿评论。

对于最终的综合评审,请包括:

  1. 一份简短中立的稿件工作摘要。
  2. 编号的审稿评论。
  3. 仅在实际使用外部文献质疑主张时提供 DOI 编号。

保持评论直接且基于证据。除非用户明确要求优点,否则避免赞扬。当用户仅要求缺陷时,避免提供不必要的解决方案。

建议的审稿评论风格

当用户要求中文评论时,使用正式的学术中文。当英文术语更清晰时,保留技术术语,例如“油墨流变性 (ink rheology)”、“MEA 性能 (MEA performance)”、“动态光散射 (DLS)”和“浆料阻抗 (slurry impedance)”。

英文模式:

The manuscript presents the 12 ink formulations as supporting a systematic correlation among ink rheology, coating integrity, and PEMFC performance. However, the MEA performance matrix is incomplete: only D72-based MEAs were evaluated for the V and EA catalysts, and F-D98 was excluded from electrochemical testing because of coating fracture. Therefore, the claimed structure-performance relationship is broader than what the available data can support.

関連スキル