同行评审系统工具包：用 AI 系统化审视科学手稿的每一处细节
- 系统化评审流程：该技能把同行评审拆解为初步评估、分部分详评、方法论与统计严谨性、可重复性、图表呈现、伦理合规、写作质量共 7 个阶段，避免"凭感觉打分"。
- 内置报告标准清单：涵盖 CONSORT、STROBE、PRISMA、ARRIVE 等主流报告指南，帮助评审人快速核对合规性。
- 手稿与演示双支持：除论文手稿外，还能评审学术演示文稿，并强制采用"先转图片再评审"的流程避免读取失败。
- 结构化输出报告：自动生成总结陈述、主要评论、次要评论和作者问题四层结构，反馈可直接用于期刊审稿意见。
- 建设性语气约束：技能内置语气规范，要求具体、平衡、尊重，避免人身攻击和无依据的模糊批评。
在科研出版与基金评审场景中，评审人常常面对"时间紧、维度多、标准不统一"的困境。同行评审系统工具包（peer-review）试图把这一过程标准化、流程化，让 AI 成为评审人的"结构化助手"，而不是替代评审人的判断。下面从安装、功能、使用、竞品、场景、价值与 FAQ 七个方面展开介绍。
1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？
基本信息
- 中文名：同行评审系统工具包Skill
- 英文名：peer-review
- 技能 ID：13084
它解决什么问题
同行评审是一项高度专业化的工作：评审人需要同时判断研究问题是否清晰、方法是否可重复、统计是否恰当、图表是否完整、伦理是否合规、写作是否清晰。经验不足的评审人容易遗漏维度，资深评审人则容易被重复性劳动消耗时间。该技能把评审拆解成可执行的阶段与检查项，并提供结构化报告模板，降低"漏审"和"评审标准漂移"的风险。
一键安装的思路与步骤
该技能属于 AI 技能平台中的可挂载技能，安装逻辑与常见技能市场一致，具体入口与命令以官方说明为准。通用流程如下：
- 确认安装前提：确认所用 AI 客户端支持技能挂载机制，且具备"阅读、编写、编辑、Bash"四类工具权限（这是该技能声明的允许工具）。
- 进入技能市场或技能库：在客户端内打开技能管理入口，搜索技能 ID 13084 或英文名 peer-review。
- 执行安装：点击安装/启用按钮，按提示完成授权。若平台提供命令行安装方式，通常为"技能安装命令 + 技能 ID"的形式，具体命令以官方说明为准。
- 验证是否生效：安装后在对话中直接描述任务，例如"请用同行评审技能评估这份手稿的方法部分"，若技能被正确触发，应能看到其按阶段输出的评审结构；也可通过技能列表查看状态是否为"已启用"。
- 检查依赖资源：该技能附带
references/reporting_standards.md与references/common_issues.md两份参考文件，若安装包未自动包含，需按官方说明补全，否则报告标准核对环节会受影响。
效率提升的核心逻辑
一键安装的价值不在于"少点几次鼠标"，而在于把一套成熟的评审方法论固化成可复用的工作流：评审人不需要每次从零构思检查清单，AI 按阶段推进，评审人只需在关键节点做判断和补充。对于高频评审者，这种"模板化 + 可定制"的方式能显著压缩前期准备时间。
2. 该技能的主要功能和特点
- 七阶段评审工作流：从初步评估到写作质量，逐阶段推进，每个阶段都有明确的关键问题清单，避免评审碎片化。
- 分部分深度检查：针对摘要与标题、引言、方法、结果、讨论、参考文献分别给出评估维度，例如方法部分重点检查样本量与功效计算、随机化与盲法、纳入排除标准、统计检验与多重比较校正。
- 方法论与统计严谨性专项：独立评估统计假设是否满足、效应量与置信区间是否报告、缺失数据如何处理、探索性与验证性分析是否区分，这是普通"通读式评审"最容易忽略的部分。
- 可重复性与透明度核查：检查原始数据是否存入存储库、是否提供访问号、分析代码是否可用、是否符合学科报告指南。
- 图表与数据呈现审查：检查分辨率、坐标轴单位、误差条定义、统计显著性标注、配色是否色盲友好，并识别图像重复、拼接等操纵迹象。
- 伦理合规验证：覆盖人类受试者的 IRB 批准与知情同意、动物研究的 IACUC 批准与 3R 原则、作者身份与利益冲突披露。
- 结构化报告输出：按"总结陈述—主要评论—次要评论—逐行评论—对作者的问题"分层组织，每条主要评论要求写明问题、原因、解决方案和是否为发表必需。
- 演示文稿专项评审：针对 PPT、Beamer 等演示文件，强制先转换为图片再逐张检查，覆盖字号、对比度、文本溢出、元素重叠、幻灯片数量与时长匹配等维度。
- 报告标准内置参考：附带报告标准与常见问题两份参考文档，支持 CONSORT、PRISMA、ARRIVE、MIAME、STROBE 等指南的合规核对。
- 语气与伦理约束：明确要求建设性、具体、平衡、尊重，禁止人身攻击、讽刺、无具体例子的模糊批评，以及双盲评审中泄露身份。
和普通工具比强在哪
普通文档工具或通用 AI 对话可以"读一遍给点意见"，但缺少固定的评审维度、缺少报告标准清单、缺少结构化输出格式。该技能的差异在于：把"评审专家脑中的检查表"显式化，并且要求每条意见都落到具体位置和可操作建议上，减少"泛泛而谈"的评审意见。
3. 如何使用该技能？
以下为通用使用步骤，具体调用入口以所用平台为准。
步骤 1：准备待评审材料
将手稿（PDF、Word 或文本）放入工作目录，演示文件（PPT/PDF）单独放置。若手稿包含图表，建议保留原始分辨率版本，便于图表审查环节。
步骤 2：明确评审任务类型
在对话中说明评审对象与目标场所，例如："请用同行评审技能评审这篇原创研究文章，目标期刊为临床医学类，需要重点检查统计报告与报告标准合规性。"目标场所会影响评审标准的严格程度，技能文档提到可结合 venue-templates 技能中的评审期望说明进行校准。
步骤 3：启动评审并选择阶段
可以要求全流程评审，也可以指定阶段，例如：“只执行阶段 3（方法论和统计严谨性）和阶段 4（可重复性）”。分阶段调用适合时间有限或只需复核特定维度的场景。
步骤 4：查看结构化输出
技能会按总结陈述、主要评论、次要评论、作者问题的顺序输出。主要评论会编号，并注明问题、原因、建议解决方案以及是否为发表必需。示例片段：
主要评论 1：方法部分未报告样本量功效计算。原因：无法判断研究是否具备足够检验效能，阴性结果的可解释性受限。建议：补充基于主要结局指标的功效分析，说明效应量假设与显著性水平。是否必需：是。
步骤 5：演示文稿的特殊处理
若评审对象是演示文件，按技能要求先转换为图片再评审：
python scripts/pdf_to_images.py presentation.pdf review/slide --dpi 150
转换后逐张检查，并按幻灯片编号记录问题，例如"幻灯片 3：文本溢出，项目符号 4 超出右边界"。技能文档特别强调：绝不直接读取演示 PDF，否则会触发缓冲区溢出且无法发现视觉排版问题。
步骤 6：图表补充（可选）
若需要为评审流程或评估框架生成示意图，可调用配套的科学示意图能力，用自然语言描述图表内容，输出保存到 figures 目录。该功能依赖 scientific-schematics 技能，是否可用以实际环境为准。
步骤 7：人工复核与定稿
AI 输出作为初稿，评审人需逐条复核：确认问题是否真实存在、建议是否在合理范围内、语气是否符合期刊要求。技能文档明确反对"要求超出范围的不必要实验"，复核时应删去此类建议。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 同行评审系统工具包（peer-review） | 结构化评审工作流助手 | 七阶段评审、报告标准核对、结构化报告、演示文稿专项 | 需在支持技能挂载的客户端安装，具备阅读/编写/编辑/Bash 权限 | 期刊审稿、基金评审、课题组内部预审 | 优势：维度覆盖全、输出格式规范、有语气约束；不足：依赖评审人复核，报告标准清单需随学科更新 |
| 通用 AI 对话工具 | 通用问答与文本处理 | 自由对话、摘要、润色、简单点评 | 极低，打开即用 | 快速通读、语言润色 | 优势：门槛最低；不足：缺少固定评审维度和结构化输出，容易遗漏统计与伦理检查 |
| 人工同行评审 | 领域专家判断 | 专业判断、学术声誉背书 | 需邀请专家，周期长、成本高 | 高影响力期刊审稿、基金终审 | 优势：判断权威；不足：周期长、标准不一、评审人负荷高 |
| 期刊内置审稿系统 | 投稿与审稿流程管理 | 分配审稿人、收集意见、流程跟踪 | 由期刊平台提供 | 期刊编辑部流程管理 | 优势：流程规范；不足：不提供评审内容层面的结构化辅助 |
从对比看，该技能的定位不是替代人工评审，而是填补"通用 AI 太随意、人工评审太昂贵"之间的空白：用固定流程保证覆盖面，用结构化输出保证可用性，最终判断仍交给评审人。
5. 该技能的典型应用场景与实际体验情况
场景一：青年评审人的首篇审稿任务
角色：刚被邀请审稿的博士后。痛点：不知道该从哪些维度看、担心漏掉关键问题。使用方式：按七阶段逐段推进，重点参考方法部分的"关键要素验证"清单（样本量、随机化、盲法、纳入排除标准、统计检验）。实际体验：上手难度低，阶段划分让评审有章可循；注意事项是不要机械照搬清单，需结合学科惯例删减不适用项。
场景二：基金申请书评审
角色：基金评审专家。痛点：申请书数量多、评审窗口短。使用方式：用阶段 1 快速形成总体印象，用阶段 3 和阶段 4 重点核查方法严谨性与数据共享计划，输出主要评论。实际体验：能快速定位"结论过度陈述""缺少预实验支撑"等常见问题；注意事项是基金评审更看重可行性与创新性，需在技能框架外补充判断。
场景三：课题组内部预审
角色：导师或高年级学生。痛点：投稿前希望提前发现明显缺陷。使用方式：以"模拟审稿人"身份跑一遍全流程，重点看图表完整性与报告标准合规性。实际体验：能在投稿前发现误差条缺失、图例不清、报告指南要素缺失等问题，减少返修轮次；注意事项是内部预审语气可更宽松，不必完全套用正式审稿的严格标准。
场景四：学术会议演示文稿评审
角色：会议程序委员或导师。痛点：演示文件排版问题多，逐页检查耗时。使用方式：先转图片再逐张检查字号、对比度、文本溢出、元素重叠，按幻灯片编号记录问题。实际体验：视觉问题定位准确，输出格式便于直接反馈给作者；注意事项是必须遵守"不直接读取演示 PDF"的流程要求，否则会读取失败。
6. 该技能能为用户带来的价值
效率层面：把评审前期准备从"凭经验回忆检查项"变为"按阶段推进"，减少反复翻找报告指南的时间；结构化报告模板省去意见组织的重复劳动，尤其适合高频评审者。
质量层面：固定维度降低漏审概率，统计严谨性、可重复性、伦理合规这些容易被忽略的环节被显式纳入流程；每条意见要求落到具体位置和可操作建议，提升评审意见的建设性。
门槛层面：对青年评审人，七阶段工作流相当于一份"评审方法论速成指南"；对跨学科评审，报告标准参考文档降低了不熟悉领域指南的风险。
长期价值：评审标准与报告指南会持续更新，技能以参考文档形式承载这些知识，便于随学科发展迭代；结构化输出也便于积累个人评审案例库，形成可复用的评审资产。
7. 常见问题 FAQ
Q1：这个技能怎么安装？需要付费吗？
A：在支持技能挂载的 AI 客户端中搜索技能 ID 13084 或英文名 peer-review 安装启用，具体入口与命令以官方说明为准。是否收费取决于所在平台的计费策略，本技能详情中未提供价格信息，请以官方说明为准。
Q2：它能代替我审稿吗？
A：不能。它的定位是结构化助手：负责按维度推进检查、提示常见问题、组织报告格式，最终判断（接受、小修、大修、拒稿）必须由评审人基于专业判断做出。技能文档本身也强调评审要"专注于科学，而非科学家"，并要求评审人对每条意见负责。
Q3：适合哪些人使用？
A：期刊审稿人、基金评审专家、课题组导师与研究生、会议程序委员，以及需要自查手稿质量的作者。跨学科评审场景尤其受益，因为报告标准清单覆盖多个学科指南。
Q4：评审演示文稿时为什么不能直接读 PDF？
A：技能文档明确指出，直接读取演示 PDF 会导致缓冲区溢出错误，且无法发现视觉排版问题。因此强制要求先用转换脚本把 PDF 转为图片，再逐张检查字号、对比度、元素重叠等视觉维度。
Q5：和通用 AI 对话工具相比怎么选？
A：如果只是快速通读或语言润色，通用对话工具足够；如果需要覆盖统计、可重复性、伦理、报告标准等完整评审维度，并获得可直接用于期刊的结构化意见，该技能的七阶段流程更有优势。两者可以配合使用：先用通用工具快速筛选，再用该技能做深度评审。