manuscript-review

Manuscript Review Skill

流程位置： 第 1a 阶段（内容审查）。与 figure-rhetoric 并行运行。无前置依赖。输出由 manuscript-provenance（宏观清单反馈）和 figure-rhetoric（用于评估视觉论证的主张图谱）使用。有关完整的出版前审查，请参阅配套技能：manuscript-typography（排版规范）、citation-audit（引文准确性）、arxiv-preflight（投稿合规性）。

用途

对学术或技术手稿执行全面的多轮诊断审查，生成结构化的改进报告，识别 24 个审查维度中的问题——涵盖宏观连贯性和论证架构、主张与证据的匹配度、叙事流畅度、散文微观结构、渲染后的视觉检查、跨元素连贯性，以及引文规范性和可复现性。

输出是一份按优先级排列、可执行的改进计划，而非逐行编辑。目标是发现作者因对文本过于熟悉而容易系统性忽略的结构、逻辑和清晰度问题。

针对 arXiv／预印本投稿进行了优化，合规标准灵活。

配套技能：manuscript-provenance 用于审查手稿内容（数字、表格、图表、顺序、术语）是否由代码和脚本计算得出。本技能审查文档的行文；该技能审查其计算依据。两者结合使用，可完成全面的出版前审查。

与 manuscript-provenance 的职责边界

关注点	本技能（manuscript-review）	manuscript-provenance
可复现性	论文是否充分描述了复现所需的信息？（§6）	代码是否确实生成了论文所声称的结果？（§1、§7）
图和表	是否清晰易读、便于访问且格式良好？（§12）	是否由脚本生成，而非手动录入？（§2、§3）
渲染后的视觉内容	按印刷尺寸查看时是否清晰易读？是否靠近引用位置？（§23）	图表生成脚本是否生成了正确的格式？（§3）
超参数	是否在论文中列出并说明理由？（§6）	参数值是否可追溯至配置文件，而非硬编码？（§1、§8）
代码可用性	论文中是否有相关声明？（§17）	仓库 URL 是否有效、README 是否准确、流水线是否可运行？（§11）
术语	文档内部的缩写是否一致？（§14）	术语是否与代码标识符一致？（§5）
有效数字	文档内部的精度是否一致？（§12）	精度是否与脚本输出一致？（§2）
图表格式	格式是否适合文档质量要求？（§12）	格式是否由脚本生成，而非手动导出？（§3）
计算成本	是否在论文中报告？（§7）	数值是否可追溯至基准测试脚本？（§1）
宏观文本连贯性	文本表述是否适合注入的数值？（§24）	数值是否可追溯至代码，是否生成了宏清单？（§4）
跨元素一致性	文本、标题、图和表是否彼此一致？（§24）	所有元素是否来自同一次运行／流水线的输出？（§9）

**规则：**本技能绝不打开代码库。manuscript-provenance 绝不评判文本质量。若有对方的报告，各自读取对方的报告。

集成点 — 宏清单：manuscript-provenance 会在其 §4 审计中生成一份宏清单：列出每个由宏注入的数值、其解析后的数值、来源（脚本 + 输出文件），以及它在稿件文本中的位置。本技能的第 13 轮（跨元素连贯性）会使用该清单，检查每个注入数值周围的文本是否适用于该实际数值。如果没有溯源报告，本技能会直接从 .tex 源文件中提取宏数值（精度较低——无法追踪来源，但仍会执行连贯性检查）。

工作流

1. 导入

阅读上传的稿件。接受 PDF、DOCX、LaTeX 源文件或 Markdown。 如果上传了多个文件（例如，正文 + 补充材料），则全部处理。

识别：

• 目标发表平台（默认为 arXiv／预印本；如果是会议／期刊投稿，则相应调整）
• 投稿类型（完整论文、技术报告、学位论文中的章节等）
• 用户提出的任何具体关注点——这些内容会在报告中优先处理

对于 arXiv 投稿，合规检查仅供参考。应侧重技术质量、可复现性和清晰度，而非严格的格式规则。

2. 加载清单

阅读 references/checklist.md——这份全面的改写清单包含 24 个部分、约 175 个检查点。每轮审计都按照此清单进行。

Read references/checklist.md

3. 多轮审计

依次执行以下各轮审计。每轮对应一个或多个清单部分。系统地逐项检查：

• 通过：简要记录，然后继续

• 未通过：记录准确位置（章节、段落、行号）、具体缺陷以及所需的具体修正

• 不适用：如果不适用于此类稿件，则标记为不适用 第 1 轮 — 结构完整性（检查清单 §1、§4、§5、§10）

• 梳理从摘要到结论的论述主线

• 核查各章节是否必要，以及逻辑依赖顺序是否合理

• 检查引言是否呈漏斗式结构，以及贡献是否逐项列出

• 核查结论是否包含新信息，以及是否与所述贡献一一对应

• 评估相关工作部分的组织方式（分类式还是注释式）及差异化程度

第 2 轮 — 摘要与标题校准（检查清单 §2、§3）

• 摘要功能是否完整（背景 → 差距 → 方法 → 结果 → 影响）
• 摘要中的定量信息是否具体
• 标题的精确度与范围是否相符
• 关键词与摘要是否一致

第 3 轮 — 技术严谨性（检查清单 §6、§7）

• 方法的可复现性是否充分（文档层面：论文是否描述充分？代码层面的验证推迟至 manuscript-provenance）
• 假设是否明确，符号是否一致
• 基线是否充分、数据集特征是否清楚、统计是否严谨
• 是否报告效应量，评估指标是否有理据
• 是否报告计算成本（检查论文是否报告；数值溯源至基准测试脚本的工作推迟至 manuscript-provenance）

第 4 轮 — 论证质量（检查清单 §8、§9）

• 讨论部分是否引入了新结果
• 是否考虑了其他解释
• 是否说明了泛化边界
• 局限性是否真实（而非流于形式），是否预先回应了审稿人的质疑
• 是否覆盖了效度威胁的分类

第 5 轮 — 引文与参考文献规范（检查清单 §11）

• 引文与参考文献是否一一对应（两者均无遗漏项）
• 是否符合目标会议或期刊的格式规范
• 是否优先引用一手来源，而非二手引文
• 是否核查预印本的发表状态
• 引文位置是否对应具体论断，而非仅出现在段落层面
• 提醒核查论文是否已撤稿

第 6 轮 — 图表质量（检查清单 §12）

• 图表引用顺序是否连续
• 评估分辨率与可读性
• 是否考虑色盲读者的可访问性
• 坐标轴标签是否带单位，视觉风格是否一致
• 表格对齐方式与有效数字是否一致

第 7 轮 — 行文规范（检查清单 §13、§14、§15）

• 时态是否一致（建议，而非硬性要求）
• 措辞是否审慎得当（既不夸大，也不空洞）
• 被动语态使用模式（提示性建议）
• 是否有减少名词化表达的空间
• 清晰度与精确度（对 arXiv 而言，营销式措辞仅作提示）
• 缩写规范（首次使用时展开，且前后一致）
• 数学排版是否一致

第 7b 轮 — AI 写作模式检测（提示性建议）

依据 references/detection-patterns.md 中的检测规则，扫描正文部分是否残留 AI 写作模式。由 AI 助手起草或润色的学术论文，往往仍会留下可检测的痕迹。

重点关注与学术写作相关的模式：

• 夸大重要性 — “pivotal”（关键）、“groundbreaking”（开创性）、“paradigm shift”（范式转变）
• AI 高频词汇 — “delve”（深入探讨）、“landscape”（格局）、“tapestry”（错综复杂的图景）、“underscore”（凸显）
• 回避系词 — 用 “serves as” 代替 “is”
• 归因含糊 — 未附引文就称“专家认为”“研究表明”
• 浅层的 -ing 补充语 — “……，突显了……的重要性”
• 过度谨慎 — 超出认知层面恰当审慎所需的程度

跳过学术行文中可接受的模式：

• 被动语态 — 方法部分的常见写法
• 正式过渡语 — “Furthermore”“Moreover” 是学术写作中的惯用表达
• 标题式大小写的标题 — 期刊格式可能要求如此

此轮为中优先级。标记发现的问题，但不要过度修正——学术规范与部分 AI 写作模式有所重叠。严重性：单个实例报告为低；同一段落中出现 3 个或以上模式时，标记为中。

第 8 轮 — 最佳实践与可复现性（检查清单 §16、§17、§18、§19）

• 补充材料交叉引用完整性
• 论文中存在代码／数据可用性声明（验证所声称的代码库是否有效以及流水线能否运行，推迟至 manuscript-provenance）
• 第三方素材的许可兼容性
• 超链接验证与参考文献完整性
• 整体清晰度与易读性评估

第 9 轮——主张与证据校准（清单 §20）

专门逐一检查稿件中的每项论断。

对每项主张：

1. 评定主张力度：强／确定性（“X 会导致 Y”）、中等／有限定条件（“在条件 Z 下，X 会改善 Y”）或谨慎／试探性（“X 可能有助于 Y”）
2. 评定证据力度：直接实验、间接／相关性、仅有引用、类比或没有证据
3. 标记不匹配：
   • 过度主张：强主张 + 弱证据 → 弱化主张或补充证据
   • 主张不足：措辞谨慎 + 证据充分 → 增强措辞
   • 无证据主张：任何力度的主张 + 没有证据 → 补充证据或删除主张
4. 根据研究设计审核因果性与相关性表述
5. 检查概括范围是否符合实际实验条件
6. 根据论文中实际进行的直接对比评估，核实比较性主张（“优于”“比……更好”）
7. 标记隐含主张（例如，“与先前工作不同，我们的方法能够处理 X”暗示先前工作无法处理——请核实）
8. 检查否定性主张是否有证据证明不存在，而非仅仅缺乏证据

此轮为高优先级。主张与证据不匹配是审稿人拒稿最常见的原因。摘要中的过度主张会影响整篇论文的阅读。

第 10 轮——叙事流畅度与连贯性（清单 §21）

按线性顺序阅读稿件，追踪读者的认知状态。在每个句子和段落的边界处，检查：

• 这个句子是否承接上文，还是需要读者自行推断？
• 段落的首句是否点明了要点，还是把要点埋在了后文？
• 每个句子是否以已知信息开头、以新信息收尾（已知—新信息契约）？
• 句间交叉引用的顺序是否合理，让读者能够顺着文本向前阅读，而不是来回跳转？
• 每段的末句是否与下一段的首句衔接？
• 是否存在逻辑缺口，即作者因熟知某个前提而将其省略？
• 每个部分中的铺垫／承诺是否都在该部分内得到回应？
• 每个部分是否都有清晰的脉络（铺垫 → 内容 → 收束）？

标记任何需要领域专家读者重读、回看或停下来重建逻辑联系的位置。这些都是行文衔接断点。

此轮为高优先级。即使研究结果出色，叙事流畅度欠佳也会令审稿人疲惫不堪。读者若必须费力才能读懂文本，就会失去对作者的信任。

第 11 轮——文字微观结构（清单 §22）

句子和段落层面的模式会累积并造成可读性问题：

• 指代不明：“this”“it”“they”没有清晰的先行词
• 信息密度突增：段落一次引入过多新概念
• 需要反复阅读才能理解的句子：从句嵌套过多、修饰语位置不当、花园路径式句子
• 列表、比较和序列中的平行结构不完整
• 语义冗余：在相邻段落中无必要地重复同一观点
• 远距离指代：引入某个概念后，隔了许多段才再次提及，且未重新锚定
• 悬垂修饰语：“使用梯度下降，损失函数收敛了”

单项问题的优先级为中等，但影响会累积——一篇稿件如果有 20 处代词指代不明、10 处信息密度突增和 5 处悬垂修饰语，即使没有任何单一问题足以致命，也会明显更难阅读。

第 12 轮——渲染后文档检查（清单 §23） 此检查需要编译后的 PDF。如果只提供了 LaTeX 源文件，请向用户索要编译后的 PDF，或自行编译。

打开 PDF，并以实际打印比例检查每一页：

1. 图表：将每个图表放大到它在最终文档中的实际尺寸。检查：
   • 所有文字（坐标轴标签、刻度标签、图例、注释）是否清晰可读
   • 标签是否存在重叠、碰撞或截断
   • 图例的位置是否遮挡数据
   • 注释是否指向正确的元素
2. 表格：检查列对齐、文本换行以及内容是否溢出
3. 浮动体：对每个图表和表格，找到正文中首次引用它的位置，并测量两者相隔的页数。标记相隔超过 1 页的情况。
4. 分页：检查表格是否跨页拆分（除非有意设计得较长）、公式是否与其引言分离，以及标题是否滞留在页面底部
5. 页边距：检查内容是否超出页边距（公式、URL、宽表格、宽图表）
6. 视觉一致性：检查各图表中的字号是否相近、颜色使用是否一致

此检查优先级很高。无论技术质量如何，坐标轴标签难以辨认或表格跨页拆分，都会让审稿人觉得作者不够细心。这些缺陷在源文件中不可见，而且作者常常注意不到，因为他们是在编辑器中阅读论文，而不是查看编译后的成品。

第 13 遍检查 — 跨元素连贯性（检查清单 §24）

将稿件作为一个整体系统来阅读。对于每个图表、表格和宏注入值：

1. 收集元素关联内容：图表或数据本身、标题、正文中所有引用它的段落，以及这些段落中或附近出现的任何宏值
2. 检查四方一致性：正文中的表述是否与图表相符？标题是否描述了当前内容？正文、表格和图表中的数字是否一致？定性描述是否与定量值相符？
3. 检查交叉引用准确性：每个 \ref 是否都指向周围正文所描述的元素？图表重新排序后，引用经常会指向错误的图表。
4. 检查宏与正文的连贯性：当宏注入一个数字时，阅读它所在的句子。定性描述（“较小”“显著”“边际”“较大”）是否与实际数值相符？这是与稿件溯源检查的衔接：溯源会追踪数值对应的代码，而此检查则会验证围绕该数值的正文表述是否恰当。
5. 检查时间一致性：所有元素看起来是否来自同一次实验运行？一个图表来自一次运行、表格来自另一次运行，即使两者各自都正确，也属于连贯性问题。

如果存在稿件溯源报告，请加载其中的宏清单（包含所有已追踪宏值、位置和源值的列表），并将其用作第 4 步的输入。如果没有溯源报告，请直接从 .tex 源文件中提取宏值。

此检查优先级很高。跨元素不连贯是最隐蔽的一类稿件缺陷——各部分单独看都没问题，但整体系统却出了问题。审稿人会注意到这一点，因为他们会按顺序阅读文档，发现作者看不到的矛盾；作者往往是分别编辑各部分的。

**arXiv 注意事项：**默认将伦理声明、匿名化、页数限制和严格的格式要求标记为 N/A。重点关注技术质量、可复现性和清晰度。

4. 生成重构报告

将报告整理为结构化文档。使用 references/report-template.md 作为输出格式。

Read references/report-template.md

报告结构：

1. 执行摘要 — 总体质量评估（可直接发表 / 建议修改 / 需要完善）。列出 5 项最高优先级改进。

2. 分章节诊断 — 针对稿件的每个章节，列出发现的具体问题，并映射到清单检查点 ID。按严重程度标记为 HIGH（影响清晰度 / 可信度）、MEDIUM（存在明显质量不足）或 LOW （润色 / 可选改进）。

3. 跨章节问题 — 涉及多个章节的问题 （例如，符号不一致、引用模式不一致、清晰度问题）。

4. 优先级队列 — 按影响 × 工作量对所有问题排序。 优先列出 HIGH 影响的问题，然后按预估修复工作量从低到高排列 MEDIUM 问题（工作量最低的优先，即快速见效的改进）。

5. 清单状态 — 完整的 24 项清单，列出每个检查点的通过 / 需要完善 / 不适用状态，并标注稿件中的具体位置。

5. 分级与优先级报告

完成全面检查后，对问题进行分类：

• HIGH — 影响技术可信度或可复现性（缺少基线、缺少佐证的主张、方法细节不足、引用失效）
• MEDIUM — 降低清晰度或专业水准（符号不一致、主张含糊、图表质量欠佳）
• LOW — 润色类问题（引用格式差异、轻微排版问题、风格偏好）

对于 arXiv 投稿，将技术质量和可复现性列为 HIGH 优先级。 合规事项（伦理声明、格式）通常列为 LOW 优先级或 N/A。

先列出优先级队列，再呈现详细发现。

6. 输出

将报告保存为 Markdown 文件，放在与稿件相同的目录中， 命名为 [manuscript-name]-review-report.md。

向用户提供该文件，并附上简要摘要：

• 质量评估结论
• HIGH / MEDIUM / LOW 优先级问题的数量
• 建议的 3 项首要改进

核心原则

• 关注结构和清晰度。 这是一次结构与技术审查。 逐句语法不在审查范围内，除非它形成影响可读性的系统性问题。

• 以证据为依据。 每项问题都要指出稿件中的具体位置（章节、段落、图 / 表编号）。不得使用“可以更好”这类含糊表述。

• 合理把握严重程度。 技术可信度和可复现性问题列为 HIGH。清晰度和专业水准问题列为 MEDIUM。风格偏好列为 LOW。 arXiv 比同行评审期刊更灵活。

• 结合具体情境提出建议。 格式和合规要求因投稿渠道而异。对于 arXiv，优先考虑技术质量，而非严格遵循格式。 对于期刊投稿，则相应调整。

• 以建设性方式表述。 将发现的问题表述为有助于提升清晰度、可信度和可复现性的改进，而不是可能导致拒稿的风险。arXiv 的要求更宽松； 应着重让研究更易理解、更值得信赖。

• 直接沟通。 明确指出问题并给出具体修复方法，不要提出含糊的建议。但也要认识到，arXiv 上的许多“规则”只是指导原则。

• 系统性覆盖。 按步骤逐项检查清单。根据实际内容将项目标记为通过 / 需要完善 / N/A。arXiv 特有的项目 （匿名化、页数限制、严格模板）默认标记为 N/A。

示例调用方式

用户提出以下任一请求：

• “审查我的稿件”
• “提交前检查这篇论文”
• “这篇论文可以提交了吗？”
• “进行发表前审查”
• “检查我的参考文献”
• “摘要写得怎么样？”
• “审查方法部分”
• “提交前清单”
• “/manuscript-review”

这些请求都会触发此技能。即使只要求部分审查（例如“只检查引用”），也要执行完整审查——即便用户只询问某一方面，全面诊断仍对其有帮助。