agentleFS
TerryFYLTerryFYL/ai-research-army/skills/quality-review/SKILL.md

quality-review

Skill9 starsChanged 8 months agoApache-2.0View on GitHub

质量审查与自动迭代。多轮审查直到通过或达到上限。既支持 /quality-review,也支持自然语言触发,如‘帮我审这篇稿子’。

8 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

质量审查 - Alex 的审稿台

概述

对完成的论文执行多层质量审查,发现问题后自动修复并重审,循环直到通过或达到上限。这是科研军团的最后一道质量防线,确保交付物达到投稿标准。以 Alex 的视角执行(参考 ~/.claude/agents/alex.md)。

常量

MAX_ROUNDS = 3                # 最大审查轮数
PASS_SCORE = 70               # 通过分数线(B 级)
BLOCK_OVERRIDE = false        # BLOCK 级问题不可被覆盖
STATE_FILE = "REVIEW_STATE.json"  # 状态持久化文件

流程

Step 0: 状态恢复检查

  1. 检查是否存在 REVIEW_STATE.json
  2. 若存在,读取上一轮审查状态,从中断轮次继续
  3. 若不存在,从第 1 轮开始

Step 1: 八层审查矩阵

对 manuscript.md 执行以下八个维度的审查:

1.1 数据可追溯性(权重 20%)

  • 正文中的每个数字是否都能在 analysis_results.md 中找到对应来源
  • 图表中的数据是否与正文描述一致
  • 样本量在各章节中是否一致
  • 百分比之和是否为 100%(分类变量)

1.2 图表规范(权重 10%)

  • 分辨率 ≥ 300 DPI
  • 色盲友好配色
  • 图例完整且可独立阅读
  • 所有图表在正文中按顺序首次引用

1.3 统计标准(权重 20%)

  • 效应量和置信区间是否同时报告
  • P 值报告格式是否规范(精确值,非 P<0.05)
  • 多重比较是否做了校正
  • 统计方法与数据类型是否匹配
  • 敏感性分析是否充分

1.4 格式规范(权重 5%)

  • IMRAD 结构完整
  • 缩写首次使用时有全称
  • 参考文献格式统一
  • 字数在目标期刊范围内

1.5 投稿完整性(权重 10%)

  • 标题、摘要、正文、参考文献齐全
  • 作者信息、通讯作者、基金声明到位
  • STROBE/CONSORT 清单(视研究类型而定)
  • 利益冲突声明

1.6 文-图-表同步(权重 15%)

  • 正文描述与图表展示是否一致
  • 摘要中的数字与正文是否一致
  • 结论是否有结果支撑(不过度解读)

1.7 术语一致性(权重 5%)

  • 同一概念全文使用同一术语
  • 变量名与 data_dictionary.md 一致
  • 疾病/药物名称使用标准医学术语

1.8 创新性评估(权重 15%)

  • 研究问题是否有新意
  • 方法学是否有改进
  • 发现是否对临床实践有实际指导意义
  • 与同领域最新研究的差异化

Step 2: 问题分级

每个发现的问题按严重程度分级:

级别定义处理
BLOCK学术诚信问题 / 数据错误 / 统计方法根本错误必须修复,不可覆盖
WARN影响论文质量但不致命Wei(协调者)决定是否修复
INFO改进建议,可选记录但不强制

特别规则:学术诚信问题(数据伪造嫌疑、剽窃、不当署名)一律 BLOCK,无例外。

Step 3: 评分计算

总分 = Σ(各维度得分 × 维度权重)
每个维度: 0-100 分

等级:
  A: ≥ 85  优秀,可直接投稿
  B: ≥ 70  良好,微调后可投稿
  C: ≥ 55  及格,需较大修改
  D: < 55  不及格,需重大修改

Step 4: 自动修复循环

当前轮次 = 1

while 当前轮次 ≤ MAX_ROUNDS:
    执行八层审查 → 生成问题清单
    计算总分

    if 总分 ≥ PASS_SCORE 且 无 BLOCK 级问题:
        通过 → 进入下一阶段
        break

    对所有 BLOCK 问题执行自动修复:
        - 数据不一致 → 以 analysis_results.md 为准修正
        - 引用未验证 → 标记 [VERIFY] 或替换为已验证文献
        - 统计错误 → 回调 /stat-analysis 重新计算

    对 WARN 问题,以协调者视角决策:
        - 影响较大 → 修复
        - 影响较小 → 记录但保留

    保存状态到 REVIEW_STATE.json
    当前轮次 += 1

if 当前轮次 > MAX_ROUNDS:
    输出最终报告,标注未解决的问题

Step 5: 状态持久化

每轮结束后写入 REVIEW_STATE.json:

{
  "current_round": 2,
  "max_rounds": 3,
  "scores": [
    {"round": 1, "score": 58, "grade": "C", "blocks": 3, "warns": 7, "infos": 12},
    {"round": 2, "score": 74, "grade": "B", "blocks": 0, "warns": 4, "infos": 9}
  ],
  "unresolved_blocks": [],
  "unresolved_warns": ["..."],
  "status": "PASSED",
  "timestamp": "2026-03-18T14:30:00"
}

输出

  • quality_report.md — 完整质量报告(含各维度得分、问题清单、修复记录)
  • REVIEW_STATE.json — 审查状态(支持断点恢复)
  • 修复后的 manuscript.md(如有修改)
  • 更新 progress.md 中质量审查阶段状态

关键规则

  1. BLOCK 不可覆盖:学术诚信问题没有商量余地,即使用户要求也不跳过
  2. 三轮上限:超过 3 轮仍不通过,输出报告交用户决策,不无限循环
  3. 修复后重审:每次修复后从头重审全部八层,不只审修改的部分
  4. 状态可恢复:REVIEW_STATE.json 确保上下文窗口耗尽后可从中断轮次继续
  5. 评分客观:按矩阵打分,不因"已经改了三轮"就放水
  6. 大文件处理:如果 Write 工具因文件过大失败,立即用 Bash (cat << 'EOF' > file) 分块写入。不要询问用户——直接执行

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.