前言¶

投過稿的人都知道一個循環：把稿子發出去，等幾週，收到審稿意見，發現最容易被攻擊的那幾點（novelty 的表述、樣本量、圖表和正文的對不上）其實自己在投稿前就能看出苗頭。問題在於，作者是最不適合判斷自己稿子的人，因爲整個論證鏈條已經在心裏跑過無數遍。

下面介紹的這個 Skill 就是解決這個問題的。它把 Nature 式的審稿評估流程做成可複用的 SKILL.md 工作流，從審稿人（referee）一側出發，對一篇手稿做有證據支撐的模擬評審。它的定位很明確：只做評審，不寫回復。返修回覆是同倉庫裏另一個 Skill nature-response 的事。

這是什麼¶

Nature Reviewer Assessment Skill，技能名 nature-reviewer，是 nature-skills 倉庫（github.com/Yuan1z0825/nature-skills）裏的一個技能單元，作者袁一哲，核心開發者馬昕瑞、胡彬參與維護。SkillHub 上的條目由發佈者 RealQ 提交，來源標記爲 enterprise，分類 ai-agent，座標 @org-eyw2ohcx/yuan1z0825-nature-skills-nature-reviewer。

它解決的問題是：在投稿前，用一套固定的、可追溯的審稿流程對手稿做壓力測試，產出三份互盲的 reviewer reports 和一份事後綜合，讓作者在送審之前就看到最可能被攻擊的位置。

需要先說明一點口徑：倉庫裏 skills/nature-reviewer/manifest.yaml 的版本是 1.5.0，CHANGELOG 記錄的發佈日期是 2026-09-27；SkillHub 條目上標的版本是 1.0.0。兩邊不一致，本文以倉庫 manifest 爲準。

核心功能¶

固定產出：三份互盲報告加一份綜合¶

默認輸出結構是寫死的：三份 reviewer reports，加上一份 Cross-review synthesis (post-review; not shown to reviewers)。只有在用戶明確要求別的結構時才改。

關鍵約束是「互盲」。每份報告只拿到三樣東西：同一份不可變的手稿與來源包、同一套期刊評審標準、以及該報告預先分配的評審側重點（emphasis brief）。一份報告寫完之前，另一份不能看到它的內容；也不能爲了降低重複度把意見互相分發協調。三份報告都凍結之後，才進入綜合階段。

這意味着環境必須能真正隔離上下文。SKILL.md 明確寫了：如果運行環境無法隔離，就每次調用只生成一位審稿人的報告，或者直接聲明互盲無法保證；把共享上下文起草當成獨立評審是不允許的。

評審依據：五個軸¶

評審按五個有來源支撐的軸展開：

• originality
• scientific importance
• interdisciplinary readership
• technical soundness
• readability for nonspecialists

倉庫裏另有一份 12 軸技術問題分類表（references/technical-concern-taxonomy.md），它只作爲內部覆蓋度檢查清單使用，補充但不替代上面這五個軸。

意見分級與可追溯¶

每條實質性意見都要有穩定編號、claim_pointer（指向手稿中的聲稱）和 evidence_pointer（指向可覈驗的證據位置）。意見分成 Major Concerns 和 Minor Comments 兩級，Minor 永不阻斷。只有當某個 Major 問題不解決、手稿就無法確立核心論點時，才標 Blocking Yes。

SKILL.md 還明確禁止設定意見數量配額：某個層級如果確實沒有有依據的問題，就直說沒有，不要硬湊。

定稿後的取證一致性審計¶

1.5.0 版本新增了一個強制執行的審計階段，在三位審稿人報告全部凍結之後、綜合之前運行，對應 references/forensic-consistency-audit.md。審計覆蓋：

• 算術恆等式、總數、百分比、delta、區間和精度一致性
• 指標上下限與聚合層級是否自洽
• 正文、表格、圖件之間的排序與最高級表述矛盾
• 重複行、相同區間、可疑重複輸出、離散度異常
• train / validation / test / placebo / support / query 的來源與排除
• 空間、時間、層級、目標、被試層面的泄漏
• 復現門檻：先用已有標題數字驗證能否復現，再談新實驗

審計結果不會回餵給審稿人上下文，也不會改動已凍結的報告，只進入綜合和風險部分，並且與「審稿人共識」分開呈現。審計發現會被歸類爲 confirmed_internal_error、aggregation_ambiguity、provenance_gap、suspected_duplication、unresolved_input_needed、not_assessable 或 passed。

共識的判定標準同樣嚴格：只有至少兩位審稿人獨立提出同一個底層問題時，纔在綜合中標記爲共識。

領域閘門¶

當手稿明顯屬於化學、工程、材料、大氣科學、氣候-生態、水文或遙感方向時，加載 references/domain-specific-review-gates.md 做支撐性檢查，但輸出仍然保持三審稿人結構不變。

明確的邊界¶

SKILL.md 裏寫得很直白：不聲稱編輯的最終決定，也不聲稱稿件一定符合 Nature；不虛構審稿人身份、專業背景或機構；不把語言問題和實質問題混爲一談；區分清楚什麼是有支撐的、什麼是弱的、什麼是當前材料下無法評估的。

還有一個容易忽略的細節：審稿報告和綜合的行文要求儘量不用破折號和冒號來連接句子，優先另起一句、用逗號、分號、括號或短標籤。穩定編號和標準複合詞裏的連字符不受影響。這是爲了產出讀起來像正式審稿報告，而不是模型口水話。

安裝與啓用¶

用 npx skills 安裝¶

需要 Node.js 18 或更高版本。先列出倉庫裏可安裝的技能名：

npx skills add Yuan1z0825/nature-skills --list

只裝 nature-reviewer 到當前項目（以 Codex 爲例）：

npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-reviewer --yes --copy

需要跨項目使用時加上 --global。CHANGELOG 說明本次改動沒有引入新的運行時依賴，純提示詞與參考文件類技能，不需要額外配 key；SkillHub 條目上的標籤也是 requires_api_key=false。

有一點要留意：manifest.yaml 裏有一條路由指向 ../nature-shared/core/consistency-sweep.md，也就是共享支持包 nature-shared 裏的文件。倉庫 README 說 nature-shared 默認不計入技能索引，只爲 nature-reader、nature-paper2ppt、nature-polishing、nature-writing 這四個技能建議同時安裝。裝 nature-reviewer 時如果發現一致性檢查那一步讀不到文件，就把它一起裝上：

npx skills add Yuan1z0825/nature-skills --global --agent codex \
  --skill nature-reviewer --skill nature-shared --yes --copy

想一次拿到全部技能，用通配：

npx skills add Yuan1z0825/nature-skills --global --agent codex --skill '*' --yes --copy

裝完檢查並更新：

npx skills list --global --agent codex --json
npx skills update --global --yes

在 Claude Code 裏啓用¶

Claude Code 不能直接用倉庫裏的 scripts/update-codex-skills.sh，那個腳本只負責同步到 ~/.codex/skills/。推薦的做法是保留一份穩定的本地 clone，然後建一個 subagent wrapper 指向真實的 SKILL.md。

mkdir -p ~/ai-skills
cd ~/ai-skills
git clone https://github.com/Yuan1z0825/nature-skills.git

mkdir -p ~/.claude/agents
cat > ~/.claude/agents/nature-reviewer.md <<'EOF'
---
name: nature-reviewer
description: Use for Nature-style mock peer review, pre-submission assessment, and reviewer-side evaluation.
---

When invoked, first read `~/ai-skills/nature-skills/skills/nature-reviewer/SKILL.md` and follow it as the governing workflow.
Read supporting files from `~/ai-skills/nature-skills/skills/nature-reviewer/` and `~/ai-skills/nature-skills/skills/nature-shared/` only when needed.
Do not replace this skill with a generic review response.
EOF

然後在新會話裏直接請求使用這個 subagent：

Use the nature-reviewer subagent to review this manuscript and give me three blind reviewer reports plus a synthesis.

這樣做的好處是技能目錄結構不被破壞，references/、manifest.yaml、腳本和資產都還能讀到。

Cursor 的安裝方式在倉庫文檔裏另有說明（docs/open-source-agent-frameworks.md），本文沒有核實到具體差異，不展開。

典型用法¶

技能接受的輸入範圍比較寬，可以是完整手稿、摘要或 cover-summary 式文本、引言/結果/討論/方法的某一段、圖注或選中的圖件、中英文作者說明、投稿前的定位說明。材料不完整時做一次有邊界的評審，並明確標出評估邊界。

可以直接複製使用的請求（來自技能 README）：

• 像 Nature reviewer 一樣審這篇 introduction 和 Figure 1。
• 投稿前幫我找最可能被審稿人攻擊的技術問題。
• 給我三份 reviewer reports 和一個綜合判斷，不要寫 rebuttal。

使用前最好同時提供：目標期刊、學科領域、你最擔心的審稿風險，以及已有補充實驗或「不能再加實驗」的限制。這些會直接影響 emphasis brief 和審計的嚴格程度。

輸出長什麼樣¶

固定輸出骨架如下（字段名按 SKILL.md）：

Review setup
- **Input scope**
- **Assessment boundary**
- **Shared manuscript claim summary**
- **Visible evidence base**
- **Missing materials affecting confidence**

Reviewer 1 / Reviewer 2 / Reviewer 3
- **Overall assessment**
- **Who would be interested in the results, and why**
- **Major strengths**
- **Major Concerns**
- **Minor Comments**
- **Technical failings that need to be addressed before the case is established**
- **Assessment against Nature-style criteria**
- **Recommendation posture**

每條 Major Concern
- **Concern ID** 例如 R1-M1
- **Severity** Major
- **Blocking** Yes / No
- **Axis**
- **Claim pointer**
- **Evidence pointer**
- **Concern**
- **Why it matters**
- **Resolution test**

每條 Minor Comment
- **Concern ID** 例如 R1-m1
- **Severity** Minor
- **Axis**
- **Affected element**
- **Evidence pointer**
- **Issue**
- **Required correction**

Cross-review synthesis (post-review; not shown to reviewers)
- 共識的 Blocking 問題
- 其他 Major 問題
- Forensic consistency findings
- minor revision checklist
- 評審側重點與判斷上的真實分歧

其中 resolution test 這一項比較實用，它給出一個可驗證的判據，用來判斷某個問題到底解決了沒有，而不是停留在「請補充分析」這種無法驗收的表述上。

適用場景與限制¶

適合誰：準備投高影響力綜合性期刊、需要在投稿前做一次結構化自審的作者；想按 Nature 審稿維度檢查自己論證鏈的課題組；以及做科研 Agent 工作流、需要可追溯評審產出的開發者。

適合的場景是投稿前自審、模擬審稿、審稿人視角評估。不適合的場景是寫返修回覆，那應該轉給 nature-response；如果你要的是潤色和重建敘事，倉庫裏另有 nature-writing，統計層面的深入審查另有 nature-statistics。

幾個實際使用上的限制，都是 SKILL.md 裏寫明的：

1. 輸出質量取決於輸入材料。只給摘要就只能做有邊界的評審，缺材料會直接反映在 Assessment boundary 和 Missing materials affecting confidence 兩欄。
2. 互盲依賴環境能力。如果 Agent 環境給不出獨立上下文，就只能每次調用生成一位審稿人的報告，或聲明互盲無法保證。這是最容易被忽略、也最容易悄悄失效的一條。
3. 綜合只在凍結之後產生。不能先寫一份綜合再「分發給」審稿人，也不能因爲某兩位審稿人意見重複就去改寫其中一位的報告，自然重複本身就是獨立評審的證據。
4. 不會給編輯決定。技能明確禁止聲稱編輯最終會怎麼判，也不能聲稱稿件符合 Nature。

結語¶

這個 Skill 的價值不在於它寫出的評審意見有多漂亮，而在於它把一套容易走樣的流程固定下來：互盲、凍結、審計、再綜合。這幾個順序約束是它最實在的部分，也是普通「幫我審一下這篇稿子」提示詞做不到的部分。

官方地址：https://api.skillhub.cn/org-eyw2ohcx/yuan1z0825-nature-skills-nature-reviewer
SkillHub 頁面：https://www.skillhub.cn/skills/org-eyw2ohcx/yuan1z0825-nature-skills-nature-reviewer
源碼：https://github.com/Yuan1z0825/nature-skills/tree/main/skills/nature-reviewer