thesis-critical-review — 学术论文对抗性批判审查

版本：0.1.0-draft 创建日期：2026-04-13 来源：从真实论文项目多轮critical review + 答辩预演经验中提炼 定位：模拟答辩委员/审稿人对论文的深度攻击。纯LLM判断，无机械检测

设计哲学

这个skill的角色是对抗者，不是帮手。它的工作不是让论文"更好"，是找到论文中审稿人/答辩委员最可能攻击的点，让用户在被攻击之前先堵上。

• 不评价写作质量——只关注论证逻辑
• 不写替换文字——只给攻击路径和防御方向。写作是humanizer的领地
• 不做引用核查——假设引用是正确的（那是thesis-qc M4的事），只检查引用的论证角色
• 不做格式检查——那是thesis-qc M6的事
• 发现的问题按"审稿人会不会因为这个reject"排优先级，不按"学术上是否完美"排

触发条件

以下任一情况触发：

• 用户提到"critical review""批判审查""审稿人会怎么说""答辩会问什么""挑毛病""攻击面"
• 用户要求审查论文的讨论/局限性部分
• 用户上传研究提纲/开题报告并要求质疑
• 用户上传单章草稿并要求审查论证
• thesis-qc在Phase 8调用

三阶段模式

stage=design 设计期审查

审查对象： Research Blueprint / 研究提纲 / 开题报告

输入：

• 研究蓝图文档（md/txt/docx），至少包含：研究问题、各部分分解、数据来源、方法选择
• 无需完整论文

维度（B1-B6）：

输出特点：

• 这个阶段的建议可以是"换方法""重新设计队列关系""调整研究问题"——因为还没开始写，一切都能改
• ★★★发现在这个阶段的含义是"不解决这个问题就不值得往下写"

stage=drafting 写作中审查

审查对象： 单章草稿（引言+方法+结果+讨论的任意组合）

输入：

• 单章或多章草稿（md/txt/docx）
• 可选：Research Blueprint（如果有，用于检查草稿是否偏离了蓝图）

维度（D1-D5，章级版本）：

D6（临床解读）和D7（内容比例）在这个阶段不跑——讨论和全文结构还没成型。

输出特点：

• 建议可以是"这一章的论证角度需要调整""结果section需要补充XX分析"——写作中还有调整空间
• 如果提供了Blueprint，会检查草稿是否偏离了蓝图设计，偏离本身不一定是问题，但需要记录原因

stage=final 成文后审查

审查对象： 完整论文

输入：

• thesis_full.txt（完整论文）
• 可选：study_design.md（研究设计摘要——有则审查精度更高）
• 可选：known_limitations.json（用户已知局限——避免重复指出）

维度（D1-D7，全文级）：

输出特点：

• 这个阶段能改的有限——建议聚焦于"加disclaimer""补充一段讨论""调整措辞强度"，不建议"换方法"或"重做分析"
• ★★★发现在这个阶段的含义是"不修这个就不送审"

执行指令（Claude读这里）

当thesis-critical-review被触发时，Claude按以下流程执行。这不是给用户看的文档，是给Claude自己的操作手册。

总体原则

1. 你是对抗者。 不要找"可以改进的地方"——找"审稿人会用来reject的理由"和"答辩委员会追着不放的弱点"
2. 每个发现必须有原文证据。 引用论文原文（前后各一句+位置），不允许泛泛而谈
3. 优先级校准： ★★★ = 审稿人会因此写major revision或reject；★★ = 会被提到但不致命；★ = 挑剔的审稿人才会提
4. 默认给攻击路径和防御方向，不写替换文字。 当用户进入修改落地阶段并要求具体文本时，提供旧/新文本对（含精确位置），供用户判断后粘贴。主动写替换文字的边界：用户明确要求，或用户已确认防御方向后需要落地执行
5. 逐维度扫描，不要跳维度。 即使某个维度看起来没问题，也要在覆盖确认表中标注"已扫描，0条发现"

stage=design 各维度执行指令

B1 问题价值

• 视角：你是一个见过太多无聊论文的资深审稿人
• 找什么：
• 研究问题的答案是否只有"符合预期"一种可能？如果是，论文的贡献在哪？
• 文献gap是真的还是别人不做是因为不值得？
• 即使结果完全符合预期，有没有方法学/数据层面的独立贡献？
• 校准：如果答案是"确认了XX和YY已经发现的东西"且没有新的方法/数据/视角，那就是★★★

B2 方法-问题匹配

• 视角：方法学审稿人
• 找什么：
• 选的方法是否是回答这个问题最直接的方法？有没有更简单的替代方案被跳过？
• 方法的固有局限（如FEA的材料假设、回顾性设计的混杂控制）是否会让结论打折到没意义？
• 多个方法之间的逻辑链是否完整？前一个方法的输出是否真的是后一个方法需要的输入？
• 校准：如果方法的固有局限直接削弱核心结论（如"线性弹性假设让应力值不可信"），那就是★★★

B3 数据架构

• 视角：统计审稿人看到多队列/多数据源时的第一反应
• 找什么：
• 各部分用的数据是同一队列、独立队列、还是子集？关系是否显式写出？
• 如果是子集，嵌套抽样是否引入选择偏倚？
• 如果是独立队列，纳入标准/时间段/中心的差异是否说明？
• 如果呈现顺序和研究顺序不同，这个差异是否被管理？
• 校准示例：某论文 Ch1 和 Ch2 使用的是独立时间窗口的独立队列，但章节之间的队列关系未披露，导致漏斗叙事暗示了不存在的从属关系——这是 ★★★ 问题

B4 逻辑递进

• 视角：答辩委员读完全文后问"为什么是这个顺序"
• 找什么：
• 从第一部分到最后一部分的递进关系是"必须这个顺序"还是"看起来顺"？
• 如果某部分的结论不支持预期（如中介分析CI含0），后续的论证链是否断裂？
• 各部分的结论是否被后续部分真正使用，还是只是"前面做了这个，接下来做那个"？
• 校准：如果删掉某一章后剩余章节的论证链不受影响，那这一章的定位需要重新审视——★★

B5 Fallback

• 视角：务实的导师
• 找什么：
• 最可能失败的环节是什么？（数据不足/方法不work/结果不显著）
• 失败后论文还能成立吗？
• Plan B是缩小scope还是换路径？
• 有没有"如果XX不显著就不报告"的隐性选择偏倚风险？
• 校准：如果唯一的Plan B是"那就只发两章"，★★

B6 攻击预演

• 视角：最刻薄的审稿人，只看摘要就写意见
• 找什么：
• 如果只看摘要，最可能的reject理由是什么？
• 如果答辩委员只问一个问题，最可能问什么？
• novelty claim是否有一篇已发表的论文可以直接反驳？
• 产出：写出1-2条模拟的审稿意见（用英文reviewer comment的口吻）

stage=final 各维度执行指令

D1 跨章逻辑连贯性

• 视角：读完全文后检查"三章是不是一个故事"
• 扫描位置：前言中的研究框架段、每章引言的第一段、每章讨论的最后一段、总讨论
• 找什么：
• 前言声称的递进关系（如"先确认高危群体→锁定剂量指标→检验力学机制"），在正文中是否真正实现？
• 前一章的具体结论（如"前移量是独立危险因素"）是否在后一章被引用和使用？
• 数据来源关系（同一队列/独立/子集）是否在每个出现的位置都一致？
• 呈现顺序和研究顺序如果不同，是否有显式说明？
• 校准示例：某论文队列独立性未披露 = ★★★；前后章节空间分辨率从热力图到标量的断层未讨论 = ★★

D2 因果与时间假设

• 视角：因果推断方法学审稿人
• 扫描位置：讨论中所有"导致""引起""介导""预测"相关的句子
• 找什么：
• 观察性研究的数据被当作因果证据？（如"前移量导致吸收"vs"前移量与吸收相关"）
• 即时测量→长期结局的推断是否有时间尺度disclaimer？
• 中介分析/路径分析是否被表述为因果证据？（Baron & Kenny是相关框架，不是因果框架）
• 回归系数β被解释为"每增加1单位X，Y增加β"——这个因果语言是否合适？
• 校准锚点：即时应力vs12月吸收的时间尺度不对称 = ★★★；中介分析CI含0但叙事暗示因果 = ★★★

D3 选择偏倚与外推性

• 视角：流行病学审稿人
• 扫描位置：方法中的纳入排除标准、样本流程图、讨论中的局限性段
• 找什么：
• 各章样本的嵌套关系是否透明？（如 Ch3 是 Ch2 的子集，子集主结局阳性率 40% 显著高于全集 23.6%，代表性存疑）
• 排除标准跨章是否一致？不一致的是否说明？
• 缺失数据的模式是否随机？（如并发症分析n=276 vs 体积分析n=336，缺失的60例是什么人？）
• 结论的外推范围是否清晰？（如"骨性II类患者"的结论能推到非II类吗？）
• 校准示例：分层抽样子集的代表性问题 = ★★；缺失模式未说明 = ★★

D4 测量效度

• 视角：测量学/方法学审稿人
• 扫描位置：方法中的测量描述、讨论中的局限性
• 找什么：
• 核心结局指标是否真的在测想测的东西？（如净变化量指标可能掩盖同时存在的正向和负向子变化）
• 观察者一致性（ICC/Kappa）是否评估？是内还是间？
• 同一指标在不同章节的测量方法是否一致？（如自动处理 vs 手动处理）
• 替代指标的局限是否在讨论中说明？（如替代终点 vs 临床终点）
• 校准示例：缺少观察者间一致性 = ★★★（答辩必问）；标量指标掩盖空间异质性 = ★★

D5 统计方法充分性

• 视角：统计审稿人
• 扫描位置：方法中的统计分析段、结果中的所有统计量
• 找什么：
• 每种统计方法的前置假设是否满足？（如GEE的工作相关结构选择、卡方检验的期望频数）
• 各章统计方法不同的（如 Ch1 用非参数检验，Ch2 用聚类/混合模型），是否解释了为什么？
• 小样本（如n=20, n=22）的效能是否讨论？"无显著差异"是否被错误解读为"无差异"？
• 多重比较是否校正？校正方法是否说明？
• 敏感性分析是否覆盖了关键假设？
• 校准示例：中介分析在小样本（n<25）下效能不足 = ★★；GEE 相关结构未做敏感性检验 = ★★；小亚组比较效能 = ★★

D6 临床/实践解读深度

• 视角：临床医生读讨论
• 扫描位置：讨论的临床意义段、结论
• 找什么：
• 统计显著性是否被等同于临床意义？（如 OR=1.128 统计显著，但临床上每单位暴露风险仅增 12.8%——这个增幅够改变决策吗？）
• 对临床实践的建议是否具体？还是只说"有待进一步研究"？
• 如果研究有直接的临床启示（如"前移量>Xmm时应特别关注TMJ"），是否写出来了？
• 结论是否过度保守（明明数据支持一个具体结论，却缩回到"需要更多研究"）？
• 校准示例：建议太泛（如"应关注高危群体"但未定义"高危"）= ★★；小效应量的临床解读缺失 = ★

D7 内容比例恰当性

• 视角：主编看论文整体质量
• 扫描位置：全文，特别是讨论
• 找什么：
• 非核心内容是否过长？（如分子生物学推测段落在一个影像/FEA论文中占了多少？）
• 局限性section是否流于形式？（"本研究有以下不足：第一...第二..."的模板感）
• 创新点是否overclaim？检查禁用词：首次/首个/开创性/突破性/革命性
• 讨论是否在重复结果？（"本研究发现X"在讨论中出现几次？）
• 各章的讨论长度是否与该章的贡献匹配？
• 校准示例：特定分子机制段在非分子学论文中占比过长 = ★★；局限性编号模板化 = ★

优先级校准总则

在扫描完所有维度后，用以下标准做最终优先级调整：

• ★★★的判定标准： 审稿人会在major revision意见中写"the authors must address..."或"this is a fatal flaw"。答辩委员会追问直到你给出满意答复。如果不修，论文不应送审
• ★★的判定标准： 审稿人会写"the authors should discuss/clarify..."。修了会显著提升论文说服力，不修也不至于reject
• ★的判定标准： 挑剔的审稿人可能提，多数审稿人不会注意到。修了更好，时间不够可以不修
• 降级规则： 如果论文讨论中已经自己提到了某个局限性，该发现降一级（★★★→★★）——因为审稿人看到作者已经知道就不会追着不放
• 升级规则： 如果同一个问题在多个维度中被独立发现，升一级——这说明是系统性弱点

执行方式

全量扫描

跑当前stage的全部维度。

/thesis-critical-review stage=final

选择性扫描

只跑指定维度。

/thesis-critical-review stage=final dimensions=D1,D5

追问模式

用户给出具体担忧，skill围绕这个点深度挖掘，不限于预设维度。

/thesis-critical-review stage=final focus="我担心中介分析那段的论证力度不够"

输出格式

三个stage共享同一输出格式。

critical_review_report.md

# 批判审查报告
> 生成时间: YYYY-MM-DD HH:MM
> 技能版本: thesis-critical-review 0.1.0
> 审查阶段: design / drafting / final
> 维度范围: [B1-B6 / D1-D5 / D1-D7 / 用户选择的子集]
> 输入文件: [列表]

---

## 第一部分：优先级汇总

| # | 维度 | 问题摘要 | 位置 | 优先级 |
|---|------|---------|------|--------|
| 01 | D1 | ... | Ch2讨论, 约第400行 | ★★★ |
| 02 | D5 | ... | Ch3方法, 约第480行 | ★★★ |
| ... | | | | |

**优先级说明：**
- ★★★ = 必须处理（逻辑缺陷或答辩/审稿必问）
- ★★ = 强烈建议（显著提升论证说服力）
- ★ = 时间允许时处理（打磨）

**统计：** ★★★: N条 / ★★: N条 / ★: N条

---

## 第二部分：逐条详述

### #01 [问题标题] ★★★
**维度：** D1 跨章逻辑连贯性
**位置：** Ch2讨论, 约第400行
**原文：**
> ......前一句。**包含问题的句子或段落**。后一句......

**问题描述：**
[用审稿人/答辩委员的口吻描述这个问题]

**攻击路径：**
[审稿人最可能怎么写这条意见？答辩委员最可能怎么追问？]

**建议处理方向：**
[不写具体文字，只给方向。如"在某章引言中加一段显式说明某关键设计点及其对结论的影响"]

---
[后续条目...]

---

## 第三部分：维度覆盖确认

| 维度 | 状态 | 发现数 |
|------|------|--------|
| D1 跨章逻辑 | ✅ 已扫描 | 3 |
| D2 因果假设 | ✅ 已扫描 | 2 |
| D3 选择偏倚 | ✅ 已扫描 | 1 |
| D4 测量效度 | ✅ 已扫描 | 2 |
| D5 统计充分性 | ✅ 已扫描 | 4 |
| D6 临床解读 | ✅ 已扫描 | 2 |
| D7 内容比例 | ✅ 已扫描 | 1 |

---

## 第四部分：已知局限声明

本审查基于LLM对论文文本的理解，受以下限制：
- 无法验证原始数据的正确性（那是thesis-qc M1-M4的职责）
- 无法评估图表与数据的一致性（那是thesis-qc M7的职责）
- 领域判断基于训练数据，可能遗漏高度专业化的方法学问题
- 审查结果是"供决策参考"，不是审稿意见本身

与thesis-qc的接口

• thesis-qc在Phase 8调用 stage=final
• 输出 critical_review_report.md 注册到MASTER_QC.md文件清单
• ★★★发现进入MASTER的Action Items表（状态="待用户确认"）
• thesis-qc不参与design和drafting阶段——那两个阶段QC管线还没启动

独立调用

不经过thesis-qc直接触发：

• /thesis-critical-review — 自动检测输入内容判断stage
• /thesis-critical-review stage=design — 显式指定阶段
• "帮我审查这个研究提纲" → stage=design
• "看看这章讨论有没有逻辑问题" → stage=drafting
• "审稿人会怎么攻击我的论文" → stage=final

迭代计划

• v0.1: SKILL.md设计文档（当前）
• v0.2: stage=final 的prompt工程和维度定义细化
• v0.3: stage=design 和 stage=drafting 实现
• v0.4: 在真实论文上验证三个stage
• v1.0: 英文论文支持 + 领域自适应（医学/CS/交叉）