技能简介
投稿前最容易漏掉的，往往不是语法，而是图表说明、统计口径、审稿意见回应和全文前后一致性。这一期把示例手稿、预审展示页、问题概览图和提示词放在同一套交付里，适合在提交前做最后一轮系统排查。
传统方式通常需要 一晚来回自查，而把流程说清楚后，AI 辅助可以在 约10分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
手稿版本先定稿
最好使用当前准备投稿或返修的最新版本，避免不同文件来回对不上。
目标期刊或受众要明确
不同期刊对方法、结果细节和图表表达的容忍度不同。
图表与统计口径先齐
如果图表、方法和结果段口径不一致，再好的语言润色也救不了。
修改优先级要预先想好
哪些是必须先改的硬伤，哪些是可加分项，最好在预审前就有心理预期。
📦 一轮像样输出至少应交付这 4 样
科研质控结果
围绕术语、统计、定义、公式和数据范围做第一轮系统审查。
结构化评分表
帮助判断当前手稿最拖后腿的是哪一块，而不是只得到模糊评价。
reviewer 风格评论
提前模拟 major / minor comments，更接近期刊真实反馈。
投稿前修改清单
把问题变成可执行的 to-do list，便于与导师或合作者协同修改。
💡 适用场景
正式投稿前最后自查
在点击提交前先看最容易被 reviewer 打的点。
返修前补硬伤
重新整理 major comments 时，先做一次结构化排雷更高效。
发导师前先把关
提前把最明显的统计或图表问题找出来，减少来回反复。
合作者 internal review
跨团队协作时，可以先用同一份检查框架统一修改优先级。
⚙️ 核心实操流程
先做科研质控体检
第一步你先别求表扬。 先求它把硬伤找出来。 哪些问题是术语、哪些问题是统计、哪些问题是图表，已经分门别类标好了
调用 `research-audit`： 审查这份论文手稿 / 结果摘要， 重点检查： - 术语规范性 - 统计模型合理性 - 复合指标定义 - 公式与文献支持 - 数据范围合理性
给整篇稿子打一个量化分
第二步很适合投稿前判断“这篇稿子到底差在哪”。 因为它不只是给你一句模糊评价， 而是直接告诉你哪一块最弱、优先改哪一块
调用 `scholar-evaluation`： 从问题提出、方法学、结果分析、写作表达四个维度， 给这份稿子做结构化评分， 并指出最拖后腿的两个部分。
模拟 reviewer 写评审意见
这一步这一步最接近真实审稿反馈。 你会第一次在投稿前，就提前看到“可能的 reviewer 会怎么打你”。 major comments 一出来，你后面该怎么补，立刻清楚了
调用 `peer-review`： 基于刚才的审查结果， 生成一份期刊 reviewer 风格的评审意见， 分成 major comments 和 minor comments， 语气专业、具体、可执行。
生成投稿前修改清单
最后你要的不是批评本身。 是一份能立刻动手改的 to-do list。 这时候你看着那张清单，会比空泛地“再润色一下”踏实太多
把以上问题整合成投稿前修改清单： - 必须先改的 3 个问题 - 可加分的 3 个优化点 - 建议补充的图表 / 结果 - 一段可以直接给合作者看的修改说明
建议录制的关键画面
- 论文手稿或结果摘要输入
- research-audit 五维审查结果
- scholar-evaluation 量化评分表
- peer-review major / minor comments
- 投稿前修改清单
建议准备的关键截图
- 五维质控结果表
- 评分雷达图或评分摘要
- reviewer 风格评论页
- 最终修改清单
🧯 最常见的 4 类翻车点
只盯语言，不看方法
语法再顺，统计模型、术语或图表越界解读的问题还是会被 reviewer 先抓住。
没有量化优先级
如果 major 和 minor 混在一起，实际修改时很容易先做了不痛不痒的事。
只看正文，不看图表和表格
很多关键漏洞恰恰藏在图题、表注和 supplementary materials 里。
没有给合作者的执行说明
发现问题之后如果不能转成明确修改清单，团队执行还是会卡住。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。