投稿前叙事审查 xionglovetian/sci-logic-narrative-review

SCI逻辑叙事审查 · sci-logic-narrative-review

很多稿子被拒，不是因为实验不行，是因为叙事链断了——而没人告诉你断在哪一环。

一个模拟的投稿前同行评审。它不润色、不代写：它沿着整篇稿件的叙事链条逐环审计，把你审稿人迟早会找到的漏洞按结构挖出来，并且每一轮审查都强制交付一份带证据定位的判决报告——含可执行修改处方与下一轮的复审判据。

English: README.md · 网页首页：https://xionglovetian.github.io/sci-logic-narrative-review/ · 方法论溯源：docs/METHODOLOGY.md · 示例报告：examples/demo-report.md

为什么需要它

大多数被 desk reject 或大修后仍被退的稿件，并不缺实验。它们缺的是叙事闭环：零散的消融与参数试跑被摊成一堆指标，而不是 发现科学缺口 → 提出对症方案 → 因果验证 这条链。审稿人读到的是调参报告，于是判定科学贡献弱，建议拒稿。

一篇 90 分的稿子，可能被一个缺失的控制组卡死。一句"提升 4%"，可能只是多了 4% 的参数。你的是哪一种？

这个 skill 就是为在审稿人之前回答这个问题而设计的。

选择你的平台

三个版本，同一份技能目录、同一份报告契约。用哪个宿主就装哪个——也可以三个都装，它们读同一批文件、互不冲突。

| 你的宿主 | 装到哪 | 详细指南 | 一行安装 |
| Claude Code | ~/.claude/skills/（或作为插件） | docs/platforms/claude.md | cp -r skills/sci-logic-narrative-review ~/.claude/skills/ |
| Codex | ~/.codex/skills/（或 [[skills.config]]） | docs/platforms/codex.md | cp -r skills/sci-logic-narrative-review ~/.codex/skills/ |
| DeepSeek Harness | ~/.agents/skills/（或 .dsh/skills/） | docs/platforms/dsh.md | cp -r skills/sci-logic-narrative-review ~/.agents/skills/ |
| 其它任意 agent | 直接读 AGENTS.md | AGENTS.md | — |

三端完整差异对照：PLATFORMS.md。

工作流程架构

工作流程架构

七步执行：收料与分级 → 六个镜头 → 双轨比对 → 三路径判定（P-A / P-B / P-C）→ 强制出报告 → 契约自检 → 下一轮闭环差分。六个镜头按依赖顺序推进：后一个镜头依赖前一个的结论。

文件架构与按需装载（点击展开）

文件架构

SKILL.md 只做路由：core/ 是恒读的骨架与判据，references/ 按需装载，assets/ 提供报告骨架，scripts/ 强制执行契约。报告落到你的工作区，不进 skill 目录。

九个优点

1. 报告是强制的——"没问题"不被允许

一条不可协商的规则：没有报告 = 审查没做。零漏洞被视为不可能；如果真找不到问题，唯一合法解释是输入不全，报告必须明说。"整体质量不错"这类话在契约层面被禁用——你拿到的是判决，不是安慰。

2. 每条漏洞都钉在证据上

每张漏洞卡片有八项必填字段：类别、严重度、定位（章节 + 原文引文）、证据、审稿人原话、为什么有问题、修改处方、复审判据。写不出可定位位置的"感觉不好"不是漏洞，直接删掉，不软化。结果是——一份你能拿去反驳、也能照着改的报告。

3. 六个镜头，按依赖顺序过

镜头有先后依赖，后面的结论才不会失焦：

| 镜头 | 审什么 | 抓到的典型症状 |
| L1 缺口真实性 | 引言是否指出一个领域内默认成立却未被定量质疑的假设，并说明它造成什么具体偏差 | 开篇直接介绍数据集与模型；缺口写成"现有方法精度不足" |
| L2 方案对症性 | 每个模块是否对应 L1 的某一条缺陷 | 模块凭空出现；设计动机写成"为了提升性能" |
| L3 因果闭环 | 三层实验（主对比 / 等容量控制对照 / 泛化鲁棒）是否齐备且有统计检验 | 把增益归因于设计，但参数量同时增加了 |
| L4 贡献可分性 | 三条贡献是否独立、各有专属实验、在摘要/引言/结论三处摆放一致 | 三条贡献是同一句话换了三种说法 |
| L5 图表分层 | 机制图在先还是数字堆砌在先；表是否按逻辑分组；显著性标注是否齐 | 一张巨表混装消融、对比与鲁棒性 |
| L6 边界自限 | 讨论是否写明失效条件、数据范围、与文献的本质区别 | 讨论只复述结果；宣称"通用/普适"却无跨域证据 |

4. 双轨比对——声称 vs 实验台账

这是最硬的一项，也是几乎所有写作指南都漏掉的一项。审查以 轨 A：稿件 对 轨 B：实验台账 并行推进，比三条轨：

- 数字轨——正文每个数值能否在台账里找到同口径来源（同数据集、同划分、同种子策略、同评价协议）？
- 声称轨——每个动词的强度是否匹配证据强度？significantly 必须有检验；prove / due to 必须有等容量对照；state-of-the-art 必须是当前且同协议的对比。
- 口径轨——同一指标在摘要、表、正文、图注里是否同一个值、同一个口径。

轨 B 缺失时绝不默认"数字大概没问题"——而是记为 P0 无证据底座，并据此压低路径判定。

5. 三选一的叙事判定，而不是一个含糊的分数

审查结束必须给出唯一判定，并说明为什么不能走另外两条，以及升一档的最小成本：

| 路径 | 触发条件 | 叙事定位 | 可能结局 |
| P-A 方法创新型 | 等容量对照明显弱于本方案，且统计显著 | 方法贡献 + 因果闭环 | 大修后接收 |
| P-B 评估认知型 | 对照缺失或差距微弱，但缺口真实、负向结果扎实 | 严谨的实证评估论文，重心是科学发现 | 中修—小修后接收 |
| P-C 证据不足 | 无对照却宣称因果、数字不可溯源、隐藏负向结果 | 先补实验，或先撤声称 | 拒稿 |

真实的稿件大多属于 P-B。在没有等容量对照的情况下硬撑 P-A，是一篇本可发表的论文被拒的最常见原因。这个 skill 敢把这条路点出来，并给出降级处方。

6. 分数不能覆盖硬阈值

七个维度加权满分 100（缺口 20 / 对症 15 / 因果 30 / 贡献 15 / 图表 10 / 边界 10），数字可溯源是必扣项而非加分项。然后判定先查硬阈值：六类致命项（F1–F6）任一命中，无论总分多高都不能给 P-A。一篇 90 分但缺等容量对照的稿子，是 P-C 稿子——报告会用一句话说清。

7. 给的是处方，不是抱怨

每条漏洞都带可执行处方；三条路径各自配逐节改写动作、能真正改变判定的最小实验集、以及补完后报告里哪几项会翻转。"建议补充更多实验"被明确禁止——只允许能翻转路径的实验。

8. 多轮闭环追踪

漏洞编号（V-01 …）跨轮稳定。从第二轮起必须附 闭环差分表：已修复 / 部分修复 / 未修复 / 申诉成立——并附本稿证据。部分修复必须写明还缺什么。这是唯一能证明"稿子真的变好了"而不是"只是变了"的审计痕迹。

9. 契约由代码强制执行

两个零依赖的 Python 校验器，把契约变成机器可查：

python skills/sci-logic-narrative-review/scripts/check_report.py examples/demo-report.md
python skills/sci-logic-narrative-review/scripts/check_manifest.py

check_report.py 校验 12 类硬性项——元信息字段、十一章覆盖、占位符残留、卡片八字段、合法严重度、至少一条 P1/P2 漏洞、≥8 行数字核验且结论取值合法、判定与预估结果自洽（P-C 永远不能配"小修"）、禁用软化表述、非首轮必须有闭环差分表、边界声明三要素、文件命名规范。自检不过的报告不允许交付。

与通用"AI 润色"的区别

| | 通用"帮我润色" | SCI逻辑叙事审查 |
| 产出 | 改写后的文字 | 判决 + 漏洞 + 处方 + 复审判据 |
| 依据 | 只有稿件 | 稿件 加 实验台账（双轨） |
| 缺证据时 | 抹平过去 | 记为 P0，压低判定 |
| 漏洞质量 | "可以更清楚" | 章节 + 引文 + 审稿人原话 + 处方 |
| 零漏洞 | 可能出现 | 被明令视为不可能 |
| 多轮 | 每轮从头开始 | 稳定编号 + 闭环差分 |
| 一致性 | 靠人自觉 | 机器校验契约 |

不可触碰的底线

这个 skill 拒绝用诚信换录用：

1. 绝不编造实验、对照或结果。
2. 绝不隐藏负向结果——它们是缺口成立的承重证据。
3. 绝不用文字包装替代证据。闭环不了，就把叙事降级。
4. 绝不推荐 P-A，如果没有等容量对照。
5. 绝不以"建议润色"结案。

降级后的稿子是能过的稿子；靠形容词撑着的稿子是被拒的稿子。

安装

一份技能目录，四端通用。全部是普通 Markdown，遵循 Agent Skills 开放标准，所以 Claude Code、Codex、DeepSeek Harness、以及任何读 SKILL.md 的 agent 加载的是同一批文件。差别只在打包方式——完整对照见 PLATFORMS.md。

git clone https://github.com/xionglovetian/sci-logic-narrative-review.git
cd sci-logic-narrative-review

Claude Code —— 作为技能直接装（最简单），或作为插件从本仓库市场安装：

mkdir -p ~/.claude/skills
cp -r skills/sci-logic-narrative-review ~/.claude/skills/
或在 Claude Code 里： /plugin marketplace add xionglovetian/sci-logic-narrative-review /plugin install sci-logic-narrative-review@sci-logic-narrative-review-marketplace

Codex —— 装成独立技能（推荐），或装成插件：

mkdir -p ~/.codex/skills
cp -r skills/sci-logic-narrative-review ~/.codex/skills/
或在 ~/.codex/config.toml 显式登记：
[[skills.config]]
path = "<绝对路径>/skills/sci-logic-narrative-review/SKILL.md"
enabled = true

DeepSeek Harness：

mkdir -p ~/.agents/skills
cp -r skills/sci-logic-narrative-review ~/.agents/skills/

Windows PowerShell 等价写法（上面任一端通用） New-Item -ItemType Directory -Force "$env:USERPROFILE\.claude\skills" | Out-Null Copy-Item -Recurse -Force "skills\sci-logic-narrative-review" "$env:USERPROFILE\.claude\skills\"

其它 agent：直接让它读 AGENTS.md——六镜头、判定标准、报告契约的单文件摘要。

验证打包

python skills/sci-logic-narrative-review/scripts/check_platforms.py # Claude / Codex / DSH 三端清单
claude plugin validate . --strict # Claude Code 官方校验器

然后直接说：

- 「用 SCI逻辑叙事审查 审一下这篇稿」
- "Review this manuscript before submission — what will the reviewer attack?"

首轮需要：稿件 + 图表图注 + 目标期刊。提供实验台账才能做完整双轨比对——没有的话报告会标 G1 部分，并禁止判 P-A。

仓库结构

skills/sci-logic-narrative-review/ 技能本体（丢进任意 skill 加载器即可） SKILL.md 路由：流程、六镜头、输出契约 manifest.yaml DSH 声明式装载表（其它宿主忽略） agents/openai.yaml Codex/ChatGPT 的展示名与调用策略（可选） core/stance.md 审稿人立场、P0–P3、红线、自我失败模式 core/flow.md 七步执行序列与每步强制产出 core/gap-checklist.md 七类漏洞、60+ 可判定项、F1–F6 致命项 core/rubric.md 加权评分、硬阈值、三路径判定 core/report-contract.md 报告强制结构与用语禁令 references/judgment-paths.md P-A / P-B / P-C 三套逐节改写处方 references/methodology-source.md 方法论溯源、严格度分档、按类型调权重 references/input-intake.md 取料、引文抽取、抽样、多轮差分 assets/report-template.md 报告骨架 assets/example-report.md 一份填好且通过自检的报告 scripts/check_report.py 报告契约校验器 scripts/check_manifest.py DSH 装载表完整性校验器 scripts/check_platforms.py Claude / Codex / DSH 三端清单校验器 examples/demo-report.md 可对外展示的示例报告 docs/METHODOLOGY.md 框架从哪来、边界在哪 docs/images/ 架构图（SVG + 生成脚本） index.html 网页版首页（GitHub Pages 托管） plugin.json Codex / Agent Plugins 清单 .claude-plugin/ Claude Code 插件与市场清单 .agents/plugins/marketplace.json Codex 市场目录 AGENTS.md 通用单文件入口（任意 agent） PLATFORMS.md 各平台安装与打包差异

诚实的边界

- 这是一套启发式审查框架，不是任何期刊的官方审稿细则。它预测的是高概率被质疑的结构性问题，不预测录用与否。
- 权重按实验/应用类研究校准；理论、纯方法、综述类稿件应调整权重（见 references/methodology-source.md）。
- 校验器检查的是结构与自洽，不是审查质量。一份技术上通过的报告仍可能是浅审——契约降低了这个风险，但没有消除。
- 它只诊断，不替你写论文。

许可

MIT — 见 LICENSE。拿去用、拿去 fork、把阈值调得更狠。

参与

你的领域总有总被攻击的那一类问题，而清单里没有？把它加进 core/gap-checklist.md，带上严重度与复审判据，保持八字段卡片格式不变，并确认 examples/demo-report.md 仍能通过 check_report.py。见 CONTRIBUTING.md。