peer-review

peer-review 技能为评估科学手稿、研究经费申请书及技术文件提供了一套严谨且系统化的架构。该技能专为研究人员、期刊编辑及学术审稿人设计，将主观的科学批评任务转化为客观、基于检查清单的作业流程。通过专注于批判性评估而非单纯的文字修改，它能确保每份审稿意见都触及学术诚信的核心支柱：实验严谨性、统计效度、报告透明度以及沟通清晰度。使用者可利用此技能提供具建设性且可执行的回馈，协助作者强化研究设计、解决潜在偏差并符合国际发表标准。

• 执行深度区块分析：评估摘要与引言的叙述影响力，以及方法、结果与讨论章节的技术准确性。

• 强制执行各项报告准则的合规性，包括临床试验的 CONSORT、观察性研究的 STROBE，以及系统性回顾的 PRISMA。

• 审视数据可用性、统计方法合理性、样本量计算及对照组有效性，藉此评估研究的可重现性。

• 与 scientific-schematics 技能整合，建议并生成高质量的科学图表、研究流程图及决策树，协助视觉化呈现研究概念。

• 识别常见的研究「红旗」警告，例如数据过度诠释、选择性报告或循环论证。

• 当任务涉及期刊投稿审稿、评估经费可行性或在定稿前修订手稿时，此技能极为有效。

• 若需对逻辑证据或主张品质进行全面评估，建议搭配 scientific-critical-thinking 技能；若涉及量化评分或指标架构，请使用 scholar-evaluation 技能。

• 输入内容包括原始手稿或提案文本；输出内容则提供按手稿章节结构化的分类建设性评论。

• AI 代理具备统计报告分析能力，能识别缺失的误差条、确认 p 值的正确运用，并核实研究假设与实验结果之间的一致性。