research-review

research-review 技能专为需要深度批判性反馈以克服研究方法或学术写作盲点的 ML 研究人员与开发者所设计。通过利用 Codex MCP 接口，此代理程序协调了一个跨模型的协作环境，其中主要代理程序管理您的项目内容，而外部深度推理模型（如 GPT-5.4、o3 或 Claude 3.5）则扮演对抗性的资深评论者角色。这种对抗性方法能有效检测在自我审查中容易被忽略的逻辑漏洞、无根据的主张与叙事弱点。

• 通过 Codex MCP 执行多轮、迭代式的评论对话，并保留讨论串历史。

• 产生可付诸行动的产出，包括实验设计、主张对应结果矩阵、模拟 NeurIPS/ICML 审稿报告与论文架构大纲。

• 自动将完整的审查文档、追踪日志与后续计划存储至项目根目录或内存文件夹中。

• 整合于 Claude Code、Cursor、Trae 及其他 AI 原生 IDE 的研究工作流，并支持多种模型提供者。

• 采用 xhigh 推理配置，确保复杂科学论证的深度与精确度。

• 当您拥有需要严谨验证的论文草稿、实验结果集或研究提案时，请使用此技能。

• 输入要求包括清晰的研究背景、项目叙事文件（STORY.md, README.md）及具体研究问题；代理程序将在发送评论请求前汇总这些信息。

• 预期产出为结构化的审查报告、针对 GPU 计算成本优化的实验优先任务列表，以及改进后的叙事策略。

• 限制：请确保 Codex MCP 服务器已正确配置；外部评论者在第一轮需要清晰且全面的背景提示，才能提供高质量且可执行的反馈。建议采取迭代式的修订而非单次查询以获得最佳效果。