research-review

research-review 技能專為需要深度批判性回饋以克服研究方法或學術寫作盲點的 ML 研究人員與開發者所設計。透過利用 Codex MCP 介面，此代理程式協調了一個跨模型的協作環境，其中主要代理程式管理您的專案內容，而外部深度推理模型（如 GPT-5.4、o3 或 Claude 3.5）則扮演對抗性的資深評論者角色。這種對抗性方法能有效偵測在自我審查中容易被忽略的邏輯漏洞、無根據的主張與敘事弱點。

• 透過 Codex MCP 執行多輪、迭代式的評論對話，並保留討論串歷史。

• 產生可付諸行動的產出，包括實驗設計、主張對應結果矩陣、模擬 NeurIPS/ICML 審查報告與論文架構大綱。

• 自動將完整的審查文件、追蹤日誌與後續計畫儲存至專案根目錄或記憶資料夾中。

• 整合於 Claude Code、Cursor、Trae 及其他 AI 原生 IDE 的研究工作流，並支援多種模型提供者。

• 採用 xhigh 推理配置，確保複雜科學論證的深度與精確度。

• 當您擁有需要嚴謹驗證的論文草稿、實驗結果集或研究提案時，請使用此技能。

• 輸入要求包括清晰的研究背景、專案敘事文件（STORY.md, README.md）及具體研究問題；代理程式將在發送評論請求前彙整這些資訊。

• 預期產出為結構化的審查報告、針對 GPU 計算成本優化的實驗優先任務列表，以及改進後的敘事策略。

• 限制：請確保 Codex MCP 伺服器已正確設定；外部評論者在第一輪需要清晰且全面的背景提示，才能提供高品質且可執行的回饋。建議採取迭代式的修訂而非單次查詢以獲得最佳效果。