nature-reviewer-skills：从 2.3 万条 Nature 评审意见中蒸馏出 450 类高频质疑模式

nature-reviewer-skills ：一个覆盖材料、工程、化学与地球系统科学的多学科预审稿系统。

这套系统目前累计分析 319 篇 Nature 期刊公开同行评审文件，抽取 2.3 万+ 条审稿意见单元，覆盖 材料科学 、 工程 、 化学 、 地球系统科学 等多个科研方向，并提炼出 450+ 类高频审稿模式。 它可以 在投稿前帮助提前发现论文中最容易被高水平期刊审稿人关注和质疑的问题，帮助作者对论文稿件 进行更高质量的修改与完善 。

值得一提的是，此前 上海交通大学袁一哲同学已开源了广受关注的 nature-skills 项目（ https://github.com/Yuan1z0825/nature-skills ），其中 包含 nature-reviewer skill (skills/nature-reviewer )。他的 skill 是 criterion-based review ：即基于 Nature 官方编辑标准（如 originality、scientific importance、interdisciplinary readership 等维度）构建结构化的通用审稿框架 。

而我选择了另外一条技术路线 corpus-distilled review ： 直接 从 Nature期刊公开同行评审文件 中抽取审稿意见单元， 归纳审稿人实际提出的具体问题 ，再抽象为分学科的 reviewer-memory 和 evidence-chain stress test 。 这种路线的优势在于，它不是简单模拟审稿口吻， 而在于更接近真实审稿人的实际评审偏好与质疑 逻辑 ，有助于使用者更精准地预判自身稿件可能面临的核心挑战。

🔗 传送门： https://github.com/GeoGeekLab/nature-reviewer-skills

欢迎大家试用。如果觉得有帮助，也欢迎 Star / Fork 支持一下。使用过程中发现问题、想到改进方向，欢迎直接提 Issue 。

（ 声明：本Skill为AI辅助工具，审稿意见仅供参考，最终投稿决策请以导师、合作者的意见及期刊官方要求为准。本工具与Nature Portfolio无任何关联。 ）