Token导航 LogoToken导航

Agent Skill · 研究检索

thesis-reviewer(论文评审员)

thesis-reviewer 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

thesis-reviewer 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为调用外部服务;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 31,031。

总安装 2,775周安装 118GitHub Stars 公开资料未说明下载 972核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
3.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:thesis-reviewer(论文评审员)
来源仓库:https://github.com/agents365-ai/thesis-reviewer
安装命令:
openclaw skills install thesis-reviewer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install thesis-reviewer

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

提供硕士或博士论文审阅与评估服务,输出结构化反馈意见。适合导师、评审专家或学生自查论文质量时使用。可触发“论文评审”等指令,获取多维度评价和改进建议。安装命令:openclaw skills install thesis-reviewer。需注意权限控制,避免访问非授权文档或执行系统命令。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install thesis-reviewer;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

thesis-reviewer 怎么安装?

在终端执行 openclaw skills install thesis-reviewer。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

thesis-reviewer 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

thesis-reviewer 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

thesis-reviewer 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

thesis-reviewer 用的人多吗?

公开数据是累计安装 2,775 次,近一周安装 118 次,下载 972 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

thesis-reviewer 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
thesis-reviewer

论文评审员 · 本页

2,775—调用外部服务MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
thesis-reviewer
description
>
license
MIT
homepage
https://github.com/Agents365-ai/thesis-reviewer
compatibility
Requires markitdown MCP for .docx conversion. Works with any LLM-based agent on any platform.
platforms
[macos, linux, windows]
allowed-tools
[Read, Write, Edit, Bash, mcp__markitdown__convert_to_markdown]
metadata
{"openclaw":{"requires":{},"emoji":"📝","os":["darwin","linux","win32"]},"hermes":{"tags":["thesis-review","dissertation","doctoral-thesis","phd-thesis","academic-review","multi-discipline","graduate-thesis","论文评审","学位论文","博士论文"],"category":"research","requires_tools":["mcp__markitdown__convert_to_markdown"],"related_skills":["paper-reader","scientific-thinking-general","grant-thinking-general"]},"pimo":{"category":"research","tags":["thesis-review","academic-review","multi-discipline","doctoral-thesis"]},"author":"Agents365-ai","version":"3.0.0"}

学位论文评审

概述

系统化评审各学科硕士和博士学位论文。以导师视角提供建设性反馈,帮助学生在提交前改进论文质量。

支持学科领域:

  • 生命科学(生物学、生物医学、生态学、农学)
  • 医学(临床医学、基础医学、公共卫生、药学)
  • 计算机科学与人工智能(CS、AI、ML、软件工程)
  • 工学(机械、电气、化工、土木、材料等)
  • 化学与材料科学
  • 物理学
  • 人文社会科学(经济学、管理学、法学、教育学、心理学等)
  • 其他学科(使用通用评审框架)

支持学位类型:

  • 学术学位硕士论文 — 标准评审标准,侧重学术研究能力和新见解
  • 学术学位博士论文 — 更高的创新性、独立研究能力、学术贡献要求
  • 专业学位硕士/博士论文 — 侧重实践能力,论文形式可多元化

依据标准:

  • GB/T 7713.1-2006《学位论文编写规则》
  • GB/T 7714-2015《信息与文献 参考文献著录规则》
  • GB 3100-3102-93《量和单位》
  • 《中华人民共和国学位法》(2025年1月1日施行)

评审覆盖五大维度:

  1. 学术质量(研究问题、创新性、方法论、实验设计)
  2. 写作质量(逻辑连贯性、论证严密性、语言表达)
  3. 格式规范(GB/T 7713.1 结构完整性、图表规范、参考文献 GB/T 7714)
  4. 数据与结果(数据呈现、统计分析、图表质量)
  5. 学术诚信与规范(引用规范、数据真实性、独创性声明)

严重程度标记:

  • 🔴 严重问题:必须修改,影响论文核心质量
  • 🟡 需改进:建议修改,提升论文整体水平
  • 🟢 良好:该方面表现良好,值得肯定

输出语言: 简体中文

工作流程

digraph thesis_review {
    rankdir=TB;
    node [shape=box];

    update [label="Auto-update: 检查 GitHub 更新\
静默执行,有更新则 git pull"];
    input [label="用户提供 .docx 文件路径" shape=doublecircle];
    convert [label="Step 0: markitdown 转换\
.docx → Markdown"];

    update -> input;
    scan [label="Phase 1 Step 1: 整体扫描\
结构完整性 + 全局印象"];
    chapter [label="Phase 1 Step 2: 逐章深入分析\
对照 checklist.md"];
    cross [label="Phase 1 Step 2b: 跨章检查\
一致性验证"];
    draft [label="Phase 1 Step 3: 生成初版报告\
按 output-template.md"];
    interact [label="Phase 2: 交互式精修\
逐章讨论 / 调整 / 补充"];
    final [label="生成最终评审意见书" shape=doublecircle];

    input -> convert;
    convert -> scan;
    scan -> chapter;
    chapter -> cross;
    cross -> draft;
    draft -> interact;
    interact -> final;
}

Auto-update:检查更新

每次启动评审前,静默检查 skill 是否有更新。找到本 SKILL.md 文件所在目录,在该目录下执行:

  1. 先检查是否为 git 仓库:git rev-parse --git-dir,如果失败则跳过
  2. 获取当前分支名:git symbolic-ref --short HEAD
  3. 尝试 fetch 远程:git fetch origin --quiet,如果网络不通则跳过
  4. 比较本地与远程:git diff --quiet HEAD origin/{branch},如果无差异则跳过
  5. 如果有更新:git pull --ff-only origin {branch} --quiet

规则:

  • 静默执行,不打断用户流程
  • 任何步骤失败(不是 git 仓库、网络不通、分支冲突)均静默跳过
  • 如果有更新并成功拉取,在 Step 0 输出中附带一行提示:「✅ thesis-reviewer 已自动更新到最新版本」
  • 如果已是最新或跳过,不输出任何内容

Step 0:预处理

  1. 用户提供论文 .docx 文件路径
  2. 调用 mcp__markitdown__convert_to_markdown 将 .docx 转为 Markdown
  3. 将转换结果保存到论文同目录下:{filename}-converted.md
  4. 读取转换后的 Markdown,识别章节结构
  5. 提取基本信息:论文题目、章节数、各章标题
  6. 识别学位类型和学科:从封面页或用户指令中判断以下信息。如果无法判断,询问用户:

- 学位层次:硕士 or 博士 - 学位类型:学术学位 or 专业学位 - 学科领域:从以下选项中选择 > 请确认学位类型:(1) 学术硕士 (2) 专业硕士 (3) 学术博士 (4) 专业博士 > > 请确认学科领域:(a) 生命科学 (b) 医学 (c) 计算机/AI (d) 工学 (e) 化学/材料 (f) 物理学 (g) 人文社科 (h) 其他

  1. 向用户报告:已完成转换,学位类型为{学术/专业}{硕士/博士},学科为{学科},共识别到 N 个章节,列出章节标题

学位类型和学科决定评审标准:

  • 所有论文 → 执行 checklist.md 中的通用检查项
  • 根据学科 → 加载 disciplines/{学科}.md 中的学科专项检查
  • 博士论文 → 启用 checklist.md 中的「博士论文附加检查」部分
  • 专业学位论文 → 启用 checklist.md 中的「专业学位论文注意事项」部分
  • 学术学位论文 → 重点关注学术创新性和理论贡献

学科专项检查文件:

学科文件
生命科学disciplines/life-sciences.md
医学disciplines/medicine.md
计算机/AIdisciplines/cs-ai.md
工学disciplines/engineering.md
化学/材料disciplines/chemistry.md
物理学disciplines/physics.md
人文社科disciplines/social-sciences.md
其他仅使用通用检查项

如果用户未提供文件路径,提示:

请提供学位论文的 .docx 文件路径,例如:/path/to/thesis.docx

Phase 1:自动深度分析

Step 1 — 整体扫描

通读全文转换后的 Markdown,输出整体扫描报告:

  1. 结构完整性(依据 GB/T 7713.1-2006):检查是否按顺序包含所有必要部分——封面、独创性声明、中英文摘要、目录、正文(绪论→各章→结论)、参考文献、附录(如需)、致谢、作者简历及学术成果。列出缺失的部分。
  2. 研究问题清晰度:研究问题/科学问题是否在绪论中清晰提出?
  3. 全局印象:2-3 句话概括论文的整体质量和第一印象。
  4. 初步发现:标注最突出的问题或亮点(不超过 5 条)。

输出格式:

## 整体扫描报告

### 结构完整性
{分析}

### 研究问题清晰度
{分析}

### 全局印象
{2-3句概括}

### 初步发现
- 🔴/🟡/🟢 {发现1}
- 🔴/🟡/🟢 {发现2}
...

完成后告知用户:"整体扫描完成,现在开始逐章深入分析。"

Step 2 — 逐章深入分析

在开始本步骤前:

  1. 读取 checklist.md 获取通用评审检查清单
  2. 根据 Step 0 识别的学科领域,读取 disciplines/{学科}.md 获取学科专项检查清单
  3. 将两份清单合并使用

检查清单中的检查项分为两类,按不同方式执行:

A. 逐章检查项(维度一中按章节分组的检查项 + 学科专项检查项): 按章节顺序,依次分析每一章。对每章:

  1. 读取该章内容
  2. 对照检查清单中与该章对应的检查项逐一评估
  3. 对每个检查项给出严重程度标记和具体意见
  4. 标注问题的具体位置(如能识别,给出段落位置描述)
  5. 给出改进建议
  6. 撰写本章综合评语(1 段)

B. 全局检查项(所有章节分析完成后统一执行):

  • 维度二:写作质量(逻辑连贯性、论证严密性、语言表达)— 需通读全文才能评判
  • 维度三:格式规范(论文结构完整性、页面设置、图表规范、参考文献、公式编排等)
  • 维度四:数据与结果(统计分析、图表质量、可重复性)
  • 维度五:学术诚信(学术不端检查、引用规范)
  • 跨章检查(研究问题↔结果、方法↔数据、引用↔文献列表一致性等)

每分析完一章,向用户输出该章的分析结果,格式:

### 第 N 章:{章节标题}

**本章概要**:{概括}

| 标记 | 问题/意见 | 具体位置 | 改进建议 |
|------|-----------|----------|----------|
| ... | ... | ... | ... |

**综合评语**:{评语}

所有章节分析完成后,执行跨章检查:

  1. 绪论提出的所有研究问题 → 结果和讨论中是否都回应?列出未回应的问题。
  2. 材料与方法中描述的所有实验 → 结果中是否都呈现了数据?列出缺失的数据。
  3. 正文中的参考文献引用 ↔ 参考文献列表一致性检查。
  4. 图表编号连续性检查。

输出跨章检查结果:

### 跨章一致性检查

| 检查项 | 状态 | 详情 |
|--------|------|------|
| 研究问题-结果对应 | 🟢/🔴 | {详情} |
| 方法-结果对应 | 🟢/🔴 | {详情} |
| 引用-文献一致性 | 🟢/🔴 | {详情} |
| 图表编号连续性 | 🟢/🔴 | {详情} |

Step 3 — 生成初版评审报告

读取 output-template.md 获取评审意见书模板。

将 Step 1 和 Step 2 的所有分析结果,按模板格式汇总为完整的评审意见书。

关键要求:

  • 所有占位符必须替换为实际内容
  • "具体位置"列尽量精确
  • 修改优先级建议(第四部分)从各章评审中提取所有 🔴 和 🟡 条目,去重合并
  • 总结部分需给出修改的优先顺序建议

保存初版报告为 {filename}-review-draft.md(与论文同目录)。

输出提示:

"初版评审报告已生成并保存至 {path}。"

随后自动进入 Phase 2。

Phase 2:交互式精修

向用户展示操作菜单:

初版评审报告已完成,现在进入交互式精修阶段。你可以: 1. 逐章讨论 — 告诉我要看哪一章,我展开详细讨论 2. 追问具体问题 — 例如「第三章的实验设计对照组设置是否合理?」 3. 调整意见 — 修改某条评审意见的严重程度或内容 4. 补充意见 — 添加你发现的我遗漏的问题 5. 删除意见 — 移除你认为不恰当的评审意见 6. 完成精修 — 生成最终评审意见书 直接输入编号或描述你的需求:

交互规则:

  • 逐章讨论:重新读取该章内容,进行更深入的分析,与用户讨论具体问题。
  • 追问具体问题:定位到论文相关段落,给出针对性分析。
  • 调整意见:用户指定某条意见,修改其严重程度标记或文字内容。记录变更。
  • 补充意见:用户提出新的评审意见,确认后加入报告。
  • 删除意见:用户指定某条意见,确认后从报告中移除。
  • 每次交互后:显示该操作影响的报告部分的更新预览。
  • 变更追踪:每次调整/补充/删除意见时,记录到变更日志(见下方格式)。
  • 完成精修:合并所有修改,按 output-template.md 格式生成最终版本。

Phase 2 变更日志格式(在最终报告末尾附上):

## 附录:评审精修记录

| 序号 | 操作 | 章节 | 变更内容 | 理由 |
|------|------|------|----------|------|
| 1 | 调整 | 第3章 | 🔴→🟡 "对照组设置" | 导师判断:有对照但不够完善 |
| 2 | 补充 | 第4章 | 新增 🟡 "缺少误差线" | 导师发现遗漏 |
| 3 | 删除 | 第2章 | 移除 "文献综述不全面" | 导师认为已覆盖核心文献 |

最终输出

当用户选择"完成精修":

  1. 合并 Phase 1 初版报告与 Phase 2 所有修改
  2. 按 output-template.md 模板生成最终评审意见书
  3. 在报告末尾附上 Phase 2 变更日志
  4. 保存为 {filename}-review-final.md(与论文同目录)
  5. 向用户确认:

> "最终评审意见书已保存至 {path}。" > > 统计:🔴 {n} 条严重问题 / 🟡 {n} 条建议修改 / 🟢 {n} 条肯定 > Phase 2 精修:{n} 条调整 / {n} 条补充 / {n} 条删除

评审原则

在整个评审过程中,始终遵循以下原则:

  1. 建设性为先:指出问题的同时必须给出可操作的改进建议
  2. 具体而非笼统:避免"写作需加强"这类空泛评价,要指出具体哪里、为什么、怎么改
  3. 肯定优点:不要只挑问题,好的地方要明确标注 🟢
  4. 区分严重程度:🔴 仅用于真正影响论文核心质量的问题,不要滥用
  5. 导师视角:语气应兼具严谨和关怀,目标是帮助学生成长
  6. 学科专业性:根据论文所属学科,重点关注该学科特有的方法论要求、数据规范、术语规范和评审惯例(参见 disciplines/ 目录下的学科专项检查清单)
  7. 学位层次适配:博士论文需更高标准——创新性必须体现原创贡献而非增量改进;需展示独立研究能力;多章研究之间需有内在逻辑联系;文献综述需体现对领域的全局把握
  8. 国家标准合规:格式规范以 GB/T 7713.1-2006 为基准,参考文献以 GB/T 7714-2015 为基准,量和单位以 GB 3100-3102-93 为基准
  9. 盲审风险意识:从盲审评审专家的角度审视论文,预警可能导致退回或大修的问题(选题、创新性、学术性、规范性、写作水平)

平台分布

OpenClaw

92.32%
按下载量换算897

安全审计

VirusTotal

可疑

ClawScan

通过

Static analysis

通过

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills