Thesis Reviewer

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\n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\n.docx → Markdown"];

    update -> input;
    scan [label="Phase 1 Step 1: 整体扫描\n结构完整性 + 全局印象"];
    chapter [label="Phase 1 Step 2: 逐章深入分析\n对照 checklist.md"];
    cross [label="Phase 1 Step 2b: 跨章检查\n一致性验证"];
    draft [label="Phase 1 Step 3: 生成初版报告\n按 output-template.md"];
    interact [label="Phase 2: 交互式精修\n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;
}

Update check（首次使用）

Throttle to one check per 24 hours per installation; never mutate the skill directory without explicit user consent.

1. If <this-skill-dir>/.last_update exists and is less than 24 hours old, skip this step entirely.

2. Otherwise, fetch the latest tag from upstream:

   git -C <this-skill-dir> ls-remote --tags origin 'v*' 2>/dev/null \
     | awk '{print $2}' | sed 's|refs/tags/||' \
     | sort -V | tail -1

3. Compare with this skill's metadata.version from the frontmatter. If the upstream tag is strictly newer (semver), tell the user one line and ask:

"A newer version of this skill is available: vX.Y.Z → vA.B.C. Want me to git pull?"

If they say yes, run git -C <this-skill-dir> pull --ff-only. Refresh .last_update either way so the prompt doesn't repeat for 24 hours.

4. If upstream is the same or older, refresh .last_update silently and continue.

5. On any failure (offline, not a git checkout — e.g. ClawHub-installed copy, read-only path, no permission), swallow the error silently and continue with the user's task. Do not mention the failure.

---

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

7. 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：

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）

学位论文评审检查清单

本检查清单供 Phase 1 Step 2（逐章深入分析）使用。适用于所有学科的硕士和博士学位论文。

使用方法： 1. 所有论文执行本文件中的通用检查项 2. 根据学科领域，额外加载 disciplines/ 目录下对应的学科专项检查 3. 博士论文额外执行「博士论文附加检查」部分 4. 专业学位论文额外执行「专业学位论文注意事项」部分

学科专项检查文件：

• disciplines/life-sciences.md — 生命科学（生物学、生物医学、生态学、农学等）
• disciplines/medicine.md — 医学与临床医学
• disciplines/cs-ai.md — 计算机科学与人工智能
• disciplines/engineering.md — 工学（机械、电气、化工、土木、材料等）
• disciplines/chemistry.md — 化学与材料科学
• disciplines/physics.md — 物理学
• disciplines/social-sciences.md — 人文社会科学

如论文学科不在上述列表中，仅使用本文件的通用检查项，并结合评审者的学科专业知识进行评审。

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）

严重程度标记：

• 🔴 严重问题：必须修改，影响论文核心质量或违反国家标准
• 🟡 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

检查项编号规则： 每个检查项有唯一 ID（如 [AQ-01]），在评审报告中引用以实现可追溯。

• AQ = 学术质量, WQ = 写作质量, FM = 格式规范, DR = 数据与结果
• AI = 学术诚信, CC = 跨章检查, PD = 博士附加, PR = 专业学位

---

维度一：学术质量（通用）

摘要（中英文）

• [ ] [AQ-01] 中文摘要是否准确概括全文？是否包含目的、方法、结果、结论四要素？
• [ ] [AQ-02] 中文摘要字数是否符合要求？（硕士约 500-800 字，博士约 1000 字）
• [ ] [AQ-03] 硕士摘要是否突出"新见解"？博士摘要是否突出"创造性成果"？
• [ ] [AQ-04] 英文摘要内容是否与中文摘要完全对应？语法和表达是否规范？
• [ ] [AQ-05] 关键词 3-5 个，是否按外延层次排列（外延大的在前）？
• [ ] [AQ-06] 中英文关键词是否一一对应？

绪论/文献综述

• [ ] [AQ-07] 研究背景是否充分铺垫，让读者理解该领域的现状？
• [ ] [AQ-08] 文献综述是否系统、全面？是否覆盖了该方向的重要文献（含经典文献和近年进展）？
• [ ] [AQ-09] 文献综述是否有批判性分析，而非简单罗列？
• [ ] [AQ-10] 是否清晰指出了现有研究的不足（research gap）？
• [ ] [AQ-11] 研究问题/科学问题是否明确、聚焦？
• [ ] [AQ-12] 研究目的和研究意义（理论意义 + 实际意义）是否有说服力？
• [ ] [AQ-13] 技术路线或研究框架是否清晰呈现？
• [ ] [AQ-14] 绪论末尾是否概述了论文的章节安排？

研究方法

• [ ] [AQ-15] 研究方法选择是否合理，能够回答研究问题？
• [ ] [AQ-16] 方法描述是否足够详细，能让同行重复？
• [ ] [AQ-17] 是否说明了方法选择的理由（为什么选此方法而非其他）？
• [ ] [AQ-18] 数据来源是否清晰、可靠？
• [ ] [AQ-19] 分析方法是否恰当？

结果

• [ ] [AQ-20] 结果呈现是否客观，与方法部分一一对应？
• [ ] [AQ-21] 是否存在过度解读（在结果章混入讨论内容）？
• [ ] [AQ-22] 数据是否完整？是否有明显遗漏？
• [ ] [AQ-23] 各结果之间的逻辑关系是否清晰？
• [ ] [AQ-24] 结果描述是否与图表数据一致？

讨论

• [ ] [AQ-25] 是否将本研究结果与已有文献进行了充分对比讨论？
• [ ] [AQ-26] 对预期外的结果是否给出了合理解释？
• [ ] [AQ-27] 是否包含明确的研究局限性（limitations）讨论？
• [ ] [AQ-28] 局限性是否具体、诚实（而非仅"需要更多数据"等笼统表述）？
• [ ] [AQ-29] 是否讨论了局限性对结论可靠性的影响？
• [ ] [AQ-30] 结论是否由数据充分支撑？是否存在过度推断？
• [ ] [AQ-31] 是否提出了合理的未来研究方向？
• [ ] [AQ-32] 是否避免了简单重复结果部分的内容？

结论

• [ ] [AQ-33] 结论是否简明扼要，准确概括主要发现？
• [ ] [AQ-34] 结论是否与研究目的对应？是否回答了绪论提出的科学问题？
• [ ] [AQ-35] 是否避免了引入结果和讨论中未提及的新内容？
• [ ] [AQ-36] 创新点总结是否明确、准确？

创新性

• [ ] [AQ-37] 是否有明确的创新点陈述？
• [ ] [AQ-38] 核心贡献是否能用一句话清晰概括？（如果不能用一句话说清楚，说明贡献不聚焦）
• [ ] [AQ-39] 创新点的描述是否具体、可验证？（避免"提出了一种新颖方法"等模糊表述）
• [ ] [AQ-40] 创新点是否真实成立，还是仅为增量改进？
• [ ] [AQ-41] 创新点在领域内是否具有实际意义？
• [ ] [AQ-42] 创新点是否与文献综述中指出的 research gap 对应？
• [ ] [AQ-43] 创新点是否与实验结果或理论证明直接对应？

---

维度二：写作质量（通用）

逻辑连贯性

• [ ] [WQ-01] 章节间是否有清晰的逻辑链条？是否存在章节之间的断裂感？
• [ ] [WQ-02] 各章的过渡段落是否自然衔接？
• [ ] [WQ-03] 全文的叙事主线是否一致？
• [ ] [WQ-04] 论文整体是否"层次分明、数据可靠、文字简练、说明透彻、推理严谨、立论正确"？（GB/T 7713.1）

论证严密性

• [ ] [WQ-05] 论点-论据-论证是否完整？
• [ ] [WQ-06] 是否存在逻辑跳跃（从前提到结论缺少推理步骤）？
• [ ] [WQ-07] 因果关系的论述是否严谨？是否混淆了相关性与因果性？
• [ ] [WQ-08] 是否避免了使用"文学性质的带感情色彩的非学术性词语"？（GB/T 7713.1）

语言表达

• [ ] [WQ-09] 学术语言是否规范？是否存在口语化表述？
• [ ] [WQ-10] 是否存在冗余表述或重复内容？
• [ ] [WQ-11] 专业术语使用是否准确、全文统一？
• [ ] [WQ-12] 句子结构是否清晰？是否存在歧义表述？
• [ ] [WQ-13] 全文名词术语、缩略语是否前后一致？

段落级写作规范

• [ ] [WQ-14] 每段是否遵循"单一主题"原则（一个段落只讨论一个核心观点）？
• [ ] [WQ-15] 段落首句是否为该段的主题句（topic sentence）？
• [ ] [WQ-16] 句子是否遵循"已知信息→新信息"的信息流动模式？
• [ ] [WQ-17] 是否优先使用主动语态？（仅在动作执行者不重要时使用被动语态）
• [ ] [WQ-18] 是否存在复杂嵌套从句导致理解困难？

---

维度三：格式规范（通用，依据 GB/T 7713.1-2006）

论文结构完整性

• [ ] [FM-01] 是否按顺序包含所有必要组成部分：

1. 封面（题名、作者、导师、学位类别、专业、培养单位、日期） 2. 独创性声明及学位论文使用授权声明（须有手写签名） 3. 中文摘要及关键词 4. 英文摘要及关键词 5. 目录（编至第三级标题） 6. 插图和附表清单（如图表较多） 7. 符号、缩略词、术语表（如有大量缩略词） 8. 正文（绪论/引言 → 各章 → 结论） 9. 参考文献 10. 附录（如需要） 11. 致谢 12. 作者简历及攻读学位期间发表的学术论文与研究成果

• [ ] [FM-02] 各部分是否另页起始？
• [ ] [FM-03] 各章节标题层级是否规范统一（阿拉伯数字连续标号，如 1 → 1.1 → 1.1.1）？

页面设置

• [ ] [FM-04] 纸张是否为 A4（210×297mm）？
• [ ] [FM-05] 页边距是否符合要求（通常上下 2.54cm，左右 3.17cm，或学校规定的 25mm）？
• [ ] [FM-06] 正文字体：中文宋体小四号，英文 Times New Roman？
• [ ] [FM-07] 正文行距：1.5 倍行距？
• [ ] [FM-08] 章标题：黑体（三号或四号）加粗居中？
• [ ] [FM-09] 节标题：黑体小四号？
• [ ] [FM-10] 页眉：奇数页显示章节名称，偶数页显示论文题目？
• [ ] [FM-11] 页码：前置部分（摘要、目录等）用罗马数字，正文起用阿拉伯数字？

题名（论文标题）

• [ ] [FM-12] 中文题名一般不超过 30 字，不设副标题？
• [ ] [FM-13] 题名是否准确反映论文核心内容？
• [ ] [FM-14] 英文题名是否与中文题名含义一致？

图表规范

• [ ] [FM-15] 所有图表是否有编号和标题（图题在图下方，表题在表上方）？
• [ ] [FM-16] 图表编号是否按章编排（如图 2-1、表 3-2）？
• [ ] [FM-17] 所有图表是否在正文中被引用？
• [ ] [FM-18] 图是否具有"自明性"——仅看图、图题、图例即可理解？
• [ ] [FM-19] 图片分辨率是否足够（≥300 dpi）？
• [ ] [FM-20] 表格是否使用三线表格式（顶线、底线、栏目线），避免竖线？
• [ ] [FM-21] 表内数据是否上下对齐？空白=未测，"—"=未发现，"0"=实测为零？
• [ ] [FM-22] 跨页表格是否标注"续表"并重复表头？
• [ ] [FM-23] 图表字号是否适中、清晰可读？
• [ ] [FM-24] 图表是否需要中英文双语标题（按学校要求）？
• [ ] [FM-25] 论文的第一张图（Figure 1）或核心结果图是否能独立传达研究的核心发现？

公式编排

• [ ] [FM-26] 公式是否另行居中排列？
• [ ] [FM-27] 公式编号格式是否正确（如 (2-1)，按章编号）？
• [ ] [FM-28] 公式中的变量是否在首次出现时给出定义和说明？
• [ ] [FM-29] 长公式转行是否在运算符（+、-、×、÷）之后？

参考文献（默认依据 GB/T 7714-2015，也支持其他引用规范）

国内学位论文默认使用 GB/T 7714-2015。如学校/学院允许或要求使用其他引用规范，按对应规范评审：

• GB/T 7714-2015：国内大多数学校默认要求
• APA 7th：心理学、教育学、社会科学常用
• IEEE：计算机科学、电气工程常用
• Chicago/Turabian：人文学科常用
• Vancouver/NLM：医学、生命科学常用

通用检查项（适用于所有引用规范）：

• [ ] [FM-30] 引用格式是否全文统一？
• [ ] [FM-31] 正文中的引用是否都在参考文献列表中找到？
• [ ] [FM-32] 参考文献列表中是否有未在正文中引用的条目？
• [ ] [FM-33] 参考文献是否过于陈旧？近 5 年文献占比是否合理？
• [ ] [FM-34] 参考文献数量是否充足？（硕士通常 ≥50 篇，博士通常 ≥150 篇）
• [ ] [FM-35] 每条参考文献的著录要素是否完整（作者、题名、出版信息等）？
• [ ] [FM-36] 参考文献排序是否正确？

GB/T 7714-2015 专项（如使用该规范）：

• [ ] [FM-37] 是否正确使用文献类型标识（[J]期刊 [M]专著 [C]会议 [D]学位论文 [P]专利 [S]标准 [N]报纸 [DB/OL]电子资源 [R]报告）？
• [ ] [FM-38] 引用方式是否统一（顺序编码制或著者-出版年制）？

量和单位（依据 GB 3100-3102-93）

• [ ] [FM-39] 计量单位是否使用国际标准单位（SI 单位）？
• [ ] [FM-40] 量符号是否用斜体，单位符号是否用正体？
• [ ] [FM-41] 数值与单位之间是否有空格（如 25 °C 而非 25°C）？

其他格式

• [ ] [FM-42] 缩略词是否在首次出现时给出全称？
• [ ] [FM-43] 独创性声明是否使用学校统一格式？是否有签名和日期？
• [ ] [FM-44] 致谢内容是否恰当（感谢导师、实验室成员、资助项目等）？
• [ ] [FM-45] 作者简历是否包含教育经历和攻读学位期间的学术成果？

---

维度四：数据与结果（通用）

数据呈现

• [ ] [DR-01] 是否选择了恰当的图表类型展示数据？
• [ ] [DR-02] 数值是否保留了合理的有效数字位数？

统计分析（如涉及定量研究）

• [ ] [DR-03] 统计检验方法是否正确？
• [ ] [DR-04] 样本量是否足够支撑统计结论？
• [ ] [DR-05] 统计软件和版本是否注明？

图表质量

• [ ] [DR-06] 坐标轴标签是否清晰、完整（含单位）？
• [ ] [DR-07] 图例是否完整、位置恰当？
• [ ] [DR-08] 配色是否专业？

可重复性与数据管理

• [ ] [DR-09] 数据来源是否可追溯？
• [ ] [DR-10] 数据处理流程是否透明？
• [ ] [DR-11] 数据是否遵循 FAIR 原则（可发现 Findable、可获取 Accessible、可互操作 Interoperable、可复用 Reusable）？
• [ ] [DR-12] 是否有数据管理计划或数据存储/共享策略？
• [ ] [DR-13] 如使用公共数据集，是否说明了许可证和使用合规性？

---

维度五：学术诚信与规范（通用）

学术不端检查

• [ ] [AI-01] 是否有疑似抄袭或大段未标注引用的内容？
• [ ] [AI-02] 图片是否有疑似不当处理（拼接、重复使用、过度美化）？
• [ ] [AI-03] 数据是否有疑似造假或篡改的迹象（过于"完美"的数据、不合理的误差）？
• [ ] [AI-04] 一图多用：同一图片/数据是否在不同部分被重复使用却标注为不同结果？

引用规范

• [ ] [AI-05] 他人的观点和数据是否都已恰当标注引用来源？
• [ ] [AI-06] 大段引用（直接引文）是否有引号标注并注明出处？
• [ ] [AI-07] 是否存在"隐性引用"——使用了他人的观点但改写后未标注来源？

---

跨章检查（Phase 1 Step 2 完成后执行）

• [ ] [CC-01] 绪论提出的所有研究问题 → 结果和讨论中是否都给出了回应？
• [ ] [CC-02] 研究方法中描述的所有工作 → 结果中是否都呈现了？
• [ ] [CC-03] 正文中的参考文献引用 ↔ 参考文献列表是否一致？
• [ ] [CC-04] 图表编号是否连续？是否有跳号或重复编号？
• [ ] [CC-05] 缩略词表（如有）与正文使用是否一致？
• [ ] [CC-06] 全文中同一概念的表述是否一致（未出现同一事物多种叫法）？
• [ ] [CC-07] 页眉中的章节标题是否与正文章节标题一致？

---

博士论文附加检查（仅博士学位论文执行）

依据《学位法》（2025），博士学位申请人应"在学术研究领域做出创新性成果"，具有"独立从事学术研究工作的能力"，掌握"坚实全面的基础理论和系统深入的专门知识"。

创新性与原创贡献（博士标准）

• [ ] [PD-01] 创新点是否构成对领域的原创性贡献，而非仅是已有方法的应用或增量改进？
• [ ] [PD-02] 创新贡献是否达到可在高水平期刊/会议发表的程度？
• [ ] [PD-03] 是否清晰界定了本研究贡献与他人工作的边界？
• [ ] [PD-04] 理论/方法/发现中是否有可被同行引用和推广的核心贡献？
• [ ] [PD-05] 创新点是否经得起盲审专家的质疑？

独立研究能力

• [ ] [PD-06] 论文是否体现了作者独立提出问题的能力？
• [ ] [PD-07] 研究设计是否体现了作者独立思考和方案优化的过程？
• [ ] [PD-08] 面对困难或失败时，是否展示了问题诊断和方案调整的能力？
• [ ] [PD-09] 对结果的解读是否体现了独立的学术判断？
• [ ] [PD-10] 论文是否体现了"坚实全面的基础理论和系统深入的专门知识"？

研究体系的系统性

• [ ] [PD-11] 多章研究（如有）之间是否有清晰的内在逻辑联系？
• [ ] [PD-12] 各章研究是否围绕一个核心科学问题层层递进？
• [ ] [PD-13] 是否形成了一个完整的研究体系，而非多个独立小课题的拼凑？
• [ ] [PD-14] 总讨论/总结论是否从全局高度综合了各章发现？
• [ ] [PD-15] 是否存在"薄切"（thin-slicing）——将一项完整研究人为拆分成独立章节以充实论文？
• [ ] [PD-16] 如论文章节基于已发表论文，各章之间是否有跨章的整合性讨论或统一框架？
• [ ] [PD-17] 是否存在章节间方法论不一致、数据集碎片化的问题？

文献综述深度（博士标准）

• [ ] [PD-18] 文献综述是否体现了对该领域发展脉络的全局理解？
• [ ] [PD-19] 是否涵盖了经典文献和最新进展？
• [ ] [PD-20] 是否对领域内不同学术观点和争议进行了评述？
• [ ] [PD-21] 综述是否自然过渡到自身研究的切入点，逻辑链条完整？
• [ ] [PD-22] 参考文献数量是否充足（通常博士论文 ≥150 篇）？

学术成果与发表

• [ ] [PD-23] 是否列出了在读期间的学术成果（已发表/已接收论文）？
• [ ] [PD-24] 已发表论文与学位论文内容的关系是否清晰说明？
• [ ] [PD-25] 学术成果是否满足学校/学院对博士毕业的最低发表要求？
• [ ] [PD-26] 如使用已发表论文作为论文章节，是否进行了必要的改写和整合（而非简单拼接）？

讨论与展望深度（博士标准）

• [ ] [PD-27] 讨论是否从更宏观的视角审视研究意义？
• [ ] [PD-28] 是否对研究的理论意义进行了深入阐述？
• [ ] [PD-29] 未来研究方向的展望是否具体、可行？
• [ ] [PD-30] 是否讨论了研究发现对相关领域或交叉学科的潜在影响？

---

专业学位论文注意事项

依据《学位法》（2025），专业学位侧重实践能力，论文形式可多元化。

• [ ] [PR-01] 论文是否体现了解决实际问题的能力（而非纯理论研究）？
• [ ] [PR-02] 研究课题是否来源于实际应用需求或行业问题？
• [ ] [PR-03] 方法和成果是否具有实际应用价值或转化前景？
• [ ] [PR-04] 如采用非传统论文形式（调研报告、案例分析、产品设计等），是否符合学校对专业学位论文形式的规定？

学科专项检查：化学与材料科学

适用于有机化学、无机化学、物理化学、分析化学、高分子化学、材料科学与工程等方向。

---

研究方法（化学/材料专项）

合成与制备

• [ ] 合成路线是否以反应方程式或流程图清晰呈现？
• [ ] 反应条件（温度、时间、溶剂、催化剂、浓度等）是否详细记录？
• [ ] 产率是否准确计算并报告（分离产率 vs 转化率）？
• [ ] 原料和试剂的纯度、来源是否说明？
• [ ] 是否描述了纯化方法和纯度确认手段？

表征与分析

• [ ] 结构表征手段是否充分（NMR、MS、IR、XRD、XPS、TEM、SEM 等）？
• [ ] 波谱数据是否完整报告（化学位移、耦合常数、分子离子峰等）？
• [ ] 元素分析/高分辨质谱数据是否在误差范围内？
• [ ] 晶体结构数据是否提交 CCDC？
• [ ] 材料性能测试条件是否标准化？

催化/反应动力学（如适用）

• [ ] 催化效率指标是否合理（TON、TOF、选择性等）？
• [ ] 动力学参数（活化能、速率常数等）是否通过合理方法测定？
• [ ] 催化剂的稳定性和循环使用性能是否测试？

数据规范（化学/材料专项）

• [ ] 图谱（NMR、IR、MS 等）是否清晰、标注了关键峰位？
• [ ] TEM/SEM 图片是否标注了比例尺和放大倍数？
• [ ] XRD 图谱是否标注了标准 PDF 卡片号？
• [ ] 热分析曲线（TGA、DSC）是否标注了关键温度和质量变化？
• [ ] 电化学数据（CV、EIS 等）是否标注了扫速和电解质条件？

化学命名与符号

• [ ] 化合物命名是否遵循 IUPAC 规则？
• [ ] 化学结构式是否使用标准绘图工具（ChemDraw 等）绘制？
• [ ] 手性中心是否正确标注了绝对构型（R/S）？
• [ ] 聚合物是否正确使用了结构单元表示法？
• [ ] 化学方程式是否配平？反应条件是否标注在箭头上方？

安全与环保

• [ ] 涉及危险试剂/反应的实验是否说明了安全措施？
• [ ] 废液/废弃物处理是否符合环保规范？
• [ ] 是否在补充材料中提供了原始谱图/色谱图？
• [ ] 化合物纯度是否达到声称的阈值（如 ≥95%）后再进行下游实验？
• [ ] 关键实验是否报告了批次间重复性？

学科专项检查：计算机科学与人工智能

适用于计算机科学、人工智能、机器学习、数据科学、软件工程、网络安全等方向。

---

研究方法（CS/AI 专项）

算法与模型

• [ ] 所提出的算法/模型是否有清晰的形式化定义（数学符号、伪代码）？
• [ ] 算法的时间复杂度和空间复杂度是否分析？
• [ ] 模型架构图是否清晰、完整？
• [ ] 是否与相关的 baseline 方法进行了充分比较？
• [ ] baseline 选择是否公平合理（包含最新 SOTA 方法）？
• [ ] 消融实验（ablation study）是否充分验证了各模块的贡献？

实验设计

• [ ] 数据集选择是否恰当？是否使用了该领域公认的 benchmark 数据集？
• [ ] 数据集划分（训练集/验证集/测试集）是否合理？是否存在数据泄露？
• [ ] 超参数设置是否明确？是否说明了调参策略？
• [ ] 实验是否具有可重复性（随机种子、硬件环境、软件版本等是否说明）？
• [ ] 是否报告了多次运行的均值和标准差（而非仅报告最佳结果）？

评估指标

• [ ] 评估指标选择是否恰当、全面（不应只报告有利的指标）？
• [ ] 分类问题：是否报告了 Precision、Recall、F1-score（不应只报告 Accuracy）？
• [ ] 生成问题：评估指标是否包含自动指标和人工评估？
• [ ] 是否进行了统计显著性检验（而非仅比较数值大小）？
• [ ] 是否分析了模型的失败案例（failure cases / error analysis）？
• [ ] 模型的鲁棒性是否测试（对抗样本、分布偏移、噪声数据）？
• [ ] AI 系统是否考虑了公平性/偏见分析（如适用）？
• [ ] 安全性评估是否充分（如涉及安全关键应用）？

代码与数据可重复性

• [ ] 源代码是否开源或承诺开源？是否提供了 GitHub 仓库链接？
• [ ] 是否提供了完整的环境配置文件（requirements.txt、Dockerfile 等）？
• [ ] 数据预处理流程是否完整描述？
• [ ] 预训练模型是否说明了来源和许可证？
• [ ] 是否提供了训练/推理的完整命令或脚本？

图表规范（CS/AI 专项）

• [ ] 实验结果表格是否高亮标注了最优结果（加粗）和次优结果（下划线）？
• [ ] 折线图/柱状图中不同方法是否使用了可区分的颜色/标记？
• [ ] 模型架构图是否规范（使用标准符号表示卷积、注意力、全连接等层）？
• [ ] t-SNE/UMAP 可视化是否标注了降维参数？
• [ ] 注意力热力图是否有 colorbar 和清晰的标签？

术语与符号规范

• [ ] 数学符号是否全文统一（如矩阵用大写粗体、向量用小写粗体、标量用斜体）？
• [ ] 损失函数、优化目标是否有完整的数学定义？
• [ ] 缩写（CNN、RNN、GAN、LLM 等）是否在首次出现时给出全称？
• [ ] 是否使用了该领域的标准术语（而非自造术语）？

社会影响与伦理（CS/AI 专项）

• [ ] 是否讨论了研究的社会影响和伦理考量（broader impact）？
• [ ] 如涉及 AI 系统，是否分析了公平性/偏见（fairness / bias）问题？
• [ ] 是否评估了研究的潜在负面应用或滥用风险？
• [ ] 是否报告了计算开销（GPU 类型和小时数、训练成本）？
• [ ] 是否说明了计算资源的环境成本/碳足迹（如适用）？

子方向专项（根据论文方向选择适用项）

理论计算机科学

• [ ] 定理证明过程是否严谨完整？是否有遗漏的边界情况？
• [ ] 引理链条是否完整？每个引理是否有证明或引用来源？
• [ ] 符号使用是否全文严格一致？

NLP / 大语言模型

• [ ] 是否说明了 prompt 设计策略和选择理由？
• [ ] 人工评估是否有明确的标注指南和标注者间一致性（inter-annotator agreement）？
• [ ] 是否声明了 LLM 的使用方式（如用于数据增强、评估等）？

计算机视觉

• [ ] 是否分析了数据集的偏见（类别不平衡、场景偏差等）？
• [ ] 数据增强策略是否清晰说明？
• [ ] 可视化结果是否有定性分析和解释？

系统与应用

• [ ] 可扩展性分析是否充分（数据量/用户量增长时的性能表现）？
• [ ] 是否考虑了实际部署中的工程约束（延迟、内存、能耗等）？

学科专项检查：工学

适用于机械工程、电气工程、电子信息、化学工程、土木工程、交通运输、环境工程、能源动力等工科方向。

---

研究方法（工学专项）

实验研究

• [ ] 实验装置/平台是否有清晰的示意图和实物照片？
• [ ] 测量仪器是否标明型号、精度、量程和校准信息？
• [ ] 实验工况/参数是否全面覆盖研究范围？
• [ ] 实验重复性是否验证？是否报告了测量不确定度？
• [ ] 实验安全措施是否说明（如涉及高压、高温、化学品等）？

数值模拟/仿真

• [ ] 仿真软件和版本是否说明（ANSYS、COMSOL、ABAQUS、MATLAB 等）？
• [ ] 控制方程和边界条件是否完整给出？
• [ ] 网格/网格独立性验证是否进行？
• [ ] 仿真结果是否与实验数据进行了对比验证？
• [ ] 收敛性标准是否说明？

理论推导

• [ ] 理论推导过程是否完整、严谨？
• [ ] 假设条件是否明确列出？假设的合理性是否论证？
• [ ] 推导结果是否与已有理论在特殊情况下一致（退化验证）？

数据与结果（工学专项）

• [ ] 工程数据是否使用了合理的有效数字和精度？
• [ ] 误差分析是否包含系统误差和随机误差？
• [ ] 性能指标是否与行业标准/竞品进行了对比？
• [ ] 是否提供了实验原始数据或数据表？

工程规范

• [ ] 涉及的行业标准（GB、ISO、ASTM 等）是否正确引用？
• [ ] 材料性能参数是否引用了标准数据源？
• [ ] 工程图纸（如有）是否符合制图规范（GB/T 4457 系列）？
• [ ] 单位是否严格使用 SI 国际单位制？
• [ ] 工程应用前景和经济性分析是否合理（如适用）？
• [ ] 是否进行了灵敏度分析（关键参数变化对结果的影响）？
• [ ] 是否考虑了可靠性/失效模式分析（FMEA 等）？
• [ ] 是否在接近实际工况的条件下进行了验证？

学科专项检查：生命科学

适用于生物学、生物医学、生态学、农学、生物信息学、神经科学等生命科学方向。

---

材料与方法（生命科学专项）

• [ ] 实验设计是否设置了恰当的对照组（阳性对照、阴性对照、空白对照）？
• [ ] 生物学重复和技术重复是否充分？样本量是否足够？
• [ ] 关键试剂（抗体、引物、细胞系、培养基、酶等）是否注明来源、批号/目录号？
• [ ] 关键仪器是否注明型号和厂商？
• [ ] 实验动物是否说明了品系、来源、周龄/体重、饲养条件？
• [ ] 细胞系是否说明了来源、代数、培养条件、鉴定方法（STR 鉴定等）？
• [ ] 伦理审批信息是否完整（动物实验伦理编号、人体样本知情同意书、机构伦理委员会批件号）？
• [ ] 引物序列是否以表格形式清晰列出（含名称、序列、用途）？
• [ ] 抗体信息是否包含克隆号、稀释比、来源公司？
• [ ] 是否说明了样品制备和处理的标准化流程？
• [ ] 动物实验是否说明了随机分组方法和盲法实施？
• [ ] 是否报告了预设的排除标准（而非事后排除数据）？
• [ ] 动物实验是否报告了性别作为生物学变量（SABV）？

统计分析（生命科学专项）

• [ ] 统计检验方法是否正确（t检验、ANOVA、Mann-Whitney U、Kruskal-Wallis 等的选择）？
• [ ] 是否检验了数据的正态性和方差齐性（作为参数检验的前提）？
• [ ] p 值和显著性标注是否规范（p<0.05, p<0.01, **p<0.001）？
• [ ] 多重比较是否进行了校正（Bonferroni、Tukey、Dunnett、FDR 等）？
• [ ] 误差线是否标注了代表标准差（SD）还是标准误（SEM），并说明选择理由？
• [ ] 生存分析是否使用了 Kaplan-Meier 曲线和 Log-rank 检验？

图表质量（生命科学专项）

• [ ] 显微镜图片是否标注了比例尺？
• [ ] Western blot 条带图是否标注了分子量标记（Marker）？
• [ ] Western blot 是否提供了内参（β-actin、GAPDH 等）？
• [ ] 流式细胞术图是否标注了门控策略（gating strategy）？
• [ ] 荧光图片是否标注了所用通道和染料？
• [ ] 电泳图是否标注了 DNA/蛋白 Marker 大小？
• [ ] 配色是否考虑了色盲友好性（避免纯红绿对比）？
• [ ] 阴性结果是否如实报告并呈现？

数据可重复性（生命科学专项）

• [ ] 测序数据是否已提交公共数据库（GEO、SRA、DDBJ 等）并提供登录号？
• [ ] 蛋白质组/代谢组数据是否提交到相应数据库（ProteomeXchange、MetaboLights 等）？
• [ ] 结构数据是否提交到 PDB？
• [ ] 新发现的基因/蛋白序列是否提交到 GenBank/UniProt？
• [ ] 是否提供了原始数据或补充数据表？

生物学命名规范

• [ ] 基因名是否用斜体（如 TP53、BRCA1）？
• [ ] 蛋白质名是否用正体（如 p53、BRCA1）？
• [ ] 物种拉丁名是否斜体（如 Homo sapiens、Mus musculus）？
• [ ] 微生物/病毒命名是否遵循 ICTV/ASM 规范？
• [ ] 药物名称是否使用通用名（INN）而非商品名？

学科专项检查：医学与临床医学

适用于临床医学、基础医学、公共卫生、药学、中医学、护理学等医学方向。

---

研究方法（医学专项）

临床研究

• [ ] 研究设计类型是否明确（RCT、队列研究、病例对照、横断面等）？
• [ ] 是否使用了恰当的研究设计报告规范（CONSORT/STROBE/PRISMA/STARD/CARE 等）？
• [ ] 样本量计算是否合理？是否说明了把握度（power）和效应量？
• [ ] 纳入/排除标准是否明确、合理？
• [ ] 随机化方法是否恰当（如适用）？是否说明了随机序列生成和分配隐藏？
• [ ] 盲法实施是否恰当（单盲、双盲、开放标签）？是否说明了原因？
• [ ] 是否报告了失访率和处理方法（ITT 分析 vs PP 分析）？
• [ ] 伦理审批（医院/机构伦理委员会批件号）和患者知情同意是否完整？
• [ ] 临床试验是否在中国临床试验注册中心（ChiCTR）或 ClinicalTrials.gov 注册？
• [ ] 不良事件/不良反应是否完整报告？
• [ ] 缺失数据的处理方法是否说明（完全病例分析、多重插补等）？
• [ ] 方案偏离（protocol deviations）是否记录和说明？
• [ ] 多重比较/多个终点是否进行了适当的校正？

基础医学研究

• [ ] 动物模型选择是否合理？是否说明了选择理由？
• [ ] 动物实验是否符合 3R 原则（替代、减少、优化）？
• [ ] 人体组织/样本来源是否合法合规？

流行病学与公共卫生

• [ ] 调查问卷是否经过信度和效度检验？
• [ ] 抽样方法是否合理？是否有抽样框描述？
• [ ] 混杂因素是否充分考虑和控制？

统计分析（医学专项）

• [ ] 临床数据分析是否使用了恰当的方法（Cox 回归、Logistic 回归、混合效应模型等）？
• [ ] 生存分析是否提供了中位生存时间和 95% CI？
• [ ] 诊断试验是否报告了灵敏度、特异度、PPV、NPV、AUC？
• [ ] 多因素分析是否控制了混杂因素？
• [ ] Meta 分析是否评估了异质性（I²统计量）和发表偏倚（漏斗图）？

医学伦理与规范

• [ ] 患者隐私是否得到保护（匿名化/去标识化）？
• [ ] 涉及人类遗传资源的研究是否获得科技部批准？
• [ ] 药物/器械临床试验是否获得 NMPA 批件（如适用）？
• [ ] 是否声明了利益冲突？
• [ ] 中药方剂是否给出了完整的组方和剂量？

医学术语规范

• [ ] 药物名称是否使用通用名（INN/中文通用名）？
• [ ] 疾病名称是否使用 ICD 编码或规范名称？
• [ ] 解剖学术语是否使用标准解剖学命名？
• [ ] 检验指标是否使用国际通用缩写和单位？

学科专项检查：物理学

适用于理论物理、凝聚态物理、光学、粒子物理、天体物理、量子信息等物理学方向。

---

研究方法（物理学专项）

理论研究

• [ ] 理论模型的物理图像是否清晰？
• [ ] 近似方法的适用条件和局限性是否明确说明？
• [ ] 数学推导是否严谨？关键步骤是否完整（非"易证"跳过）？
• [ ] 理论预测是否与已有实验结果一致或可被未来实验验证？
• [ ] 是否讨论了理论模型在极端情况下的退化行为？

实验研究

• [ ] 实验装置是否以示意图清晰呈现？关键参数是否标注？
• [ ] 测量仪器的精度、灵敏度、响应时间是否说明？
• [ ] 系统误差来源是否分析并给出修正方法？
• [ ] 实验环境条件（温度、真空度、磁场等）是否记录？
• [ ] 信噪比是否足够？数据采集时间是否充分？

数值计算/模拟

• [ ] 计算方法是否恰当（DFT、MD、Monte Carlo、有限元等）？
• [ ] 计算参数（基组、赝势、截断能、模拟尺度等）是否说明？
• [ ] 计算结果是否经过收敛性检验？
• [ ] 是否与实验数据或高精度计算进行了对比？

数据与图表（物理学专项）

• [ ] 实验数据点是否带有误差棒（包含统计和系统误差）？
• [ ] 拟合曲线是否给出了拟合参数和 χ²/R² 值？
• [ ] 对数坐标图的使用是否恰当？
• [ ] 光谱/能谱是否标注了峰位和峰归属？
• [ ] 相图是否清晰标注了相边界和临界点？

物理符号与单位

• [ ] 物理量符号是否使用国际通用符号（斜体）？
• [ ] 常数是否使用标准值（如 ℏ、k_B、c 等）？
• [ ] 矢量是否使用粗体或箭头标记？
• [ ] 张量阶数和指标约定是否一致？
• [ ] 单位制是否统一（SI、高斯制、自然单位制等，需在文中明确说明）？
• [ ] 误差传播到导出量时是否正确处理（误差传播公式）？
• [ ] 计算工作流程/代码是否可重复（是否提供输入文件或脚本）？

学科专项检查：人文社会科学

适用于经济学、管理学、法学、教育学、心理学、社会学、政治学、历史学、文学、哲学、新闻传播学等人文社科方向。

---

研究方法（社科专项）

定量研究

• [ ] 研究假设是否明确、可检验？
• [ ] 问卷/量表是否经过信度检验（Cronbach's α）和效度检验（因子分析）？
• [ ] 样本量是否足够？是否进行了样本量估算？
• [ ] 抽样方法是否合理？是否说明了抽样框和抽样过程？
• [ ] 是否控制了内生性问题（工具变量、DID、PSM、RDD 等）？
• [ ] 是否进行了稳健性检验？

定性研究

• [ ] 研究方法选择是否恰当（案例研究、扎根理论、民族志、叙事研究等）？
• [ ] 数据收集方法是否清晰描述（访谈、观察、文本分析等）？
• [ ] 访谈对象选择标准和数量是否合理？是否说明了理论饱和？
• [ ] 编码过程是否透明（开放编码→轴心编码→选择性编码）？
• [ ] 研究者反思性（reflexivity）是否体现？
• [ ] 是否使用了三角验证法提高研究可信度？

混合方法研究

• [ ] 定量与定性方法的结合逻辑是否清晰？
• [ ] 两种方法的结果是否相互印证或补充？

数据与分析（社科专项）

计量经济学/统计分析

• [ ] 变量操作化是否合理？变量定义是否清晰？
• [ ] 回归模型设定是否恰当？是否存在遗漏变量偏误？
• [ ] 多重共线性是否检验和处理（VIF）？
• [ ] 异方差和自相关是否检验和修正？
• [ ] 面板数据是否选择了恰当的模型（固定效应 vs 随机效应，Hausman 检验）？
• [ ] 结果解释是否区分了相关性和因果性？

数据来源

• [ ] 二手数据来源是否权威、可靠（统计年鉴、CSMAR、CNKI、国家统计局等）？
• [ ] 一手数据收集过程是否符合研究伦理（知情同意、匿名保护）？
• [ ] 数据时间跨度是否合理？

学术规范（社科专项）

• [ ] 引文标注是否符合学科惯例（脚注/尾注/正文标注）？
• [ ] 外国人名翻译是否准确统一？
• [ ] 历史文献的引用是否使用了原始版本或权威版本？
• [ ] 法律条文的引用是否准确、完整？
• [ ] 政策文件的引用是否注明了发布机关、文号、日期？

论证逻辑（社科专项）

• [ ] 理论框架是否清晰？是否基于成熟的学术理论？
• [ ] 概念界定是否清晰、操作化是否合理？
• [ ] 论证是否避免了循环论证？
• [ ] 价值判断与事实判断是否区分清晰？
• [ ] 研究结论是否注意了外部效度（推广性）的限制？
• [ ] 问卷调查是否考虑了共同方法偏差（CMB）并进行了检验（Harman 单因素检验等）？
• [ ] 缺失数据的处理方法是否说明（列表删除、多重插补等）？
• [ ] 定性研究是否报告了编码者间信度（inter-coder reliability）？
• [ ] 定性研究是否提供了审计痕迹（audit trail）？

评审意见书输出模板

本模板供 Phase 1 Step 3（生成评审报告）和最终输出使用。生成时替换所有 {...} 占位符为实际内容。

---

模板正文

# {学术/专业}{硕士/博士}学位论文评审意见书

## 论文基本信息

| 项目 | 内容 |
|------|------|
| 论文题目 | {论文标题} |
| 学位类型 | {学术/专业}{硕士/博士} |
| 学科领域 | {学科领域} |
| 评审日期 | {评审日期} |
| 论文总字数（估计） | {估计字数} |
| 章节数 | {章节数量} |

---

## 一、总体评价

{对论文的总体印象，2-3 段。涵盖：研究问题的价值与意义、研究工作的完整度、论文的主要优点、核心存在的问题、对论文当前状态的整体判断。}

{硕士论文应评价：是否"对所研究课题有新的见解"，是否"具有从事科学研究工作或独立担负专门技术工作的能力"。}
{博士论文应评价：是否"在科学和专门技术上作出了创造性的成果"，是否"具有独立从事科学研究工作的能力"。}

### 主要优点

- {优点1：具体说明}
- {优点2：具体说明}
- {更多优点...}

### 核心问题

- 🔴/🟡 {核心问题1：具体说明}
- 🔴/🟡 {核心问题2：具体说明}
- {更多核心问题...}

---

## 二、逐章评审

### 第 N 章：{章节标题}

**本章概要**：{1-2 句概括本章内容及其在全文中的作用}

**评审意见**：

| 标记 | 检查项 ID | 问题/意见 | 具体位置 | 改进建议 |
|------|-----------|-----------|----------|----------|
| 🔴 | [AQ-xx] | {严重问题描述} | {所在位置，如"第X页第X段"或"图X"} | {具体的改进方法和方向} |
| 🟡 | [FM-xx] | {需改进的问题} | {所在位置} | {具体的改进方法和方向} |
| 🟢 | [WQ-xx] | {做得好的方面} | {所在位置} | — |

{本章综合评语，1 段。总结本章的整体质量，指出最关键的改进方向。}

（每章重复上述结构）

---

## 三、专项评审

### 3.1 写作质量

{对全文逻辑连贯性、论证严密性、语言表达的整体评价。指出共性问题，给出改进方向。}

### 3.2 格式规范（依据 GB/T 7713.1-2006）

{论文结构完整性评价（是否包含独创性声明、中英文摘要、目录、正文、参考文献、致谢、作者简历等必要部分）。图表编排规范性（编号、标题、三线表、自明性）。参考文献格式是否符合 GB/T 7714-2015。页面设置、字体、行距、页眉页脚是否规范。公式编排是否符合规范。}

### 3.3 数据与图表

{数据呈现方式、统计分析规范性、图表质量的整体评价。}

### 3.4 学术诚信

{引用规范性评价。是否存在疑似抄袭、图片不当处理、数据可疑等问题。独创性声明是否完整。}

### 3.5 跨章一致性检查

| 检查项 | 状态 | 详情 |
|--------|------|------|
| 研究问题→结果对应 | 🟢/🔴 | {绪论提出的每个问题是否在结果/讨论中回应} |
| 方法→结果对应 | 🟢/🔴 | {方法中描述的工作是否都有结果呈现} |
| 引用↔文献列表一致性 | 🟢/🔴 | {正文引用与参考文献列表是否完全匹配} |
| 图表编号连续性 | 🟢/🔴 | {是否有跳号或重复编号} |
| 术语/缩略词一致性 | 🟢/🔴 | {全文术语使用是否一致} |

### 3.6 专业学位论文专项评价（仅专业学位论文）

{评价论文是否体现了解决实际问题的能力。研究课题是否来源于实际需求。成果是否有应用价值或转化前景。论文形式是否符合学校对专业学位的要求。}

---

## 四、修改优先级建议

### 必须修改（🔴）

1. {问题概述} — {改进方向和建议}
2. {问题概述} — {改进方向和建议}

### 建议修改（🟡）

1. {问题概述} — {改进方向和建议}
2. {问题概述} — {改进方向和建议}

### 值得肯定（🟢）

1. {亮点说明}
2. {亮点说明}

---

## 五、博士论文专项评审（仅博士学位论文）

### 5.1 原创性贡献评价

{评价论文的原创性贡献程度。是否构成对领域的实质性推进？贡献是否达到高水平期刊发表的水准？依据《学位法》，博士学位申请人应"在学术研究领域做出创新性成果"。}

### 5.2 独立研究能力评价

{评价作者是否展现了独立提出问题、设计方案、解决问题的能力。依据《学位法》，博士学位申请人应具有"独立从事学术研究工作的能力"。}

### 5.3 研究体系系统性评价

{评价多章研究之间的逻辑联系，是否形成完整的研究体系。}

### 5.4 文献综述深度评价

{评价文献综述是否体现了对领域发展脉络的全局理解。是否涵盖经典文献和最新进展。是否评述了学术争议。参考文献数量是否充足（≥150 篇）。}

### 5.5 讨论与展望深度评价

{评价讨论是否从宏观视角审视研究意义。理论意义阐述是否深入。未来研究方向是否具体可行。是否讨论了对相关领域的潜在影响。}

### 5.6 学术成果

{列出在读期间的学术成果，评价其与论文内容的关联性及是否满足毕业要求。}

---

## 六、盲审风险预警

{基于盲审评审标准（选题、创新性、学术性、规范性、写作水平）进行预判：}

| 评审维度 | 预估等级 | 风险说明 |
|----------|----------|----------|
| 选题意义 | {优/良/中/差} | {说明} |
| 创新性 | {优/良/中/差} | {说明} |
| 学术性/应用性 | {优/良/中/差} | {说明} |
| 规范性 | {优/良/中/差} | {说明} |
| 写作水平 | {优/良/中/差} | {说明} |

{盲审通过风险的总体判断。指出最可能被盲审专家质疑的方面。}

---

## 七、总结与下一步

{1-2 段总结。包含：对学生的整体评价和鼓励、修改的优先顺序建议、对修改工作量的大致判断、希望学生重点关注的方向。语气应兼具严谨和建设性。}

{博士论文额外补充：对论文达到博士学位水平的整体判断，以及距离答辩还需重点加强的方面。}

---

使用说明

1. Phase 1 Step 3 生成初版报告时，按此模板填充所有章节 2. Phase 2 交互精修时，在初版报告基础上修改 3. 最终版保存时，确保模板中所有 {...} 占位符已被替换为实际内容 4. 严重程度标记必须一致使用：🔴 严重问题 / 🟡 需改进 / 🟢 良好 5. "具体位置"列尽量精确到页码、段落、图表编号 6. 博士论文需填写「博士论文专项评审」部分，硕士论文跳过该部分 7. 专业学位论文需填写「专项评价」（3.6），学术学位论文跳过 8. 「盲审风险预警」始终包含——帮助学生在正式送审前发现风险 9. 生成时根据实际包含的部分重新编号（硕士跳过博士专项后，后续部分编号前移）

学位论文评审 (Thesis Reviewer)

English

系统化评审各学科硕士和博士学位论文的 AI 编程助手技能。导师和学生均可使用——导师用于生成结构化评审反馈，学生用于提交前自查、提前发现盲审风险。

适用对象

功能特点

多平台支持

支持所有主流 AI 编程助手平台：

工作流程

输入 .docx 文件
    │
    ▼
[预处理] markitdown 转换 → Markdown → 识别章节结构
    │
    ▼
[Phase 1: 自动深度分析]
    ├─ Step 1: 整体扫描（结构完整性、研究问题、全局印象）
    ├─ Step 2: 逐章 + 全局分析（170+ 检查项）
    ├─ Step 2b: 跨章一致性检查
    └─ Step 3: 生成初版评审报告
    │
    ▼
[Phase 2: 交互式精修]
    ├─ 逐章讨论具体问题
    ├─ 追问、调整意见、补充遗漏
    └─ 用户说"完成精修"生成最终版
    │
    ▼
[最终输出] 合并修改 → 保存最终评审意见书

前置依赖

• markitdown MCP — 用于将 .docx 转换为 Markdown

技能安装

Claude Code

# 全局安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.claude/skills/thesis-reviewer

# 项目级安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git .claude/skills/thesis-reviewer

OpenClaw / ClawHub

# 通过 ClawHub
clawhub install thesis-reviewer

# 手动安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.openclaw/skills/thesis-reviewer

# 项目级安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git skills/thesis-reviewer

Hermes Agent

# 安装到 research 分类
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.hermes/skills/research/thesis-reviewer

或在 ~/.hermes/config.yaml 中添加外部目录：

skills:
  external_dirs:
    - ~/myskills/thesis-reviewer

OpenAI Codex

# 用户级安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.agents/skills/thesis-reviewer

# 项目级安装
git clone https://github.com/Agents365-ai/thesis-reviewer.git .agents/skills/thesis-reviewer

OpenCode

git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.opencode/skills/thesis-reviewer

Pi-Mono

git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.pimo/skills/thesis-reviewer

SkillsMP

skills install thesis-reviewer

安装路径汇总

使用方法

直接提供论文文件：

帮我评审这篇硕士论文：/path/to/thesis.docx

或英文：

Review this master's thesis: /path/to/thesis.docx

技能将自动转换、分析并生成结构化评审报告。

触发关键词

• 中文：论文评审、学位论文、审阅论文、论文修改意见、硕士论文、博士论文、毕业论文
• 英文：thesis review、dissertation review、thesis feedback、PhD thesis、doctoral thesis

输出文件

评审维度

1. 学术质量

摘要、绪论/文献综述、材料与方法、结果、讨论、结论、创新性 — 包含实验设计、样本量、对照组、生物学重复等学科特有检查。

2. 写作质量

章节间逻辑连贯性、论证严密性（论点-论据-论证）、学术语言规范、中英文摘要质量。

3. 格式规范

章节完整性、图表规范（编号、标题、分辨率、三线表）、参考文献格式一致性、缩略词、生物学命名规范（基因名斜体）。

4. 数据与结果

图表类型选择、误差线/置信区间、统计检验方法（参数/非参数）、p 值标注、多重比较校正、图表质量（坐标轴、图例、色盲友好）、可重复性。

5. 学术诚信

抄袭检测、图片不当处理、数据可疑、引用规范、独创性声明完整性。

学科专项模块

博士论文附加维度

• 原创性贡献：原创贡献 vs 增量改进、高水平期刊/会议发表水准
• 独立研究能力：独立提出问题、设计研究、诊断问题的能力
• 研究体系系统性：多章研究间的逻辑联系、层层递进的深度
• 文献综述深度：对领域发展脉络的全局理解、经典与前沿文献覆盖、学术争议评述
• 学术成果与发表：在读期间发表/接收论文情况、与论文内容的关联性

文件说明

• SKILL.md — 核心技能指令，所有平台加载
• checklist.md — 五大维度通用评审检查清单
• output-template.md — 评审意见书输出模板
• disciplines/ — 学科专项检查模块（7 个学科）
• agents/openai.yaml — OpenAI Codex 专用配置
• README.md — 英文文档（GitHub 首页显示）
• README_CN.md — 本文件（中文文档）

已知限制

• 需要 markitdown MCP：技能依赖 markitdown MCP 工具进行 .docx 转换。如未安装，需手动将论文转为 Markdown。
• 超长文档：超过 8 万字的论文可能需要多轮读取。逐章分析的设计已缓解此问题。
• 格式检测：部分格式问题（图片分辨率、页眉页脚）无法从 Markdown 转换中完全检测，需人工检查。
• 输出语言：评审意见书使用简体中文输出，适用于中国高校学位论文评审场景。

许可证

MIT

支持作者

如果这个技能对你有帮助，欢迎支持作者：

<table> <tr> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/wechat-pay.png" width="180" alt="微信支付"> <br> <b>微信支付</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/alipay.png" width="180" alt="支付宝"> <br> <b>支付宝</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/buymeacoffee.png" width="180" alt="Buy Me a Coffee"> <br> <b>Buy Me a Coffee</b> </td> </tr> </table>

作者

Agents365-ai

• Bilibili: https://space.bilibili.com/441831884
• GitHub: https://github.com/Agents365-ai

Thesis Reviewer — Systematic Thesis Review for All Disciplines

中文文档

An AI coding agent skill for systematically reviewing master's and doctoral theses across all academic disciplines. Designed for both supervisors and students — supervisors use it to generate structured review feedback, students use it for pre-submission self-checks to catch issues before blind review.

Who is it for?

What it does

• Converts .docx thesis to Markdown via markitdown MCP, then reviews chapter by chapter
• Supports all disciplines with 7 discipline-specific review modules + universal framework
• Supports both master's and PhD theses — auto-detects degree type, adapts review standards
• Academic vs professional degree distinction per 2025 Degree Law
• 5 review dimensions: academic quality, writing quality, formatting (GB/T 7713.1), data & results, academic integrity
• Two-phase workflow: Phase 1 auto deep analysis → Phase 2 interactive refinement
• 149 universal checklist items + 22-34 discipline-specific supplements (170+ per review)
• PhD-specific evaluation: originality assessment, independent research capability, research system coherence, publication record
• Blind review risk assessment: predicts potential issues across 5 review dimensions
• Severity markers: 🔴 Serious / 🟡 Needs improvement / 🟢 Good — no ambiguous numeric scores
• Cross-chapter consistency checks: questions↔results, methods↔data, citations↔references
• Prioritized revision roadmap — students know exactly what to fix first
• National standards aligned: GB/T 7713.1-2006, GB/T 7714-2015, GB 3100-3102-93

Multi-Platform Support

Works with all major AI coding agents that support the Agent Skills format:

Comparison

vs No Skill (native agent)

How it works

Input .docx
    │
    ▼
[Preprocessing] markitdown → Markdown → identify chapter structure
    │
    ▼
[Phase 1: Auto Deep Analysis]
    ├─ Step 1: Overall scan (structure, research question, global impression)
    ├─ Step 2: Chapter-by-chapter + global analysis (170+ checklist items)
    ├─ Step 2b: Cross-chapter consistency checks
    └─ Step 3: Generate draft review report
    │
    ▼
[Phase 2: Interactive Refinement]
    ├─ Discuss specific chapters in depth
    ├─ Ask follow-up questions about specific issues
    ├─ Adjust severity markers, add/remove opinions
    └─ User says "完成精修" to finalize
    │
    ▼
[Final] Merge all changes → save final review report as Markdown

Review Dimensions

1. Academic Quality

Abstract, introduction/literature review, materials & methods, results, discussion, conclusion, innovation — with domain-specific checks for experimental design, sample size, controls, and biological replicates.

2. Writing Quality

Logical coherence between chapters, argumentative rigor (claim-evidence-reasoning), academic language standards, abstract quality (Chinese + English).

3. Formatting

Chapter completeness, figure/table standards (numbering, titles, resolution, three-line tables), reference format consistency, abbreviations, biological nomenclature (gene names in italics).

4. Data & Results

Appropriate chart types, error bars/confidence intervals, statistical test selection (parametric vs non-parametric), p-value notation, multiple comparison correction, figure quality (axis labels, legends, color-blind friendly), reproducibility.

5. Academic Integrity

Plagiarism detection, image manipulation, data fabrication, citation ethics, originality declaration completeness.

Discipline-Specific Modules

PhD-Specific Dimensions (additional)

• Originality: original contribution vs incremental improvement, publishability at high-impact journals/conferences
• Independent research capability: ability to formulate questions, design research, diagnose problems
• Research system coherence: logical connections between multi-chapter studies, progressive depth
• Literature review depth: field-level understanding, coverage of classic and cutting-edge work, critical evaluation of debates
• Publication record: papers published/accepted during candidacy, relationship to thesis content

Prerequisites

• markitdown MCP — required for .docx to Markdown conversion

Skill Installation

Claude Code

# Global install (available in all projects)
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.claude/skills/thesis-reviewer

# Project-level install
git clone https://github.com/Agents365-ai/thesis-reviewer.git .claude/skills/thesis-reviewer

OpenClaw / ClawHub

# Via ClawHub
clawhub install thesis-reviewer

# Manual install
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.openclaw/skills/thesis-reviewer

# Project-level install
git clone https://github.com/Agents365-ai/thesis-reviewer.git skills/thesis-reviewer

Hermes Agent

# Install under research category
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.hermes/skills/research/thesis-reviewer

Or add an external directory in ~/.hermes/config.yaml:

skills:
  external_dirs:
    - ~/myskills/thesis-reviewer

OpenAI Codex

# User-level install
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.agents/skills/thesis-reviewer

# Project-level install
git clone https://github.com/Agents365-ai/thesis-reviewer.git .agents/skills/thesis-reviewer

OpenCode

# Global install
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.opencode/skills/thesis-reviewer

Pi-Mono

# Global install
git clone https://github.com/Agents365-ai/thesis-reviewer.git ~/.pimo/skills/thesis-reviewer

SkillsMP

skills install thesis-reviewer

Installation paths summary

Usage

Just provide your thesis file:

Review this master's thesis: /path/to/thesis.docx

Or in Chinese:

帮我评审这篇硕士论文：/path/to/thesis.docx

The skill will automatically convert, analyze, and generate a structured review report.

Trigger Keywords

• Chinese: 论文评审, 学位论文, 审阅论文, 论文修改意见, 硕士论文, 博士论文, 毕业论文
• English: thesis review, dissertation review, thesis feedback, PhD thesis, doctoral thesis

Output Files

Files

• SKILL.md — main skill instructions, loaded by all platforms
• checklist.md — universal review checklist across 5 dimensions (loaded by SKILL.md during review)
• output-template.md — review report output template (loaded by SKILL.md for report generation)
• disciplines/ — discipline-specific review modules:
• life-sciences.md — biology, biomedical, ecology, agriculture
• medicine.md — clinical medicine, public health, pharmacy
• cs-ai.md — computer science, AI, machine learning
• engineering.md — mechanical, electrical, chemical, civil engineering
• chemistry.md — chemistry, materials science
• physics.md — theoretical, experimental, computational physics
• social-sciences.md — economics, management, law, education, psychology
• agents/openai.yaml — OpenAI Codex-specific configuration
• README.md — this file (English, displayed on GitHub homepage)
• README_CN.md — Chinese documentation

Note: SKILL.md, checklist.md, output-template.md, and disciplines/ are needed for the skill to work. agents/openai.yaml is only needed for Codex. The README files are documentation only.

Known Limitations

• Requires markitdown MCP: The skill depends on the markitdown MCP tool for .docx conversion. Without it, you must manually convert the thesis to Markdown first.
• Long documents: Very long theses (>80,000 words) may require multiple reading passes due to context window limits. The chapter-by-chapter approach mitigates this.
• Formatting detection: Some formatting issues (image resolution, page headers) cannot be fully detected from the Markdown conversion and may need manual checking.
• Language: Review output is in Simplified Chinese, designed for Chinese university thesis review workflows.

License

MIT

Support

If this skill helps you, consider supporting the author:

<table> <tr> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/wechat-pay.png" width="180" alt="WeChat Pay"> <br> <b>WeChat Pay</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/alipay.png" width="180" alt="Alipay"> <br> <b>Alipay</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/buymeacoffee.png" width="180" alt="Buy Me a Coffee"> <br> <b>Buy Me a Coffee</b> </td> </tr> </table>

Author

Agents365-ai

• Bilibili: https://space.bilibili.com/441831884
• GitHub: https://github.com/Agents365-ai