Thesis Reviewer
Systematically reviews and evaluates master's and doctoral theses across all disciplines with discipline-specific standards and comprehensive feedback
Free to install — no account needed
Copy the command below and paste into your agent.
Instant access • No coding needed • No account needed
What you get in 5 minutes
- Full skill code ready to install
- Works with 7 AI agents
- Lifetime updates included
Run this helper
Answer a few questions and let this helper do the work.
▸Advanced: use with your AI agent
Description
--- name: thesis-reviewer description: > Use when the user wants to review, evaluate, or provide feedback on a master's or doctoral thesis (硕士/博士学位论文). Triggers on keywords like "论文评审", "学位论文", "thesis review", "审阅论文", "论文修改意见", "硕士论文", "博士论文", "毕业论文", "doctoral thesis", "PhD thesis". Supports all disciplines with discipline-specific review modules (life sciences, medicine, CS/AI, engineering, chemistry, physics, social sciences). Full-spectrum review: academic quality, writing quality, formatting, data analysis, and academic integrity. Adapts review standards based on degree level and discipline. 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 ```dot 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: ```bash 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:** | 学科 | 文件 | |------|------| | 生命科学 | `disciplines/life-sciences.md` | | 医学 | `disciplines/medicine.md` | | 计算机/AI | `disciplines/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)
Security Status
Scanned
Passed automated security checks
Related AI Tools
More Career Boost tools you might like
ru-text — Russian Text Quality
FreeApplies professional Russian typography, grammar, and style rules to improve text quality across content types
/forge:工作流总入口
Free'Forge 工作流总入口。检查项目状态,推荐下一步该用哪个 skill。任何时候不知道下一步该干什么,就用 /forge。触发方式:用户说"forge"、"下一步"、"接下来做什么"、"继续"(在没有明确上下文时)。'
TypeScript React & Next.js Production Patterns
FreeProduction-grade TypeScript reference for React & Next.js covering type safety, component patterns, API validation, state management, and debugging
Charles Proxy Session Extractor
FreeExtracts HTTP/HTTPS request and response data from Charles Proxy session files (.chlsj format), including URLs, methods, status codes, headers, request bodies, and response bodies. Use when analyzing captured network traffic from Charles Proxy debug
Java Backend Interview Simulator
FreeSimulates realistic Java backend technical interviews with customizable interviewer styles and candidate levels for Chinese tech companies
AI News & Trends Intelligence
FreeFetches latest AI/ML news, trending open-source projects, and social media discussions from 75+ curated sources for comprehensive AI briefings