装了 13 个
科研 Skills，
离一篇好论文
还有多远？

每个 Skill 真正擅长什么？

按选题、文献、分析、图表、写作和投稿支持来看，不被名字迷惑。

为什么“逐个完成”仍可能出错？

因为同一概念、变量和版本，要跨越很多独立任务。

工程化究竟多做了什么？

让输入、输出、检查、状态、责任人和恢复方式都能被追踪。

statistical-analysis

检验选择、假设检查、效应量、功效和规范报告。

不会替作者决定研究问题、变量含义或因果范围。

scientific-visualization

保留原始数据、变换、缺失值、导出信息和可访问性检查。

自动报告不能成为科学正确或期刊合规证书。

nature-figure

图契约、Python/R 路径、统计完整性与图形 QA。

图形 QA 不能证明上游研究设计和数据正确。

nature-writing

论点先行；证据不足时用占位符；维护术语与边界。

nature-polishing

改善英文、结构、翻译和版式；润色后仍要复核事实与论断强度。

nature-reviewer

模拟多重点审查；上游新版要求隔离上下文、互盲并冻结后综合。

模型报告不等于真实专家或编辑决定。

nature-response

编号意见、逐条回应、定位修改并标记作者缺项。

必须核对声称的修改确实存在。

nature-data

数据声明、仓库计划、数据集引用与 FAIR 元数据。

声明不等于数据已上传或可复现。

nature-paper2ppt

从论文提炼中文 PPTX、讲稿和展示 QA。

汇报质量不能提升原研究证据。