claesbackman/AI-research-feedback

解决的问题

本项目提供一系列专为学术研究者设计的AI驱动工具，帮助他们在提交前提升研究质量。通过自动化同行评审、可复现性检查和资助申请书评估等严格流程，减少手动提交前审计的需求，帮助研究者识别其论点、数学或代码一致性方面的弱点。

如何工作

该项目由一系列专为 Claude Code 设计的「技能」组成。这些技能以 Markdown 文件形式安装在 Claude Code 环境中，并通过斜杠命令（例如 /review-paper）触发。根据具体技能，系统采用不同的多智能体架构——例如，对完整论文使用 8 智能体并行评审，对资助申请书使用 6 智能体评审小组——来分析 LaTeX 文件、分析代码（Stata、R、Python）和辅助文档。系统还能模拟特定期刊角色（如 AER、QJE），使反馈更贴合特定编辑标准。

适用人群

尤其适用于使用 LaTeX 撰写论文的经济学与金融学领域的学术研究者，他们需要对论文、预分析计划和资助申请书获得高质量、批判性的反馈。

主要亮点

• 多智能体同行评审：模拟完整的编辑委员会，配备专注于语法、内部一致性、数学以及“支持者”与“质疑者”对立视角的专门智能体。
• 论文-代码一致性检查：专门检查 LaTeX 论文中的实证主张是否在配套分析代码中准确反映。
• 资助与预分析计划（PAP）评审：针对 NSF、NIH、ERC 等资助申请书和预分析计划（PAP）的专用工作流程。
• 代码变更解释器：生成一个离线 HTML 页面并附带测验，帮助合作者理解研究流程中代码变更的实证后果。