claesbackman/AI-research-feedback

解決的問題

本專案提供一系列專為學術研究者設計的AI驅動工具，協助研究者在提交前提升研究品質。透過自動化同行審查、可重現性檢查與補助金申請書評估等嚴謹流程，減少手動提交前審核的需求，幫助研究者識別其論點、數學或程式碼一致性方面的弱點。

如何運作

本專案由一系列專為 Claude Code 設計的「技能」組成。這些技能以 Markdown 檔案形式安裝在 Claude Code 環境中，並透過斜線指令（例如 /review-paper）觸發。根據不同技能，系統會採用不同的多代理架構——例如，對完整論文使用 8 代理並行審查，對補助金申請書使用 6 代理小組——來分析 LaTeX 檔案、分析程式碼（Stata、R、Python）與支援文件。系統還能模擬特定期刊角色（例如 AER、QJE），使回饋更貼合特定編輯標準。

適用對象

特別適用於使用 LaTeX 撰寫論文的經濟學與金融學領域的學術研究者，他們需要對論文、預分析計畫與補助金申請書獲得高品質、批判性的回饋。

主要亮點

• 多代理同行審查：模擬完整的編輯委員會，配置專注於語法、內部一致性、數學，以及「支持者」與「質疑者」對立觀點的專門代理。
• 論文-程式碼一致性檢查：專門檢查 LaTeX 論文中的實證主張是否在附帶的分析程式碼中準確反映。
• 補助金與預分析計畫（PAP）審查：針對 NSF、NIH、ERC 等補助金申請書與預分析計畫（PAP）的專用工作流程。
• 程式碼變更說明器：產生一個離線 HTML 頁面並附帶測驗，幫助共同作者理解研究流程中程式碼變更的實證後果。