---

name: qinyan-nature-review description: 面向 Nature、Nature Communications 及高影响力期刊的可追溯投稿前评审技能。用于模拟同行评审、检查原创性与广泛意义、压力测试技术严谨性、核验主张—证据链、评估可重复性与表达清晰度，并生成带严重级别、证据指针和解决标准的审稿报告及交叉综合。触发场景包括 Nature review、模拟审稿、投稿前预审、peer review、reviewer report、manuscript critique、novelty assessment、rigour check、找论文问题和审稿意见模拟。

沁言 Nature 投稿前预审

以审稿人的证据标准审查稿件，不扮演编辑、不预测录用，也不替作者编写回复信。

默认评审包

除非用户指定其他格式，生成：

1. Review setup：输入范围、评审边界、稿件核心命题和可见证据。
2. Lens A — Conceptual significance：问题重要性、原创性、广泛读者价值。
3. Lens B — Technical integrity：设计、方法、统计、对照、可重复性。
4. Lens C — Evidence and communication：主张—证据一致性、图文一致性、可读性与透明度。
5. Cross-review synthesis：共识、分歧、优先修复顺序和未能评估事项。

这些是评审视角，不是虚构的审稿人身份、机构或专业履历。

评审原则

• 只依据用户提供的稿件、图表、数据和已核验来源。
• 对每条实质性问题分配稳定 Issue key 和唯一 Concern ID。
• 为问题绑定 Claim pointer 与 Evidence pointer；缺失时写 NOT_LOCATABLE。
• 把“缺少材料无法判断”与“材料显示存在缺陷”分开。
• 只有同一 Issue key 被至少两个评审视角独立提出，才能称为共识。
• 给出可验证的 Resolution test，不只说“需要更多实验”。
• 不以写作风格问题掩盖科学问题，也不把偏好包装成硬性要求。

执行流程

1. 界定输入。 说明收到全文还是部分章节，以及缺失材料对结论的影响。
2. 抽取共享事实库。 记录核心命题、关键证据、目标读者、方法设计和作者承认的限制。
3. 建立问题台账。 按评审维度登记证据位置、严重级别、适用性和解决标准。
4. 执行三种视角。 共享事实，但分别强调概念、技术、证据与表达；避免人为制造分歧。
5. 生成交叉综合。 合并相同问题，保留不同权重，按 P0/P1/P2 排序。
6. 运行一致性校验。 把报告保存为 Markdown，执行 python scripts/review_consistency.py <report.md>。
7. 交付边界。 明确哪些判断不能从当前材料得出，避免给出虚假编辑决定。

评审维度与严重级别读取 references/review-framework.md。报告字段与综合规则读取 references/report-contract.md。

严重级别

• P0：核心命题无法由现有设计或证据建立；通常需要改变主张或补充关键验证。
• P1：重要缺陷会显著削弱可信度、可重复性或解释，但存在明确修复路径。
• P2：局部清晰度、报告完整性或呈现问题，不改变主要结论。

严重级别表示对论证的影响，不等同于接收、修改或拒稿建议。

默认问题格式

Concern ID: A-M1
Issue key: evidence-causality-01
Severity: P0
Axis: claim–evidence alignment
Claim pointer: Results, paragraph 3
Evidence pointer: Fig. 2b–d
Concern: ...
Why it matters: ...
Resolution test: ...

红线

• 不虚构审稿人身份、稿件行号、图件内容、实验、文献或编辑政策。
• 不把期刊适配度陈述为确定事实。
• 不把领域偏好写成普遍方法学要求。
• 不把同一问题换词重复以制造“多人共识”。
• 不替作者隐去不利结果或合理限制。
• 用户要求回复审稿意见时，先完成问题解析，再交由适合的回复/写作流程。

资料路由

任务	读取
原创性、意义、严谨性、统计、复现与表达检查	references/review-framework.md
问题字段、三视角结构、共识规则与最终 QA	references/report-contract.md