491034170/expert-review-panel

# expert-review-panel [](https://github.com/491034170/expert-review-panel/releases/latest) [](https://github.com/491034170/expert-review-panel/actions/workflows/ci.yml) [](./LICENSE) [](https://docs.claude.com) 快速链接： - 最新发布： - 主技能说明：[`SKILL.md`](./SKILL.md) - 反群体思维设计：[`references/anti-groupthink.md`](./references/anti-groupthink.md) - 输出自检脚本：[`scripts/check_four_piece.py`](./scripts/check_four_piece.py) ## English Quickstart ### What you get This skill runs a strict review workflow instead of a polite “looks good overall” pass. It produces: - A full expert-by-expert review - A priority-sorted issue list tagged `P0 / P1 / P2` - A clear `GO / CONDITIONAL GO / NO-GO` verdict - Critiques forced to follow the “four-piece rule”: `location + evidence + reason + concrete fix direction` ### Best-fit use cases - Academic papers and thesis drafts - Business plans and pitch decks - Code review and technical design review - Competition submissions and defense materials - Creative writing and long-form content ### Example prompts - “Peer review this abstract like a harsh SSCI reviewer.” - “Red-team this pitch deck before investor meetings.” - “Review this code like a security auditor and principal architect.” - “帮我严审这份论文，看现在能不能投。” - “这份 BP 有没有会被投资人一票否决的硬伤？” ### Install Option 1 — download the packaged skill: 1. Open Releases: 2. Download `expert-review-panel-.skill` or `expert-review-panel.skill` 3. Drag the `.skill` file into Claude Desktop / Claude Code Option 2 — install from source: ``` git clone https://github.com/491034170/expert-review-panel.git ~/.claude/skills/expert-review-panel ``` Then restart Claude and invoke it with a review request. ### Why this is different The main failure mode of LLM-based “multi-expert review” is not disagreement — it is shared blindness. Multiple simulated experts can still miss the same flaw because they come from the same base model. This repo explicitly counters that with anti-groupthink mechanisms such as blind review, Devil’s Advocate hard rules, minority-opinion protection, unanimous-check warnings, and chair self-challenge. See [`references/anti-groupthink.md`](./references/anti-groupthink.md). ## 中文说明 ### 它解决什么问题 大多数“帮我看看”式反馈的问题不是不友善，而是太温和、太空泛、太像安慰。真正要命的不是“文风可以更清晰”，而是： - 论证链条里有断点，但没人直说 - 商业计划里有一票否决项，但没人点穿 - 代码里有生产级隐患，但 review 停留在表面 - 参赛材料方向跑偏，但答辩前没人扮演真正挑刺的评委 `expert-review-panel` 的目标，就是在“正式提交之前”先做一次高压预审。 ### 你会拿到什么 调用这个 skill 后，默认不是得到一段温和总结，而是得到三类可执行产物： 1. 完整专家报告：每位专家从自己的角色出发独立发言 2. 优先级问题清单：按 `P0 / P1 / P2` 排序，先改最致命的 3. 明确裁决：`GO / CONDITIONAL GO / NO-GO` 并且每条负面意见都必须尽量满足“四件套”： - 位置 - 证据 - 原因 - 修改方向 ### 适用场景 | 作品类型 | 典型场景 | |---------|---------| | 中文学术论文 | SCI/SSCI/CSSCI 投稿、硕博论文、期刊外审模拟 | | 英文学术论文 | Nature/Science、顶会（NeurIPS/ACL/CVPR）、基金申请、PhD 答辩 | | 商业方案 / PPT | A 轮路演、BP 内审、投决会前 dry-run | | 代码 / 技术方案 | 上线前 code review、架构评审、安全审计 | | 参赛材料 | 互联网+、挑战杯、美赛、各类 PPT 答辩 | | 创意文案 | 剧本、长文、广告创意 | ### 核心设计 这个 skill 不是靠“多说几句狠话”来显得严格，而是靠结构化约束来减少 LLM 常见失守。 四条底层原则： 1. 禁止空话套话 - 每条负面意见都尽量满足“四件套”：位置 + 证据 + 原因 + 修改方向。 2. 动态组队，拒绝万金油 - 论文、BP、代码、创意稿调用的是不同专家库，不用同一套“通用点评人”糊弄全部场景。 3. 反群体思维 - 通过盲评、DA 硬规则、一致通过警示、少数意见保护、主席自我对抗等机制，降低“一起漏判”的风险。 4. 最终必须下结论 - 不是“建议再优化一下”，而是明确给出 `GO / CONDITIONAL GO / NO-GO`。 ### 五阶段工作流 ``` 阶段 0 接收与分诊 → 搞清作品类型 + 目标场景 + 规模档位 阶段 1 独立评审 → 每位专家盲评，打 P0/P1/P2 + 置信度 阶段 2 交叉辩论 → 1-2 轮，暴露分歧，魔鬼代言人登场 阶段 3 主席裁决 → 打认识论标签、按场景校准阈值、下结论 阶段 4 输出 + 自检 → 报告交付前跑 scripts/check_four_piece.py ``` ### 为什么这个仓库更适合公开分发 除了 skill 本体，这个仓库还附带了一层“自己审自己”的基础设施： - `evals/evals.json`：3 条基础测试用例 - `scripts/check_four_piece.py`：对输出进行格式层面的自动校验 - GitHub Actions CI：自动检查脚本可运行、样例报告可通过 / 可失败 这意味着它不是只有一份 prompt 文档，而是带了基本质量闸门的可维护 repo。 ### 目录结构 ``` expert-review-panel/ ├── SKILL.md # 主入口（skill YAML + 工作流） ├── references/ # 按作品类型分库 │ ├── academic-chinese.md │ ├── academic-english.md # 含 PhD Supervisor / External Examiner │ ├── business-docs.md │ ├── code-tech.md │ ├── competition.md │ ├── creative-works.md │ └── anti-groupthink.md # 反群体思维 6 条硬机制 ├── assets/ # 输出模板 │ ├── review-report-template.md │ ├── priority-list-template.md │ └── verdict-template.md ├── scripts/ # 后处理校验 │ ├── check_four_piece.py # 四件套/裁决/标签/占位符检查 │ └── README.md ├── evals/ │ └── evals.json # 3 个测试用例 ├── tests/ │ └── fixtures/ │ ├── valid-review-report.md # CI 正向样例 │ └── invalid-review-report.md # CI 反向样例 └── .github/workflows/ └── ci.yml # 自动校验 workflow ``` ### 快速上手 #### 方式 1：从 Releases 安装 `.skill` 打开： 推荐下载： - `expert-review-panel-.skill`：版本化安装包，适合分发与归档 - `expert-review-panel.skill`：latest 别名包，适合直接安装 - `expert-review-panel-repo.tar.gz`：源码快照，适合离线备份 #### 方式 2：本地安装到 Claude Code / Claude Desktop ``` git clone https://github.com/491034170/expert-review-panel.git ~/.claude/skills/expert-review-panel ``` 重启 Claude，然后对话里说： - “帮我严审这份论文” - “这份 BP 还有哪些致命漏洞？” - “review 一下这段代码，按生产标准来” 即可触发。 #### 方式 3：自检你自己写的评审报告 ``` python scripts/check_four_piece.py your-review-report.md ``` 四项检查全绿才算合格交付： - 明确裁决 - P0 / P1 / P2 标签 - 四件套关键词密度 - 无模板占位符残留 ### CI / 自动校验 仓库内置 GitHub Actions： - 自动编译检查 `scripts/check_four_piece.py` - 自动验证 `evals/evals.json` 结构 - 自动对正向样例运行校验并要求通过 - 自动对反向样例运行校验并要求失败 工作流文件见：[`.github/workflows/ci.yml`](./.github/workflows/ci.yml) ### 版本历史 - **v1.1.1**（当前）——仓库与分发层补强版 - 新增 GitHub Actions CI workflow - 新增正向 / 反向样例报告，自动校验 validator 行为 - README 首页重写，补全 releases / 安装 / 质量闸门说明 - 修复 `check_four_piece.py` 中 `CONDITIONAL GO` 被重复识别为 `GO` 的问题 - **v1.1**——基于 v1.0 自审结果的修补版 - DA 硬规则（援引具体证据 / 可检验反例 / 指名对象 / 反驳边界） - 学位论文 Supervisor + External Examiner 补齐 - 规模档位（轻量 3 人 / 标准 4 人 / 深度 6-8 人） - 场景相对阈值表（顶级 / 标准 / 宽松） - 模板占位符硬规定 - **v1.0**——首版，含 5阶段工作流 + 6 套专家库 + 反群体思维 playbook + 自检脚本 ### 灵感来源 本 skill 设计时参考了 GitHub 上三个开源先例的思路： - [`wan-huiyan/agent-review-panel`](https://github.com/wan-huiyan/agent-review-panel)——4–6 人对抗评审 + Supreme Judge 的工程实现 - [`andrehuang/academic-writing-agents`](https://github.com/andrehuang/academic-writing-agents)——学术写作专用 12 Agent，Review-then-Act 模式 - [`Imbad0202/academic-research-skills`](https://github.com/Imbad0202/academic-research-skills)——7 Agent 含 Devil's Advocate，0-100 评分 + Accept/Minor/Major/Reject 分层 本项目在以上基础上强化了两件事： - 跨作品类型的动态组队 - 中文学术 / 参赛场景的本地化 ### 贡献 欢迎 issue 和 PR： - 新增专家库（如医学论文、法律文书、游戏设计文档等）→ 在 `references/` 下加一个新的 `.md`，遵循“专家阵容 + 常见致命缺陷库 + 严苛度校准”三节结构。 - 新增测试用例 → 在 `evals/evals.json` 里加一条。 - 反群体思维机制改进 → PR 到 `references/anti-groupthink.md`，最好带一个真实失守案例说明为什么需要这条。 ### License [MIT](./LICENSE) — 自由用、自由改，保留版权声明即可。 **Built by 王鑫 · Powered by Claude Skill**

标签：AI 辅助评审, Anthropic, CIS基准, Claude Skill, GO CONDITIONAL GO NO-GO, location evidence reason concrete fix, SEO: 代码审计, SEO: 商业计划审查, SEO: 竞赛提交检查, SEO: 论文预审, 专家评审, 严苛审查, 代码审查, 创意写作, 反群体思维, 同行评审, 商业计划书, 四要素规则, 学术写作, 技术设计评审, 投融资评审, 竞赛提交, 论文审稿, 评审, 逆向工具, 预提交审查