1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | Sciwrite |
| 项目自述名称 | SciWrite — Manuscript Writing Review |
| 作者/维护者 | Lorena A. Barba（George Washington University 工程学院教授） |
| 来源链接 | https://github.com/labarba/sciwrite |
| 许可证 | CC BY 4.0（来自 GitHub API） |
| GitHub Stars | 789（来自 GitHub API） |
| Forks | 101（来自 GitHub API） |
| 最新版本 | 未发布正式 tag/release，以最新提交为准（2026-08-03） |
| 安装方式 | 下载仓库 ZIP 或 SKILL.md 文件，放入对应 agent 的 skills 目录 |
2. 功能介绍与亮点
Sciwrite 是一个专注于科学/工程类论文写作质量审校的 Agent Skill，把 Stanford 大学 Dr. Kristin Sainani 开设的 Writing in the Sciences 课程方法论（30 讲视频课程内容）系统编码为五道连续审校工序：
- 冗词提取：识别并替换“套话”（如 “due to the fact that” → “because”）、多余修饰语、可删除的引导句。
- 主动语态与动词活力：识别被动语态与“名词化”（动词被压缩成名词短语，如 “provides a review of” → “reviews”），并给出何时应保留被动语态的判断标准。
- 句子结构：审查主谓间隔过长（“谓语被埋没”）、标点使用效率、句长变化。
- 关键词一致性：核查 Methods 中定义的术语在 Results/Discussion/图表标题中是否被同义词替换（“香蕉规则”），并审查缩写是否在每处首次出现时定义。
- 数值与引用完整性：核查摘要与正文/表格数字是否一致，并追踪“二手引用”（仅通过综述而非原始文献引用的统计数字）。
该技能提供四种审校模式（全文审校、单节审校、指定维度审校、逐段交互式审校），输出结构化报告并按 CRITICAL/MAJOR/MINOR 分级标注问题。技能明确声明不改动科学内容本身，只处理表达层面。
主要亮点：
- 方法论来源可溯源、可公开验证（课程视频以 CC-BY 许可发布于 YouTube），不是凭空编造的“最佳实践”清单。
- README 记录了该技能的完整制作过程（agentic browser 提取课程链接、NotebookLM 提炼讲义、Claude 转换为 SKILL.md），透明度较高。
- 依托 George Washington University 工程学院 “GW Engineering AI Academy” 项目发布，作者身份可核实。
- 纯 Markdown 实现，无需任何脚本依赖或网络配置。
3. 适用场景
所属分类：内容创作与知识管理
适用于需要提交学术论文、毕业论文、技术报告的研究者与研究生，尤其是英语非母语作者或初次投稿者——这类用户往往缺乏系统的科学写作训练，且难以自我审校。具体场景包括：期刊投稿前的语言润色、导师反馈后的逐段修改、毕业论文写作规范统一，以及作为教学工具帮助学生理解科学写作的具体准则。
4. 跨 Agent 兼容性
- Claude Code：原生支持——README 给出
.claude/skills/manuscript-review/SKILL.md的安装路径与使用步骤。 - Codex / OpenClaw / Hermes Agent：未验证，仓库未提及。技能是纯 Markdown、遵循 agentskills.io 开放标准，不依赖 Claude 专有能力，理论上可迁移，但缺乏直接确认。
5. 推荐理由
多数科学写作类 skill 停留在“帮你写”（生成初稿、扩写段落），Sciwrite 做的是更少见但同样重要的“帮你审”——把一位受过系统训练的编辑会挑的问题，转化成可重复执行的审校流程。它把“写作质量”从模糊的主观感受，拆解成五个可核查、可解释、可学习的维度，适合缺乏科学写作训练、但需要产出达到期刊发表水准文字的研究者。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | GitHub 789 stars，落在 200–1k 区间；101 个 fork（占比约 12.8%）显示有相当比例的用户在实际复用/改造而非仅star收藏，但未查到独立于仓库本身的第三方评测或讨论 |
| 可用性 | 9 | 单文件 SKILL.md，复制/下载 ZIP 即可用，不需要额外安装任何软件包或申请密钥；README 与 HOW-TO-USE.md 提供完整安装步骤、示例 prompt 与“该技能不做什么”的边界说明；最近一次提交为 2026-08-03 |
| 安全性 | 9 | 纯提示词/模板类技能，无任何脚本、无代码执行、无网络外发、无需 API key |
安全检查清单：
① Shell 命令执行：无——全文纯 Markdown 指令，无 scripts/ 目录
② 运行时联网：无
③ API key/凭据：不涉及
④ 可疑指令/注入迹象：逐段审阅 SKILL.md、README、HOW-TO-USE.md 全文，未发现可疑指令
⑤ 作者信誉：Lorena Barba 为 George Washington University 工程学院在职教授，身份及所属课程（MAE 6291）可公开核实，无造假迹象
⑥ License：CC BY 4.0，明确
⑦ 最近维护：2026-08-03，活跃
7. 跟同类 Skills 相比的优势
| Skill | 定位 | 与 Sciwrite 的差异 |
|---|---|---|
| Humanizer（blader/humanizer） | 消除文本中的 AI 生成痕迹 | 目标是“去 AI 味”而非提升科学论文的表达精确度，不覆盖被动语态、术语一致性、数值核查等科学写作专项审校 |
| avoid-ai-writing（conorbronsdon） | 审计并改写内容以去除 AI 写作模式 | 同为通用型“去 AI 味”工具，面向所有类型内容，未针对科学论文的引用完整性、关键词一致性等场景设计专项审校流程 |
| research-writing-skill（zLanqing/codex-claude-academic-skills 子技能） | 中文优先的论文写作、润色、投稿回复辅助 | 定位偏“帮你写/改”，面向中文用户；Sciwrite 只做“审校”单一环节，方法论可公开验证，以英文科学写作规范为核心 |
| Research-Paper-Writing-Skills（master-cai） | ML/CV/NLP 领域论文写作技能包 | 面向机器学习细分领域的论文写作全流程，偏内容生成；Sciwrite 面向所有学科的表达层面审校，边界更聚焦 |
8. 用户评价
该技能目前在 GitHub Issues 中仅有 2 条记录，内容与本技能主题无关（非真实使用反馈）；第三方平台尚无具名用户评价。
9. 安装使用方式
Claude Code（推荐）：
mkdir -p .claude/skills/manuscript-review
cp SKILL.md .claude/skills/manuscript-review/SKILL.md之后在项目目录内启动 claude，直接要求“review the writing quality of draft.tex”等即可触发。
Claude.ai（账号级）：在 Customize → Skills 中上传本仓库 ZIP（需保留 sciwrite/SKILL.md 的目录结构）。
其他 agent：将 SKILL.md 正文（YAML header 之后部分）粘贴进任意支持自定义系统指令/长期指令的助手。
安装后无需重启，下一次对话中提出“审校我的论文写作”类请求即可自动触发；也可指定“只检查被动语态”等单一维度的定向审校。
10. 注意事项
- 仅审校表达层面，不判断科学内容、方法学、统计分析或引用格式是否正确。
- 无正式版本号与 Release 记录，更新历史需通过提交记录追踪。
- 未在 Codex / OpenClaw / Hermes Agent 上得到官方或第三方验证，纯 Markdown 格式理论上可迁移，但实际效果需自行测试。
- 默认按英文科学写作规范审校，不同期刊、学科的风格要求需用户自行在提问时补充或按 README 建议扩展 SKILL.md。