会议友好论文的闭环写作与 AI 评审模拟（Claude Code / Codex / OMP 通用）
写会议论文（ICLR/NeurIPS/ICML/AAAI …）的"单一入口"技能：从笔记/提纲搭出 LaTeX 论文骨架，按经实证的修辞清单写作（arXiv 2608.08975 —— 哪些修辞维度会移动 AI 审稿人的评分、移动多少），再用
scripts/verify_paper.py闭环校验：确定性检查（编译、结构、引用、摘要、占位符）+ 可选的 AI 评审模拟（standard / strict 双协议），迭代到 exit 0。THE go-to skill for writing/improving conference papers: scaffold → evidence-first writing with the verified rhetoric playbook → closed-loop verification → optional AI-review simulation, iterated until exit 0.
👤 杨昊波 (Haobo Yang) · github.com/yhbcode000
| 🏷️ 场景 | 说明 |
|---|---|
| ✍️ 论文写作 Paper Writing | 从 notes/提纲/已有 TeX 项目产出投稿级 main.tex + appendix.tex |
| 🎭 AI 评审模拟 AI Review Simulation | 任意 OpenAI 兼容 API 模拟顶会审稿（OA/soundness/presentation/contribution + 6 维修辞评分） |
| ✅ 闭环校验 Closed-loop Verification | 编译 / 结构 / 占位符 / 摘要长度 / 引用解析 / 数值声明 全自动检查，修复后重跑到 exit 0 |
| 🔁 投稿前打磨 Camera-ready | 修辞清单 + strict 协议纪律 + 最多 2 轮修改（实验证明更多轮次无收益） |
| 依赖 | 说明 |
|---|---|
| Python 3.10+ | 脚本仅用标准库（requirements.txt 无 pip 依赖）；Windows 下 python 不在 PATH 时用 py -3 或完整解释器路径 |
TeX Live + latexmk |
编译检查需要；任意 LaTeX 发行版提供 latexmk 即可 |
| OpenAI 兼容 API（可选） | --review 模式需要；不配置时自动跳过，确定性检查照常把关 |
技能是一个普通目录：SKILL.md（YAML frontmatter：name + description）+ scripts/verify_paper.py，三种 Agent 通用：
| Agent | 安装位置 | 命令 |
|---|---|---|
| Claude Code | ~/.claude/skills/paper-writing-skill/ 或项目 .claude/skills/ |
cp -r paper-writing-skill ~/.claude/skills/ |
| Codex CLI | ~/.codex/skills/paper-writing-skill/ 或项目 .codex/skills/ |
cp -r paper-writing-skill ~/.codex/skills/ |
| OMP (Oh My Pi) | <工作根目录>/.omp/skills/paper-writing-skill/ |
cp -r paper-writing-skill .omp/skills/ |
<SKILLS_DIR>= 安装技能目录的上层目录（~/.claude/skills、~/.codex/skills、.omp/skills等）；SKILL.md中写作惯例将脚本路径写为<SKILLS_DIR>/paper-writing-skill/scripts/verify_paper.py。Windows 下若python不在 PATH，请用py -3或解释器完整路径。
cd <paper-dir> # 包含 main.tex 的论文目录
python "<SKILLS_DIR>/paper-writing-skill/scripts/verify_paper.py"- 确定性检查无需任何 API（default 模式）：编译 + 日志扫描、必需章节、占位符、摘要字数、label/citation 解析、引用数、浮体引用、数值声明。
- 修复每个
FAIL→ 重跑 → exit 0 = 可投稿。报告写入verify_report.json。 - Exit codes：
0= 无 FAIL；1= 有 FAIL；2= 用法错误。
| 检查 | 级别 | 说明 |
|---|---|---|
| latexmk 编译 + 日志 | FAIL | 错误 / undefined reference/citation 即失败；Overfull 计数仅警告 |
| 必需章节 | FAIL | Introduction / Method / Experiments / Conclusion |
| 占位符 | FAIL | TODO/TBD/FIXME/XXX/lorem ipsum/\ph{ |
| 摘要字数 | FAIL | 默认 150–250 词（--abstract-min/--abstract-max） |
| 引用解析 | FAIL | \ref/\cite 必须能在 main.aux 中解析；引用数 ≥ --min-refs（默认 12） |
| 浮体 | WARN | figure/table 计数 + 未被引用的 label |
| 数值声明 | WARN | 摘要+引言中带数字但无 \cite/\ref 的句子 |
--review 模式调用任意 OpenAI 兼容 /chat/completions 端点做 AI 评审模拟（标准 rubric 或 strict 协议，输出 OA / soundness / presentation / contribution / confidence + 6 维修辞评分）。不配置 API 时该模式自动跳过，确定性检查仍然把关。
环境变量（推荐）：
| 环境变量 | 含义 |
|---|---|
PAPER_REVIEW_API_BASE |
API 基础地址（含 /v1） |
PAPER_REVIEW_API_KEY |
API Key |
PAPER_REVIEW_MODEL |
模型名 |
或等价的 CLI 参数：--api-base URL --api-key KEY --model NAME。
服务商速查表 | Provider quick reference（均为 OpenAI 兼容格式）：
| 服务商 Provider | PAPER_REVIEW_API_BASE |
模型示例 |
|---|---|---|
| OpenAI | https://api.openai.com/v1 |
gpt-4o-mini |
| DeepSeek | https://api.deepseek.com/v1 |
deepseek-chat |
| Moonshot / Kimi | https://api.moonshot.cn/v1 |
moonshot-v1-8k |
| 阿里云 DashScope（通义千问） | https://dashscope.aliyuncs.com/compatible-mode/v1 |
qwen-plus |
| 本地 Ollama | http://localhost:11434/v1 |
llama3.1 等 |
| 本地 vLLM | http://localhost:8000/v1 |
任意部署模型 |
示例 | Examples：
# DeepSeek + strict 协议 + rating 门控（≥6 = 弱接收）
PAPER_REVIEW_API_BASE=https://api.deepseek.com/v1 \
PAPER_REVIEW_API_KEY=sk-xxx \
PAPER_REVIEW_MODEL=deepseek-chat \
python "<SKILLS_DIR>/paper-writing-skill/scripts/verify_paper.py" --review --strict --gate-rating 6
# 本地 Ollama（无需 key）
PAPER_REVIEW_API_BASE=http://localhost:11434/v1 \
PAPER_REVIEW_MODEL=llama3.1 \
python "<SKILLS_DIR>/paper-writing-skill/scripts/verify_paper.py" --review
⚠️ LLM 审稿人识别实质弱点的能力有限 —— AI 评审是补充，不能替代人工 sanity check（论文本身的结论之一）。
--review 使用论文官方仓库（MingLiiii/Dissecting_AI_Reviews，MIT License）的 standard / strict 评审提示词原稿，输出 ICLR 风格评审 JSON：
| 字段 | 取值 |
|---|---|
rating |
仅 1 / 3 / 5 / 6 / 8 / 10（1=Strong Reject … 10=Strong Accept；6 = 弱接收阈值） |
soundness / presentation / contribution |
1–4（poor…excellent） |
confidence |
1–5 |
ethics_flag |
伦理说明（无则 "No ethics review needed."） |
summary / strengths / weaknesses / questions |
文本 / 非空字符串数组 |
rhetoric（附加） |
六维修辞评分 1–10（evidence_framing / novelty_stance / scope_framing / contribution_salience / technical_register / linguistic_complexity）——本技能的增值字段，不影响上游字段 |
--gate-rating N（默认 6 = 弱接收）：返回 rating < N 即 FAIL。
How Can Rhetoric Reward-Hack AI Reviewers? Dissecting Rhetorical Sensitivity in AI-Based Peer Review（arXiv 2608.08975, 2026）—— 4,200 篇受控手稿实验：Evidence framing +.289 / −.303、Novelty stance +.187 / −.353、Scope +.136 / −.289 是最强杠杆；strict 协议平均降分 1.36 但不改变敏感性；低/中分稿修辞可加分（+1.42），高分稿反而受损（−0.88）；多轮改写收益集中在第 2 轮之前。技能内置的修辞清单（SKILL.md Phase 3）与 AI 评审提示词（standard/strict 双协议，源自论文官方仓库 MingLiiii/Dissecting_AI_Reviews，MIT License）均来自该论文。
- 论文分享讲解 | Paper share video: https://www.bilibili.com/video/BV11K8G6QE1M
- 系列课程《论文写作AI操作手册》P1–P5 | Course series: https://www.bilibili.com/video/BV1iW8G6gEpf
Apache License 2.0 · Copyright (c) 2026 杨昊波 (Haobo Yang)