Ai-Review
关于 Ai-Review
本仓库致力于使用AI优化论文，方便研究者检查稿件的优点、缺点与改进建议。
快速使用（网页版）: 请访问 在线网站。下图是使用预览：
使用教程
一、在线网站使用教程
Ai-Review 提供网页端审稿，无需本地环境，打开浏览器即可使用。
1. 基础审稿（LLM）
- 入口：https://ai-review.neurodong.top
- 步骤：上传PDF稿件，选择提示词模式（如 SoT, Few-Shot 等），点击审稿即可获得结构化的Strengths, Weaknesses, Suggestions等意见。
- 说明：可使用页面提供的快速体验，或自行配置 API（如 Deepseek）以获得更稳定的效果。
2. VLM 审稿
- 入口：https://ai-review.neurodong.top/vlm_review.html
- 步骤：上传 PDF，系统对页面进行快照后由VLM审稿，可感知排版与插图信息，适合需要看图、看公式排版的场景。
3. 提示词对比（Side by Side）
- 入口：https://ai-review.neurodong.top/side_by_side.html
- 步骤：同一篇稿件可用不同提示词并行生成多份审稿，便于对比并选择更符合需求的提示词。
二、Skills使用教程
在支持Agent Skill的平台（如 Cursor 等）中，可将Ai-Review作为Skill使用，在对话里直接对稿件进行审稿。
1. 获取与安装
- 本仓库已包含Skill定义，路径为：ai-review-skills/SKILL.md
- 在 Cursor 中：可将上述ai-review-skills文件夹放入项目下的
.cursor/skills/或用户目录的~/.cursor/skills/，具体以各平台的 Skill 加载方式为准。
2. 支持的稿件格式
- LaTeX：
.tex - PDF：
.pdf - Word：
.docx/.doc
3. 使用方式与触发
- 直接说: 使用 @ai-review-skills 审稿 @论文名 。
- 或在对话中说「审稿」「论文审稿」或 “review my paper” 等，并提供稿件路径（如
paper/main.tex,article.pdf），Agent 会调用 Ai-Review Skill 生成审稿意见。
持续更新
本仓库会长期持续更新。欢迎使用本仓库、提交 issue 或 pull request，以帮助改进提示词模板与网站功能，从而帮助社区伙伴们提升论文质量与被接受的概率。
审稿效果示例
请参见示例： Deep Residual Learning for Image Recognition 的审稿示例。
提示词工程
- 逆向提示词 (已包括): 通过以往大型模型生成的优秀结果反推提示词的内容。这里的优秀结果来自AAAI2026的AI审稿。
- 小样本提示词 (已包括): 网页端在“Prompting mode”里选择“Prompt + Examples (Few-Shot)”，系统将从
Prompts/读取相应模板，并把Examples/review_in_Resnet.md与Examples/review_in_Verified.md作为示例一并提供给大模型以提升效果。背景介绍见小样本提示词。 - 思考链提示词 (已包括): 让模型在回答问题前，显式地进行逐步推理，以提高复杂任务回答的准确性和逻辑性。具体见这里.
- 动态交互提示词（准备加入）: 让模型先提计划，与用户交互，确定计划后再执行审稿。
审稿方式
- 使用VLM模型进行审稿 (已包括)：对PDF文件进行快照，然后使用VLM模型对PDF的快照进行审稿，这样可以让模型感知图片和排版信息。点击这里可体验VLM的审稿效果。
- Ai-Review Skills (已包括): 可以使用ai-review-skills在智能体平台对论文进行审稿，直接使用智能体平台自带的大模型审稿就行。支持Latex, Word等格式的论文，可以论文内容进行精准感知。具体见ai-review-skills/SKILL.md。
- 科研图像质量评估功能 (已包括): 在VLM Review中实现了排版感知和图片审美功能, 并将审美结果包括在审稿内容中, 详细见这里(使用VLM-Specific提示词).
- 注入提示词的检测功能 (已包括): 检测PDF中是否存在干扰审稿的注入提示词。 详细见这里.
提示词评估
- 提示词对比模式(Side by Side, 已包含): 加入提示词对比功能，帮助统计大众喜好的提示词，从而为用户推荐，具体见 这里.
查看提示词
见 这里. 欢迎每个人在issues中提出自己的见解，并帮我们优化它，以便更好地为社区服务。
更新与新闻
- [19/03/2026] 增加了提示词注入(Prompt‑Injection)的检测功能。 详细见这里。
- [06/03/2026] 给VLM Review增加了排版感知和图片审美功能，并提供了VLM specific Prompt. 详细见这里。
- [26/02/2026] 增加了Ai-Review的Skills, 用于对 LaTeX, PDF, Word 稿件生成结构化审稿意见。可在Cursor等支持 Agent Skill的平台上使用，当用户说「审稿」「论文审稿」时可触发。详细见这里
- [05/02/2026] 增加了VLM模型审稿的功能，点击这里可体验VLM的审稿效果。
- [31/01/2026] Ai-Review 在线网站已添加了 SoT 提示，并修复了”Side by Side”模式下评论内容与文章内容无关的bug（由于PDF文件未成功加载）。
- [29/12/2025] 在本仓库新增了思维链提示词。具体见这里.
- [25/12/2025] 给在线体验网站添加提示词对比模式(Side by Side), 用于帮助用户选择符合大众品味的提示词，具体见这里.
- [08/12/2025] 将在线体验网站部署到了Cloudflare上，之前的Github Pages的版本(在仓库分支可以找到之前的代码)不再使用。
- [16/11/2025] 增加了使用 VLM 精确提取 PDF 内容的功能。
- [21/10/2025] 在网页上加入了Few-Shot Prompting功能，见这里。
- [18/10/2025] 更新了审稿效果样例, 见这里。这些样例是使用小样本提示词工程技术生成的。
- [06/10/2025] 网页版增加了快速体验功能(不需要用户设置API)，还允许了用户设置Deepseek的API。
- [02/10/2025] 更新了网页端的 AI 审稿功能。
- [20/09/2025] 在提示词中强化了数学符号与公式检查。
- [14/09/2025] 新增 “Deep Residual Learning for Image Recognition” 的审稿示例。
- [14/09/2025] 优化 Prompt，使 AI 能以二级列表形式生成更细致的 Strengths、Weaknesses 与 Suggestions。