核心用法
Peer Reviewer 是一款基于多智能体架构的学术论文自动审稿工具，通过命令行界面运行。用户只需提供论文文件路径或直接粘贴文本，系统即触发三重智能体协作流程：
1. Deconstructor（解构者）：拆解论文的论证结构、方法论与核心主张
2. Devil's Advocate（魔鬼代言人）：主动寻找逻辑矛盾、经验性缺陷与文献冲突
3. Judge（裁决者）：综合前两者输出，生成结构化的「价值评估报告」
输出结果包含 0-10 分的综合评分、防御策略建议、改进清单，以及逻辑性、创新性等多维度评分。
显著优点
- 学术严谨性：刻意模拟严苛的「Reviewer 2」审稿风格，帮助作者提前发现盲点
- 多维度评估：不仅关注结论，更深入方法论、文献支撑、实证有效性
- 结构化输出：JSON 格式的标准化报告便于后续处理与对比分析
- 灵活输入：支持文件路径与原始文本两种模式
潜在缺点与局限性
- 环境依赖：需要 Node.js 运行时及 Google Cloud 认证配置，部署门槛较高
- 黑箱推理：多智能体内部的讨论过程不可见，用户仅能获得最终裁决
- 领域适应性存疑：通用架构对高度专业化领域（如分子生物学、高能物理）可能缺乏深度
- 无交互修正：一次性输出，不支持作者与审稿人之间的迭代对话
适合人群
- 预投稿阶段希望获得外部视角的独立研究者
- 缺乏资深导师指导的博士生与博士后
- 需要快速批量初筛稿件的期刊编辑（辅助工具）
- 教授用于教学：向学生演示何为「建设性批评」
常规风险
- 过度批评：AI 可能为「表现能力」而制造虚假问题，需人工复核
- 误报文献冲突：训练数据截止导致的「伪矛盾」，需作者核实
- 数据隐私：上传未发表成果至第三方 API（Google Cloud）存在泄露风险
- 评分主观性：0-10 分体系缺乏校准基准，不同论文间分数不可直接比较