核心用法
Academic Paper Reviewer 是一套基于 Hermes Agent 的多智能体学术论文评审系统，采用"7-Agent协作+6模式适配"的架构设计。用户通过自然语言触发（如"Review this paper"或"審稿"），系统自动调度7个专业代理完成端到端评审流程。
标准评审流程（Full Mode）：
1. intake_agent — 接收稿件并确定评审类型
2. 4-panel并行评审：methodology_reviewer（方法论严谨性）、evidence_reviewer（证据充分性）、argument_reviewer（逻辑连贯性）、domain_reviewer（领域定位与贡献）
3. editor_in_chief — 加权聚合（方法论30%、证据25%、论证25%、领域20%），生成 Accept/Minor/Major/Reject 决议
4. revision_coach — 将评审意见转化为结构化修订路线图
6种评审模式：
full：完整7-agent评审re-review：修订稿复核（2→3→4→6）quick：主编快速评估（仅EIC）methodology-focus：单维度方法论深度审查guided：苏格拉底式交互改进calibration：评审员准确性校准（需5篇以上真值标注论文）
显著优点
结构性专业度：模拟真实期刊的同行评审流程，方法论/证据/论证/领域四维评估框架与 Nature/Science 等顶刊标准对齐。加权评分机制避免单一 reviewer 偏见。
可扩展性：delegate_task 实现真正的并行计算，4-panel评审可同步执行；6种模式灵活匹配用户场景（从5分钟快速评估到深度方法审查）。
可迭代性：re-review 模式专为修订稿设计，revision_coach 将模糊意见转化为优先级排序的行动项，解决传统评审"意见难落地"痛点。
透明度：calibration模式输出FNR/FPR/AUC指标，支持评审质量量化追踪，对学术机构建立可信赖的AI辅助审稿体系有价值。
潜在局限
ground-truth依赖：calibration模式需人工预标注5篇以上论文的"应然决议"，实际部署成本高；无真值时无法自校准。
领域深度天花板：domain_reviewer依赖训练时的文献覆盖，对极新领域（如2024年后的新兴AI架构）或极冷门交叉学科可能定位偏差。
工具链假设：强制依赖terminal+file toolsets，在无文件系统环境的纯对话场景中功能受限。
语言覆盖：触发词包含中文"審稿/同儕審查/論文審查"，但系统提示仍以英文为主，非英语用户可能体验割裂。
适合人群
- 研究生/青年学者：投稿前自检，识别方法漏洞与论证薄弱环节
- 期刊编辑部：初审分流，快速识别格式合规性与明显缺陷稿件
- 课题组负责人：组会前批量预评审，集中讨论高价值修改建议
- 学术写作课程：作为教学工具，演示标准同行评审逻辑
常规风险
过度依赖风险：AI评审不能替代人类专家的直觉判断与领域嗅觉，尤其在"创新性评估"维度。建议作为"第一读者"而非终审裁决。
数据泄露风险：上传未发表论文至第三方Agent系统需确认隐私条款，预印本平台优先（arXiv/bioRxiv）或本地部署版本更安全。
校准幻觉：无ground-truth时calibration模式输出无意义，系统未强制校验输入完整性，可能产生虚假置信度。
权重僵化：30/25/25/20固定权重对不同学科适配性差异大（理论数学可能重论证、实验科学重方法），当前未开放自定义。