メニュー
用于写 rebuttal / point-by-point response to reviewers / R1 R2 修回信。触发：审稿意见、rebuttal、reviewer response、修回、response to reviewers、R1、R2、point-by-point、审稿人问、reviewer 说、reviewer 1 说、reviewer 2 意见、写回复信、修回信、给我一份 rebuttal、返修意见、我要回一个 reviewer。禁用于：写论文正文——那不是 rebuttal 的角色。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
用于给一个 outcome 的证据确定性做 GRADE 评级、产出 Summary of Findings (SoF) 表。触发：证据确定性、certainty of evidence、GRADE、证据质量分级、这个结论有多可靠、SoF 表、summary of findings、要不要下推荐、指南证据分级、quality of evidence、能不能信这个结论、证据强度、evidence certainty、把证据评个级。也用于"这个疗法的证据到底有多强"、"帮我给这几个结局评 GRADE"、"这条推荐的证据基础可靠吗"。禁用于：单纯核对某个 PMID 真伪（那用 evidence-audit / evidence_verify）。
Use for cross-modal target discovery from an unmet clinical need, combining literature, genetics, druggability, clinical trials, single-cell, and spatial evidence in one auditable context.
Design executable biomedical experiments from literature gaps or hypotheses, including testability, power, protocol, reagents, cost, preregistration, and failure modes.
Persist and query biomedical causal triples from BioCSSwitch conversations, literature checks, and debate outputs.
用于任何**可能含患者数据 / 临床原始记录 / 医疗档案**的场景，强制先做 PHI 检测再决定去向。触发：患者、病历、病案、临床数据、EHR、EMR、住院记录、门诊记录、handover note、progress note、discharge summary、SOAP、真实世界数据、RWD、reidentification、identifiable data、真实病人、我这里有一段病历、这是一份体检报告、帮我看一下这份 CT 报告、我上传一份门诊记录、患者档案、患儿、受试者数据、subject-level data、临床原始表、GCP 数据、eCRF、我要处理 HIPAA、PHI、脱敏、去标识化、我们医院的数据。也在提到 sensitive_mode / 敏感模式 / 隐私模式 时触发。禁用于：公开文献 / 已发表数据 —— 那些不含 PHI，扫描是浪费时间。
Use when the user opts into a local research-interest model, wants personalized paper/preprint/trial updates, saves or rejects research suggestions, asks for a proactive briefing, or wants workflow prediction across sessions.
| name | reviewer-response |
| description | 用于写 rebuttal / point-by-point response to reviewers / R1 R2 修回信。触发：审稿意见、rebuttal、reviewer response、修回、response to reviewers、R1、R2、point-by-point、审稿人问、reviewer 说、reviewer 1 说、reviewer 2 意见、写回复信、修回信、给我一份 rebuttal、返修意见、我要回一个 reviewer。禁用于：写论文正文——那不是 rebuttal 的角色。 |
核心不是"辩赢"，是"让 reviewer + editor 觉得你把每一条都当回事、且改动可追溯"。
必须要到手才动笔：
只给一段"reviewer 说数据不够"这类摘要——先让用户把原话贴出来再走下一步。
每条 reviewer comment 走三段式：
**Comment 1** (Reviewer 1, page 3): [原文，或摘要 + "原文如下：..."]
**Response**: [1–3 段回应]
**Changes in manuscript**: [具体页 / 行 / 段的改动，或 "no change – reasoning"]
按 comment 性质分类应对（不同类要不同语气）：
必做：
evidence-audit 校验相关引用Figure 2 has been redrawn with error bars showing 95% CI (page 12)Reviewer 常"暗示"你引用他/她的论文。判断：
We appreciate the reference. However, [ref] focuses on X while our work addresses Y; we chose to keep our reference list focused on directly relevant literature.evidence-audit skill 校验 PMID / DOI 真实存在，别在 rebuttal 里挂假引用（reviewer 会查，一被查到基本没救）。pubmed_search 用 reviewer 抱怨的 topic 关键词，找 3–5 篇最新的。ctgov_search 给 NCT 号，别口头描述。packs/bio-audit/evidence_linter.py --strict <draft.md>；它是最后一道假 PMID / DOI / NCT 扫雷，不替代 evidence_verify，但能防止草稿合并时把未核验引用带出去。用户："reviewer 说我数据不够，我想反驳。" 你不问原话不看数据，就写"数据其实是够的"—— 这就是把用户送进 desk reject 的做法。先问清楚。
本工作流的结论一律不得省略五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。做法见 uncertainty-first skill —— 优先把结论拆成 claim 走 evidence_graph（每条 claim 自动绑证据等级 / 物种 / 样本量 / 疾病阶段 / 适用边界 / 反证），再把 claims 喂给 uncertainty_ledger 自动生成五段，补上工具挖不到的领域先验（extra 参数）后原样贴出。缺这五段，回答视为未完成——研究者要的正是被暴露的盲区。