q1-journal-polisher
投稿前英文學術潤飾管線,專為投 Q1-Q4/FT50/ABS 頂刊的中文母語學者設計。把翻譯腔英文改寫成母語資深學者口吻、清除英文 AI 慣用語(delve、moreover 濫用、In today's rapidly evolving landscape 等)、對齊 APA 7,並以 before/after…
Skill by Nero1688
Chalk Labs
Need help deploying q1-journal-polisher?
Chalk Labs sets up agents like this inside real teams: connected to your tools, tested on your data, with a human in the loop where it matters.
Install
Works with Claude Code, Claude apps, Codex, Cursor, Gemini CLI, GitHub Copilot, VS Code, OpenCode, Goose, Windsurf. Read the repository before you give any tool access to your data.
npx agentmarket install skill/nero1688-q1-journal-polisher
Asks which of your tools to add it to (Claude Code, Codex, Cursor, VS Code, Windsurf, Gemini CLI, Claude Desktop) and shows the change first. See https://agentmart.dev/cli.
Get the weekly diff
The weekly diff: one email a week with new agent tools, notable updates and grade changes, plus security alerts for tools you follow. Double opt-in, one-click unsubscribe.
About
Use cases: research
Reviews
Write a reviewNo reviews yet. Installed it? Reviews come from verified installers only. How reviews work
Permissions
What this skill can do and what it asks for, from its SKILL.md and code. Checked Oct 25, 2026.
- Tools
- No tools found
- Secrets
- None asked for
- Install scripts
- None found
- Runs as
- Python package
Network hosts it talks to 1
codeload.github.com· found in install command
Files it touches
~/.claude/skills/q1-journal-polisher
What's inside
- Skill name
q1-journal-polisher- Description
- 投稿前英文學術潤飾管線,專為投 Q1-Q4/FT50/ABS 頂刊的中文母語學者設計。把翻譯腔英文改寫成母語資深學者口吻、清除英文 AI 慣用語(delve、moreover 濫用、In today's rapidly evolving landscape 等)、對齊 APA 7,並以 before/after 對照+說明理由輸出。階段一先做快速致命傷掃描:若發現貢獻不足或識別策略崩塌等 Fatal 級問題,先停下建議轉完整審查再潤飾。適用領域:家族企業、公司治理、ESG/TESG、panel regression 論文的英文稿。觸發詞:英文潤飾、學術英文、投稿潤飾、translationese、翻譯腔、去 AI 腔(英文)、母語化、academic English polishing、APA 7 對齊、期刊英文修改。與 q1-journal-reviewer 劃界:reviewer 做審查判定(要不要退稿),本 skill 做英文措辭潤飾;發現致命傷會轉介 reviewer。與 academic-journal-polisher 劃界:那個做中文論文潤飾,本 skill 專做英文。
- License
- MIT
- Instructions
- 128 lines in SKILL.md · view on GitHub
Before installing
- Ships executable scripts
Agent Skills spec issues
- files: referenced but missing: references/citation-integrity.md
Files (6)
- ATTRIBUTION.md
- SKILL.md
- ai-tell-lexicon.json · references/
- argument-force-check.md · references/
- narrative-architecture-check.md · references/
- prose_metrics.py · scripts/
SKILL.md (first lines)
<role> 你是精通學術英文寫作的母語潤飾專家,長期為投 AMJ、SMJ、JFE 等頂刊的非英語母語學者做投稿前潤飾。你聽得出「中文思維直翻的英文」與「英語母語資深學者寫的英文」差在哪,也一眼認得出 ChatGPT 味的措辭。 你的定位是**潤飾管線**,不是審查台。實質的理論貢獻、識別策略對錯,交給 q1-journal-reviewer(Claude Code 環境須加 anthropic-skills: 前綴)。你負責的是:讓正確的內容用頂刊該有的英文說出來。 </role> **引用鐵律(零虛構文獻)**:交付物裡的每一筆文獻都要真實存在、書目正確。不憑記憶寫文獻;交付前逐筆查證(DOI 指向同一篇、作者/年份/期刊對得上);中文文獻要人工核實並留下證據;沒通過的就刪掉,或明確標【待核實】,絕不拿資料庫裡「最像的那篇」充數。細則見 `research-orchestrator` 的 `references/citation-integrity.md`。 <workflow> 先診斷、後動筆。以下階段依序執行。 **階段零:敘事架構檢查(先看骨架,再看句子)** 潤飾前先確認全文的敘事弧撐不撐得住:導論的 hook/問題/缺口/貢獻/so-what 五元素能不能各自指出在第幾段、各節開頭是否承接上一節結論、結論是否回應導論 的承諾。**必讀 `references/narrative-architecture-check.md`**。 三層由巨到微依序是:敘事架構(本階段)→ 論證力度(階段五)→ 詞彙層(階段二至四)。 三層由巨到微依序是:敘事架構(本階段)→ 論證力度(進階層,本包未收錄)→ 詞彙層(階段二至四)。 若想量化句長、過渡詞密度等文體訊號輔助判斷,可另跑 `scripts/prose_metrics.py --lang en`(純訊號,非判決)。敘事弧本身的缺口 (例如貢獻句只寫「填補實證空白」而非理論貢獻)**只標示、交由作者補**—— 本 skill 不代作者決定理論框定。 **階段一:快速致命傷掃描(潤飾前的守門)** 潤飾之前先花幾分鐘掃:這篇有沒有「再漂亮的英文也救不了」的 Fatal 級問題? - 貢獻是否 trivial(結論顯而易見、無文獻對話)? - 核心因果宣稱的識別策略是否明顯崩塌(如宣稱 FE 解決內生性、IV 無排他性論證)? - 假設與結果是否自相矛盾? 判準:若命中 Fatal 級,**先停**,明確告訴使用者「這裡有潤飾解決不了的實質問題,建議先跑 q1-journal-reviewer 做完整審查,補強後再回來潤飾——否則等於把力氣花在會被退稿的稿子上」。列出致命點但不展開細審(那是 reviewer 的工作)。若只是一般寫作問題,說明「未見致命傷,進入潤飾」,往下走。 **階段二:翻譯腔 → 母語學者口吻** 辨識並改寫典型 translationese: - 中式主題句結構(「As for X, it is Y」「Regarding the aspect of...」)→ 直接讓主詞承載論點。 - 逐字直譯的連接(「On the other hand」濫用、「In addition」開頭堆疊)→ 用邏輯流動取代機械連接。 - 名詞化過重(nominalization:「conduct an investigation of」→「investigate」)、冗餘(「in order to」→「to」)。 - 語氣過弱或過滿(「It is a well-known fact that」→ 刪;hedging 過度 → 適度堅定)。 **階段三:清除英文 AI 慣用語** 下列是投稿審查者一眼認出 AI 味的高風險詞,發現即標記並替換(附替換理由,不是機械禁用): - 濫用動詞:`delve into`(→ examine/analyze)、`leverage`(當「利用」用時 → use/draw on)、`showcase`、`unpack`。 - 空轉開場:`In today's rapidly evolving landscape`、`In an era of...`、`It is worth noting that`(→ 直接講重點)。 - 過渡詞通膨:`Moreover` / `Furthermore` / `Additionally` 連續句首堆疊(→ 只留邏輯真需要的,其餘刪)。 - 萬用形容詞:`crucial`、`pivotal`、`robust`(非統計語境)、`significant`(非統計語境誤用——學術寫作中 significant 常被誤讀為統計顯著,非統計意義時改 substantial/considerable)。 - 收尾套話:`In conclusion, this study sheds light on...`、`paves the way for`、`a testament to`。 例外:`moreover` 本身不是錯詞,單次、位置恰當的使用可保留;判準是「是否為連續堆疊或替代真正的邏輯銜接」。 **階段四:APA 7 與引用語氣對齊** - 內文引用格式(Author, year)、et al. 用法(3 位以上作者第一次即用 et al.,APA 7)、頁碼標註。 - 引用動詞的語氣:argue/find/show/suggest 各自的證據強度不同,別把相關性研究寫成 "prove"。 - 標示不流暢或不標準的引用語氣,但不改動引用的實質內容或年份。 **階段五:結構層論證力度檢查(詞彙乾淨之後真正決勝的一關)** 階段三清掉的是**表面**。頂刊審查者寫下 "the contribution is thin" 時,看到的是結構層: 句子都對、詞也乾淨,論證卻沒有重量。**必讀 `references/argument-force-check.md`**, 逐條核對其中八項訊號(對立句式通膨、三項並列慣性、段落等重、對稱避險、無成本宣稱、 文獻點名清單、機制缺席、主題句過度整齊)。 該檔第一段已寫明兩件必須遵守的事,**不可略過**: (a)此檢查的依據來自小說領域的研究,其「人味」指標不能直接搬到實證論文; 可轉移的只有「AI 傾向選擇無成本、無立場、可預測的表達」這一點。 (b)**目的不是規避 AI 偵測**——偵測工具假陽性高且隨模型更新失效。這八項就算完全 不考慮 AI 也都該修。若使用者要求的是「讓偵測器測不出來」,明確說明本 skill 不做那件事, 並說明能做的是把論證改強。 分級處理(決定能不能代改): - **需作者補內容**(第 4、5、7 條:缺立場/缺具體限制/缺機制)→ **只標示、不代寫**。 代寫等於捏造研究發現,違反下方誠實防線。 - **可代改**(第 1、2、6、8 條)→ 改寫句構後放入 before/after 表。 - **提醒即可**(第 3 條段落配重)→ 屬作者的編輯決定。 每階段完成後才進下一階段。 </workflow> <output_contract> 結論先行,before/after 對照為主體。 ``` ## 潤飾前掃描 [未見致命傷,進入潤飾 | ⚠ 發現 Fatal 級問題,建議先轉 q1-journal-reviewer] (若有致命傷:列出致命點,一句話說明,然後停止潤飾等使用者決定) ## Before / After 對照 | # | Before(原文) | After(潤飾) | 為什麼這樣改 | |---|---|---|---| | 1 | ... | ... | 消翻譯腔/去 delve/APA... | ## 主要改動類型統計 - 翻譯腔:N 處 AI 慣用語:N 處 APA:N 處 ## 保留未動 (明確列出「這幾句寫得好,不動」——避免為改而改) ## 結構層論證力度 (依 references/argument-force-check.md 八項核對;詞彙層乾淨不代表這關過了) **需作者補內容**(本 skill 不代寫,代寫=捏造研究發現) - [第N條] <位置> | 缺什麼:<...> | 補的方向:<...> **已代改**(改動已併入上方 before/after 表,此處只列條號與處數) - 第1條 對立句式:N 處 第6條 文獻點名清單:N 處… **提醒** - <段落配重等由作者決定的事項> 若八項皆未命中,寫「結構層未見明顯弱點」——不要為了填表硬找。 ``` 嚴重度標記(用在改動理由):Fatal(潤飾解決不了、需轉審查)/Major(明顯影響專業度,如整段翻譯腔)/Minor(用詞優化)。 </output_contract> <constraints> 誠實防線: - 絕不改變、捏造或平滑化使用者的數據、係數、研究發現或論點。潤飾只動「怎麼說」,不動「說什麼」。若某句的英文問題來自論點本身模糊,標「此處語意不明,需作者澄清原意再潤飾」,不擅自替作者決定意思。 - 猜測標「推測:」。不確定作者原意時,給 2 個候選改法讓作者選,不臆斷。 - 能力邊界:APA 7 格式可依規則判斷,但文獻是否真實存在不在本 skill 職責——那是 citation-verifier(無網一致性稽核)或 check-citations(有網真實性查驗)的事。 - 不做實質審查:識別策略、理論貢獻的對錯不在這裡展開,發現致命傷只轉介不細審。 </constraints> <example> Before(家族企業論文引言,典型翻譯腔+AI 味):
From Nero1688/claude-academic-skills, MIT.
More from Nero1688/claude-academic-skills
- 0.641score
spatial-data-architect
Nero1688
空間與地理資料分析架構師(區域研究 / hedonic 房價 / 不動產實證)。把帶有地址或經緯度的資料變成可分析、可畫圖、可發表的空間研究資料集。核心能力:(1)LLM 輔助地理編碼+驗證退路——地址轉座標後,用行政區界/中心點/白名單比對抓出離群與幻覺,絕不讓 AI 亂猜的座標進資料;(2)H3…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
bilingual-paper-reader
Nero1688
英文論文的雙欄對照精讀工具。把 PDF 轉成逐段資料檔,由你逐段翻成貼切通順的學術中文,並用五色預先標出核心論點/創新點/方法/限制/可引用金句,再用一個可重複使用的離線 HTML 閱讀器左右對照閱讀;使用者可自己再畫螢光筆,標記存在瀏覽器可持久保存,並一鍵匯出成 Markdown…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
academic-deck-animator
Nero1688
學術簡報動畫引擎:以 slides_content.json 統一規格驅動的雙引擎動態簡報產生器。引擎A html-canvas 產出自包含 HTML 簡報+Canvas 粒子特效(particle-burst、drift-field、network-lines,僅限封面/章節頁);引擎B native-pptx…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
global-opendata-scout
Nero1688
跨國公開統計資料偵察員。研究要跨國比較、或使用者不在台灣時,判斷該用哪個國際資料庫、哪個國家的統計機構、能不能程式化撈取。內建已實測可用的免金鑰端點(World Bank、Eurostat、ILOSTAT、IMF、UN…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
journal-submission-scout
Nero1688
投稿期刊選擇顧問。稿子寫好了要投哪裡?本 skill 從你的題目與摘要找出真正會刊登這類研究的候選期刊,比對客觀指標(h-index、2年平均被引、APC、DOAJ 收錄、審查制度),並以 Think.Check.Submit 架構做**掠奪性期刊篩查**——這是本 skill…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
tej-variable-mapper
Nero1688
把國際期刊(Compustat / CRSP)的變數操作性定義,精準映射到 TEJ 台灣經濟新報的欄位與代碼。輸出三欄對照表:期刊定義(原公式+原代碼如 AT、Item 6)/TEJ 欄位與代碼/GAAP-IFRS 落差與代理方案。內建『假說→變數→資料欄位』對帳表;映射不確定的欄位標『推測+驗證方法』,絕不編造…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
experiment-design-architect
Nero1688
管理與商學實驗設計架構師(Q1 標準):組間/組內/混合設計選型、隨機分派與對抗平衡(counterbalancing:完全對抗/拉丁方陣,處理順序效果與練習效應)、情境實驗(experimental vignette methodology, Aguinis & Bradley…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
phd-milestone-tracker
Nero1688
商管博士班修業里程碑與時程追蹤器,專為在職生設計。把入學年月換算成所有關卡的最晚期限與建議時點、釐清關卡先後相依鏈、盤點目前進度與下一步、預警會導致退學或延畢的硬線;附 deadline_calc.py…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
public-disclosure-scout
Nero1688
免費公開揭露資料偵察員(付費資料庫的免費對應+事件研究的事件源)。當研究需要公司『自己說』的官方揭露——重大訊息、年報、股東會決議、法說會、內部人持股異動、裁罰紀錄——或需要乾淨的事件日來做事件研究(event…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
qual-exam-coach
Nero1688
商管博士班『學科資格考』備考教練,專為策略組織與人資組設計。涵蓋領域:組織理論與行為(制度理論、資源依賴、組織生態、權變、交易成本、動機、領導、JD-R、承諾)、管理心理學(五大人格、知覺歸因偏誤、決策捷思、情緒勞動、幸福感)、策略與創新(RBV/VRIO、動態能力、Porter…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
research-method-selector
Nero1688
研究方法選擇顧問:判斷一個研究題目適用量化(檔案資料/問卷)、質化(訪談/個案)、實驗、或混合方法,並給出 Q1 期刊等級的完整研究過程套模與 skill 呼叫鏈。核心邏輯:Edmondson & McManus (2007) 方法論適配(methodological…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
defense-qa-coach
Nero1688
學位口試與研討會問答的『答辯教練』。輸入論文(或口試簡報),產出:委員視角的預測提問題庫(依方法論/理論貢獻/資料/實務/限制六類,含追問樹)、每題的擬答框架(承認-回應-證據三段式)、與模擬答辯回合(教練扮演委員逐題追問、事後講評)。適用:碩博士學位口試、博士候選人資格考核(前三章口試)、論文研討公開發表、研討會…
SkillAFreshness: A★ 13Claude Code +9
Signals
- Stars
- 13
- Forks
- 0
- Open issues
- 0
- Last commit (this folder)
- Oct 22, 2026 (15 days ago)
- Last release
- Oct 22, 2026 (15 days ago)
From GitHub (fetched Oct 24, 2026).
Details
- License
- MIT
- First seen
- Oct 24, 2026
- Last checked
- Oct 24, 2026
- Source
- GitHubgithub-graphql
More from Nero1688
- 0.641score
academic-deck-animator
Nero1688
學術簡報動畫引擎:以 slides_content.json 統一規格驅動的雙引擎動態簡報產生器。引擎A html-canvas 產出自包含 HTML 簡報+Canvas 粒子特效(particle-burst、drift-field、network-lines,僅限封面/章節頁);引擎B native-pptx…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
phd-milestone-tracker
Nero1688
商管博士班修業里程碑與時程追蹤器,專為在職生設計。把入學年月換算成所有關卡的最晚期限與建議時點、釐清關卡先後相依鏈、盤點目前進度與下一步、預警會導致退學或延畢的硬線;附 deadline_calc.py…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
experiment-design-architect
Nero1688
管理與商學實驗設計架構師(Q1 標準):組間/組內/混合設計選型、隨機分派與對抗平衡(counterbalancing:完全對抗/拉丁方陣,處理順序效果與練習效應)、情境實驗(experimental vignette methodology, Aguinis & Bradley…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
global-opendata-scout
Nero1688
跨國公開統計資料偵察員。研究要跨國比較、或使用者不在台灣時,判斷該用哪個國際資料庫、哪個國家的統計機構、能不能程式化撈取。內建已實測可用的免金鑰端點(World Bank、Eurostat、ILOSTAT、IMF、UN…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
journal-submission-scout
Nero1688
投稿期刊選擇顧問。稿子寫好了要投哪裡?本 skill 從你的題目與摘要找出真正會刊登這類研究的候選期刊,比對客觀指標(h-index、2年平均被引、APC、DOAJ 收錄、審查制度),並以 Think.Check.Submit 架構做**掠奪性期刊篩查**——這是本 skill…
SkillAFreshness: A★ 13Claude Code +9 - 0.641score
public-disclosure-scout
Nero1688
免費公開揭露資料偵察員(付費資料庫的免費對應+事件研究的事件源)。當研究需要公司『自己說』的官方揭露——重大訊息、年報、股東會決議、法說會、內部人持股異動、裁罰紀錄——或需要乾淨的事件日來做事件研究(event…
SkillAFreshness: A★ 13Claude Code +9
Done for you
Rather not set it up yourself?
Chalk Labs scopes, builds and runs agents for your team: the task audit, the eval harness, the integrations and the weekly ops report. Fixed scope, priced before we start.
See how we build AI agents →Read the case studies
Chalk Labs is a two-founder AI and growth studio. We build AI agents, CRMs and MVPs for Web3 and AI companies, and have shipped 50+ product and token launches.
- launches shipped
- 50+
- launches shipped
- media placements
- 500+
- media placements
- founders on every account
- 2
- founders on every account
Press we've placed: Forbes · CoinDesk · Decrypt · Cointelegraph · The Block
Rahil Jain, Co-founder, Chalk Labs. Ex-Goldman Sachs engineer. You talk to the person who builds it.
Get q1-journal-polisher running in your business
Tell us what you want to automate. A founder replies within one working day with a plan, not a pitch deck.
Cite this page
q1-journal-polisher skill. Agent Mart. https://agentmart.dev/skills/nero1688-q1-journal-polisher (last updated 2026-10-24)