用途：该技能通过 Codex MCP 调用外部 OpenAI 模型，并开启最高推理强度（config: {"model_reasoning_effort": "xhigh"}），对研究工作做多轮批判性评审，帮助作者审视核心主张、方法、结果与叙事弱点。
主要能力：准备研究简报；进行首轮全面评审，指出逻辑缺口、缺失实验、叙事弱点及贡献是否足够；随后用 mcp__codex__codex-reply 携带 threadId 继续迭代对话，回应批评、追问可执行建议，并请求实验设计、论文提纲、结论矩阵和模拟 NeurIPS/ICML 评审等具体交付物。收敛条件为双方对核心主张与证据要求达成一致、形成具体实验计划、叙事结构确定。最终把逐轮批评与回应、共识、结论矩阵、按优先级排列的 TODO 及计算成本估算、论文提纲与 threadId 保存到项目根目录的评审文档，并更新项目记忆。
使用方式：需先在 Claude Code 中配置 Codex MCP：claude mcp add codex -s user -- codex mcp-server，以获得 mcp__codex__codex 与 mcp__codex__codex-reply 工具。随后按步骤提供研究上下文、发起评审、迭代对话并归档结果。首轮必须发送完整上下文，因为外部模型无法读取本地文件。
适用场景：ML 研究项目的自审与外部评审、NeurIPS/ICML 级别投稿前的弱点排查、补充实验优先排序、论文叙事与提纲打磨。
限制：评审模型须为 OpenAI 模型；不隐藏弱点才能获得更好反馈；需对不认可的批评进行反驳但接受合理意见；评审文档应自包含、脱离对话仍可阅读。资料未提供其他平台支持、模型版本可用性或价格信息。