总结：Kimi 的预评审结果不仅是“找问题”，它还会按照期刊偏好、统计方法规范、引文质量、实验设计逻辑这些维度，结合你自身领域（比如心理学、生物医学、公共卫生）的主流研究范式，提出“可立即执行”的具体改写方案，而不是一句空洞的建议。这是大家日常很费时费力的场景。论文预评审环节，需要先分析目标期刊的论文特点，然后再读取我提供的初稿论文，按照我给出的评审标准，给出具体合理的评审修改意见，帮我提升论文的

Nano Banana Pro 的设计图，特别是摘要图、综述图这种需要抽象化设计能力的图，往往能给人眼前一亮的感觉，但 Image 2 在这方面差距比较明显。Nano Banana Pro 的 3D 渲染总有一股廉价的塑料感，但 Image 2 的 3D 渲染效果层次更加丰富，光影等显示也更加高级。Image 2 的短板就在于，它根据文字来抽象化设计图像的能力，比 Nano Banana Pro

而 Image 2 生成的是整页融合的视觉，元素之间的对齐、间距、层级都是为整体效果服务的，根本没有"分层"这回事。生图模型反过来：把整页当一张图，文字怎么排、图标放哪、留白多少、配色怎么呼应，全是按整体效果动态生成的。一份 30 多页的答辩 PPT，标题层级、配色、字号、图标、流程图、对比表，逐页排过去要花好几天。装上这个 skill，提交你的答辩 PPT 初稿，剩下的活就交给 Image 2，

HTML 把每篇论文做成独立卡片，英文题名、中文题名、文献类型、期刊年份、DOI 和主题贡献都在开头集中展示，读者进入每篇时更容易建立上下文。有学员说：“娜姐，这个精读效果是挺好的，但是生成的文档是 Markdown 格式的，读起来太费劲。HTML 有顶部菜单和左侧固定导航，可以直接跳到某一篇论文、主题综述、主题发展脉络，阅读更顺手。Markdown 是AI友好型的格式，HTML 才是人类友好型的

Excel 是你梳理思路的内部工具，提交给编辑的，应该是一封格式规范的 Response Letter，逐条对应审稿人意见，说明做了什么修改、具体在论文的哪个位置。拿教授最推崇的 Excel 梳理环节来说，AI 可以直接从审稿人的原始评论中逐条提取意见，自动标注来源、分类归组，省去你手动摘录的时间。更关键的是，升级版的工作流不只生成回复信——论文正文中对应位置的修改建议，也会同步呈现出来。投稿过程

市面上的 AI PPT 工具很多：天工AI、Gamma、Manus等各种"一键直出PPT"的产品。娜姐的这个学术类PPT生成Skill，相比固定工具和常用的PPT生成skill有以下优点：1.严格遵循学术规范学术类 PPT都有学校或研究所固定的模板风格，不同场合（开题、中期、毕业答辩，项目答辩），每一种都有固定的内容框架，这个 Skill 可以严格按照指定的模板风格和内容框架进行制作。2.人把关进

Ai2 Paper Finder 覆盖更多小众、难以找到的论文，特别适合领域专家，对检索结果的呈现也更友好，方便快速核实和溯源。输入一篇种子论文，自动生成该领域的文献关系网络图，一目了然地识别出开创性工作和最新的衍生研究，特别适合快速摸清一个领域的全貌。STORM、AutoSurvey2、PaSa三个项目都是开源的，适合初步的全面了解探索阶段。Litmaps 适合长期文献追踪，保存"种子库"后会定

在这一众智能体功能中，Deep Research引起了娜姐的兴趣：基于Gemini的高级推理和长上下文能力，Deep Research能够作为研究助手的角色，帮助用户探索复杂的主题并撰写报告：意思是给一个主题，Gemini可以帮我自动规划并撰写一篇文献综述了？往常你自己整一篇文献综述，至少的好几天，有了这个Deep Research智能体功能，把你的主题告诉它，你看着它帮你规划-检索-分析，3-5

这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商

这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商