最近有一家出版社，使用的是OJS期刊系统（Open Journal Systems），因为旗下期刊是属于双核心类，内容质量较高，在业界也比较权威，投稿及审稿对专业度要求较高，除了现有的专家评审外，想引入AI功能，把AI集成进OJS系统，从而实现投稿稿件的初步评审和文章分析。该功能需要对OJS进行二次开发，实现AI功能定制，根据该出版社的需求，丁老师给出了OJS期刊管理系统+AI的整套开发方案

一、需求分析
1.在投稿阶段，当作者发起投稿，提交稿件，进入工作流状态后，该稿件自动发送至AI。
2.AI收到稿件后，自动对该稿件进行分析和解读，生成文章总结，AI质量评估，对文章进行打分。
3.根据AI对文章的分析以及打分，进行初步筛选。

二、功能架构
整体功能分为包含OJS系统、AI大模型、AI层数据交互终端三部分。
1.OJS系统，作为稿件评估的请求和发起端。
2.AI大模型，作为稿件评估的核心业务端。
3.AI数据交互层，作为接收稿件和发送AI评估内容的数据交互端，以及包含用户和权限处理部分。

其中，AI端有两种方式实现：
1.调用现有市场成熟的AI大模型。
优点：无需搭建私有AI大模型，可直接使用市场上诸如通义、ChatGPT、DeepSeek等开放大模型服务，按调用次数Token收费。
缺点：上述AI并无针对学术稿件的专属大模型，需使用最强中文处理及具有长上下文理解能力的大模型，优化专属提示词、对结果进行二次分析和处理后才可实现。也就是说审稿的AI生成结果可能无法达到精准的匹配度及专业性。

2.搭建私有AI大模型。
优点：可定制专属知识库、加入相关学术领域、培养具有专家评审风格的大模型，生成结果准确，具有高度专业性，属于学术行业定制AI。
缺点：费用成本较高，包含AI大模型的授权费以及高算力云服务器、带宽的硬件费用支出。

三、实现过程
实现该功能，除需要对OJS系统进行定制开发以外，还需要选择适合文章评估、审稿分析的AI大模型，然后进行定制训练，最后将OJS系统和AI大模型打通，实现在线AI审稿的功能。

OJS系统实现过程：
1.投稿工作流步骤的调整，在提交阶段，文章需要先提交至AI，由AI分析后根据质量评估、打分情况进行判断，当评分质量低于7分时，自动退回稿件；当评分质量大于7分时，允许作者送审。
2.双向API接口的开发，一个是向AI发送稿件请求的接口，另一个是当AI完成稿件的评估后，接收AI数据请求的接口。
3.文件系统的处理，在AI完成稿件评估后，同步会发送一个稿件的评估质量报告，OJS系统需要对该文件进行下载本地保存，以及在投稿工作流过程中的存档及查看。

AI部分实现过程：
1.开发OJS请求接口，包括稿件附件的接收、文件的读取。
2.专属稿件审稿评估内容训练，相关知识库的建立、专家学术领域、研究方向、生成内容体系的校正和规范。
3.文档内容解析、根据文档内容生成审稿总结、质量评估报告内容、稿件打分。
4.质量评估报告文档的生成、下载。
5.接口Key、Secret密钥管理、请求IP白名单、权限系统的建立。

四、实现效果

五、开发费用
该功能包含对OJS系统的定制开发、AI大模型知识库的建立和训练、AI服务器交互端的开发，不包含AI调用token和私有大模型部署的情况下，整体一次性开发费用在3-5万左右。AI评估稿件的质量与所选择的AI大模型有关，高精度的大模型响应速度越快、不排队、算力越快、生成内容质量精准、准确度高，价格越贵；反之，相应速度慢，查询结果需要排队，生成内容质量不精准，这种AI大模型的授权费或调用Token费用就越低。

六、全文总结
本文介绍了OJS期刊管理系统，在论文投稿的阶段中，通过集成AI大模型，通过调用AI接口先对文章进行初审，对稿件进行分析打分，生成稿件评估报告的全过程，包括需求分析、功能架构、实现过程、失效效果，以及总的开发费用。有使用OJS期刊管理系统的同学，如果也有此类需求，可以按照这个流程和步骤去实现。其中对OJS系统的定制开发是必要项，需要熟知OJS的底层代码，包括投稿的全工作流模块、API部分、文件存储部分，以及AI分析和处理能力等。

丁老师从事学术软件研发十余年，可提供OJS系统的安装、维护、升级、Bug修复、二次开发等服务。
如需专业OJS系统技术服务，可以联系丁老师，同时也欢迎学术界的各位作者、学者、同行，针对学术软件信息化进行交流和咨询。

Open Journal Systems(OJS)期刊管理投稿系统 安装搭建 二次开发