name: paper-pipeline description: > 学术论文全流程编排器。触发条件: (1) 用户说"一键出论文"/"run pipeline"/"自动化写论文", (2) 说"从数据到投稿"/"全流程", (3) 提供数据文件和研究问题后说"开始"。 核心能力: 串联所有学术论文 Skills，从原始数据到投稿包一键完成。 在每个检查点自动决策，仅在必需人工输入时暂停。 allowed-tools: Read, Write, Edit, Glob, Grep, Bash, WebSearch, WebFetch

Paper Pipeline - 学术论文全流程编排器

核心理念

一键从数据到投稿包。

P-A 论文从数据到终稿经历了 ~11次人工干预。本编排器的目标是将人工干预降至 4次（仅类型A：不可避免的人工决策），其余全部自动完成。

P-A 实际:  数据 → [手动探查] → [手动选变量] → [手动调试] → 分析 → [手动写稿] → ...
Pipeline:  数据 + 研究问题 + 期刊 → 全自动 → 终稿 + 投稿包
                                        ↑
                                   仅在4个检查点暂停

触发条件

1. 用户说"一键出论文"/"run pipeline"/"全流程自动化"/"从数据到论文"
2. 用户提供数据文件 + 研究问题 + 目标期刊，说"开始"
3. 用户说"paper pipeline"/"自动化管线"

输入

• 必需: 数据文件路径 (CSV/Excel)
• 必需: 研究问题描述 (1-3句话)
• 必需: 目标期刊名称
• 推荐: CLAUDE.md 研究计划
• 可选: 论文定位描述 (从 paper-portfolio 获得)

输出

• 完整投稿包 (submission_package/ 目录):
  • manuscript_final.md — 终稿
  • manuscript_final.docx — Word 版本
  • cover_letter.md — 投稿信
  • strobe_checklist.md — STROBE 清单
  • figures/ — 所有图表
  • tables/ — 所有表格
  • flow_diagram.png — 流程图
  • review_report.md — 自审报告

编排流程

                    ┌─────────────────────┐
                    │  用户输入:           │
                    │  数据 + 问题 + 期刊  │
                    └─────────┬───────────┘
                              │
                    ┌─────────▼───────────┐
                    │  Step 1: 数据探查    │  ← data-profiler
                    │  输出: 数据字典      │
                    │  输出: 分析人群定义   │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐  ← 仅 ideation.enabled=true 时执行
                    │  Step 0（可选）:     │  ← research-ideation
                    │  研究假设生成        │
                    │  输出: Top 3 假设   │
                    └─────────┬───────────┘
                     ⏸️ 暂停: 用户选择假设（仅 Step 0 激活时）
                              │
                    ┌─────────▼───────────┐
                    │  Step 2: 统计分析    │  ← statistical-analysis
                    │  输出: 分析报告      │  ← 自动激活 Multi-Path Explorer
                    │  输出: 图表 + 表格   │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 3: 流程图      │  ← flow-diagram-generator
                    │  输出: 流程图        │
                    │  输出: 人群登记表    │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 4: 写初稿      │  ← manuscript-drafter
                    │  输出: 初稿          │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 5: 插入文献    │  ← academic-reference-inserter
                    │  输出: 含引用的稿件   │     (auto-insert mode)
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 6: 期刊对标    │  ← journal-benchmarker
                    │  输出: 对标报告      │
                    │  自动修复差距        │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 7: 自审修复    │  ← manuscript-reviewer (7维)
                    │  输出: 终稿          │
                    │  输出: 审查报告      │
                    └─────────┬───────────┘
                              │ (自动)
                    ┌─────────▼───────────┐
                    │  Step 7.5: 诚信审计  │  ← research-integrity-audit
                    │  输出: 审计报告      │
                    │  输出: AI 声明       │
                    │  门控: FAIL→阻断     │
                    └─────────┬───────────┘
                              │ (门控通过)
                    ┌─────────▼───────────┐
                    │  Step 8: 组装投稿包  │  ← submission-assembler
                    │  输出: 完整投稿包    │
                    └─────────┬───────────┘
                              │
                    ┌─────────▼───────────┐
                    │  ⏸️ 人工检查点       │
                    │  □ IRB 编号          │
                    │  □ 作者信息          │
                    │  □ 最终确认          │
                    └─────────┬───────────┘
                              │
                    ┌─────────▼───────────┐
                    │  Step 9: DOCX转换    │  ← manuscript-to-word
                    │  输出: .docx 文件    │
                    └─────────┬───────────┘
                              │
                            投稿

步骤详细说明

Step 1: 数据探查 (data-profiler)

# 编排器调用
profile_result = invoke_skill('data-profiler', {
    'data_path': user_data_path,
    'research_question': user_research_question,
})
# 输出: data_dictionary.md, analysis_populations.md

自动决策:

• 变量层级关系 → 自动选择正确的分组变量
• 缺失模式 → 自动决定主分析使用完全病例还是填补
• 伪分类变量 → 自动标记

检查点: 无（全自动）

Step 2: 统计分析 (statistical-analysis)

# 编排器调用
analysis_result = invoke_skill('statistical-analysis', {
    'data_path': 'analysis_ready.csv',
    'plan': research_plan,          # 来自 CLAUDE.md 或 Step 0 选定假设
    'populations': profile_result.populations,
    'data_dict': profile_result.dictionary,
    'multi_path': True,             # 新增: 激活 Multi-Path Explorer（有候选方法时自动并行）
    'multi_path_report': True,      # 新增: 输出候选方法对比报告
})
# 输出: full_analysis_report.md, tables/, figures/, method_selection_report.md

自动决策:

• 基于数据字典自动选择正确的列名
• 基于分布检查自动选择参数/非参数方法
• 基于缺失模式自动处理 NaN

检查点: 无（全自动，但生成中间报告供查看）

Step 3: 流程图 (flow-diagram-generator)

flow_result = invoke_skill('flow-diagram-generator', {
    'data_path': 'analysis_ready.csv',
    'populations': profile_result.populations,
})
# 输出: flow_diagram.md, population_registry.md

Step 4: 写初稿 (manuscript-drafter)

draft_result = invoke_skill('manuscript-drafter', {
    'analysis_report': 'full_analysis_report.md',
    'journal': target_journal,
    'data_dict': 'data_dictionary.md',
    'flow_diagram': 'flow_diagram.md',
    'population_registry': 'population_registry.md',
})
# 输出: manuscript_draft.md

Step 5: 插入文献 (academic-reference-inserter)

ref_result = invoke_skill('academic-reference-inserter', {
    'manuscript': 'manuscript_draft.md',
    'journal': target_journal,
    'auto_insert': True,              # 自动模式
    'auto_insert_threshold': 0.8,     # 相关度>0.8自动插入
    'max_refs': journal_ref_limit,    # 不超过期刊上限
})
# 输出: manuscript_with_refs.md

Step 6: 期刊对标 (journal-benchmarker)

bench_result = invoke_skill('journal-benchmarker', {
    'journal': target_journal,
    'keywords': research_keywords,
    'manuscript': 'manuscript_with_refs.md',
    'auto_fix': True,                 # 自动修复可修复的差距
})
# 输出: benchmark_report.md, 稿件已更新

Step 7: 自审修复 (manuscript-reviewer)

review_result = invoke_skill('manuscript-reviewer', {
    'manuscript': 'manuscript_with_refs.md',
    'journal': target_journal,
    'analysis_outputs': 'outputs/',    # Dimension 7: 数据一致性
    'population_registry': 'population_registry.md',
    'iterative': True,                 # 新增: 激活迭代收敛循环（最多3轮）
    'max_rounds': 3,                   # 新增: 最大轮数
})
# 输出: manuscript_reviewed.md, review_report.md（含 Convergence Summary）

Step 7.5: 诚信审计 (research-integrity-audit)

# 编排器调用
audit_result = invoke_skill('research-integrity-audit', {
    'manuscript': 'manuscript_reviewed.md',
    'journal': target_journal,
    'analysis_outputs': 'outputs/',
    'population_registry': 'population_registry.md',
    'figures_dir': 'figures/',
    'tables_dir': 'tables/',
    'data_dictionary': 'data_dictionary.md',
    'mode': 'pipeline',
})
# 输出: integrity_audit_report.md, ai_disclosure_statement.md, ntc_matrix.md

# 门控判定
if audit_result.verdict == 'FAIL':
    pause_pipeline(
        f"诚信审计未通过: {audit_result.blocking_count} 个阻断项\n"
        f"详见: integrity_audit_report.md\n"
        f"修复后重新运行 Step 7.5"
    )

门控规则:

• 任一 CRITICAL 项 FAIL → 阻断，必须修复后重新审计
• MAJOR 项 FAIL ≥ 3 个 → 阻断，建议修复
• MAJOR 项 FAIL < 3 个 → 通过（附注意事项）

检查点: 自动门控（FAIL 时暂停管线）

Step 8: 组装投稿包 (submission-assembler)

package_result = invoke_skill('submission-assembler', {
    'manuscript': 'manuscript_reviewed.md',
    'journal': target_journal,
    'figures_dir': 'figures/',
    'tables_dir': 'tables/',
})
# 输出: submission_package/ 目录

⏸️ 人工检查点

Pipeline 在此暂停，等待用户提供：

1. IRB 编号 — 伦理审查批准号
2. 作者信息 — 姓名、单位、通讯作者、贡献声明
3. 最终确认 — 用户通读终稿后确认

Step 9: DOCX 转换 (manuscript-to-word)

docx_result = invoke_skill('manuscript-to-word', {
    'input': 'manuscript_final.md',
    'output': 'manuscript_final.docx',
    'journal': target_journal,
})

行动追踪集成

Pipeline 每个步骤执行后，自动调用 track CLI 记录行动和结果：

TRACK="/Users/terry/ai-research-army/systems/action-tracker/track"

# 每个 Step 执行后记录（成功示例）
$TRACK ok! $PROJECT_ID figure_generate "Step 2: 统计分析完成" --skill statistical-analysis

# 失败时记录根因
$TRACK fail! $PROJECT_ID stat_regression "Step 2: Cox模型不收敛" --skill statistical-analysis \
  --pattern FP-3 --cause "协变量共线性" --lesson "回归前先跑VIF检查"

编排器追踪规则：

1. 每个 Step 完成后立即调用 track，不要等到 Pipeline 结束
2. 成功用 ok!，失败用 fail!（含 --cause），部分成功用 record + partial
3. --skill 参数必须填写对应的 Skill 名称
4. 失败时尽量匹配已知模式（$TRACK patterns 查看已知模式库）
5. Pipeline 整体完成后，额外记录一条汇总行动：

   $TRACK ok! $PROJECT_ID submit_package "Pipeline完成: 9步全通过" --skill paper-pipeline

Step-行动类型映射：

错误处理与回退

def run_step(step_name, skill_name, params):
    """运行单个步骤，含错误处理"""
    try:
        result = invoke_skill(skill_name, params)
        log(f"✅ {step_name} 完成")
        return result
    except AnalysisError as e:
        # 分析错误: 记录并尝试回退
        log(f"⚠️ {step_name} 失败: {e}")
        if e.recoverable:
            # 尝试替代方案
            result = invoke_skill(skill_name, {**params, 'fallback': True})
            return result
        else:
            # 不可恢复: 暂停管线，请求人工干预
            pause_pipeline(f"{step_name} 需要人工干预: {e}")
    except Exception as e:
        # 未预期错误: 暂停管线
        pause_pipeline(f"{step_name} 意外错误: {e}")

各步骤的回退策略:

进度报告

Pipeline 运行时输出实时进度：

## Paper Pipeline Progress

📋 Input: analysis_ready.csv → EJHF
🕐 Started: 2026-02-26 20:00

| Step | Skill | Status | Duration |
|------|-------|--------|----------|
| 1. 数据探查 | data-profiler | ✅ Done | 0:32 |
| 2. 统计分析 | statistical-analysis | ✅ Done | 3:45 |
| 3. 流程图 | flow-diagram-generator | ✅ Done | 0:18 |
| 4. 写初稿 | manuscript-drafter | 🔄 Running... | — |
| 5. 插入文献 | academic-reference-inserter | ⏳ Pending | — |
| 6. 期刊对标 | journal-benchmarker | ⏳ Pending | — |
| 7. 自审修复 | manuscript-reviewer | ⏳ Pending | — |
| 7.5 诚信审计 | research-integrity-audit | ⏳ Pending | — |
| 8. 组装投稿包 | submission-assembler | ⏳ Pending | — |
| 9. DOCX转换 | manuscript-to-word | ⏳ Pending | — |

配置选项

# pipeline_config.yaml
pipeline:
  # 自动模式 (减少人工确认)
  auto_mode: true

  # 各步骤配置
  data_profiler:
    detect_hierarchy: true
    missing_threshold: 0.05

  research_ideation:
    enabled: false            # 默认关闭（backward compatible），设为 true 激活可选 Step 0
    top_n: 3                  # 输出前 N 个假设
    novelty_check: true       # 是否执行 Semantic Scholar 新颖性检验
    pause_for_selection: true # 用户选定假设后暂停确认

  statistical_analysis:
    default_imputation: "complete_case"
    sensitivity_imputation: "median"
    multi_path: true          # 新增: 激活候选方法并行探索（Multi-Path Explorer）
    multi_path_report: true   # 新增: 输出方法对比报告

  reference_inserter:
    auto_insert: true
    auto_insert_threshold: 0.8
    max_refs: 30

  benchmarker:
    auto_fix: true
    min_papers: 2

  reviewer:
    dimensions: 7          # 含 Dimension 7 数据一致性
    auto_fix_severity: ["CRITICAL", "MAJOR"]
    iterative: true        # 新增: pipeline 调用启用迭代收敛循环
    max_rounds: 3          # 新增: 最多迭代轮数

  integrity_audit:
    enabled: true          # Step 7.5 诚信审计门控
    dimensions: [D1, D2, D3, D4, D5, D6]  # 全维度
    gate_on_critical: true # CRITICAL 失败即阻断
    gate_major_threshold: 3 # MAJOR 失败 ≥3 即阻断
    generate_ai_disclosure: true  # 自动生成 AI 声明

  # 人工检查点
  human_checkpoints:
    - after_step: 8        # 投稿包组装后
    - requires: ["irb", "authors", "final_approval"]

与其他 Skill 的关系

本 Skill 是编排器，不执行具体分析或写作，只负责：

1. 按正确顺序调用各 Skill
2. 在 Skill 之间传递数据
3. 处理错误和回退
4. 报告进度

被编排的 Skill:

更新日志

• v1.2 (2026-03-04): Skill 整合后更新引用
  • Step 9: academic-docx-converter → manuscript-to-word（合并后的统一 DOCX 转换器）
  • research-ideation 已合并 research-diagnosis（资产诊断 + 假设生成）
  • error-collector 已合并 bug-tracker（自动收集 + 手动记录）
• v1.1 (2026-03-04): 新增 Step 7.5 诚信审计门控
  • 在 manuscript-reviewer (Step 7) 和 submission-assembler (Step 8) 之间插入 research-integrity-audit
  • NTC 数字溯源链 + 六维度审计 + AI 声明自动生成
  • 门控逻辑: CRITICAL 失败即阻断，MAJOR ≥3 阻断
  • 响应 2026-02 国家卫健委医学科研诚信新政策
• v1.0 (2026-02-26): 初始版本
  • 9步编排流程
  • 错误处理与回退策略
  • 进度报告系统
  • 从 P-A 论文全流程经验中设计