name: quality-gate description: > 学术稿件质量门控合集。整合稿件审查、研究诚信审计/数字溯源、AIGC自检三项能力。 子命令: /qa review（7维稿件审查与修复）、/qa integrity（NTC数字溯源链+六维度诚信审计）、 /qa aigc（AIGC疑似率自检，对齐PaperPass）。 触发条件: 用户说"审查稿件/review/自审" → review；说"诚信审计/数字溯源/NTC/AI声明" → integrity； 说"aigc自检/检测AIGC率" → aigc。 domain: 学术管线 triggers:

• /qa review
• /qa integrity
• /qa aigc neighbors:
• submission-toolkit # 审查通过后组装投稿包+转Word
• journal-toolkit # 对标期刊论文、获取模板
• data-profiler # 上游数据描述
• statistical-analysis # 上游统计分析
• academic-figure-engine # 图表验证联动
• paper-pipeline # 编排器自动调用 allowed-tools: Read, Write, Edit, Glob, Grep, Bash, WebSearch, WebFetch

Quality Gate — 学术稿件质量门控

边界声明

本 Skill 负责稿件级别的质量把关，覆盖三个维度：

与相邻 Skill 的分工:

• data-forensics：原始数据真伪鉴定（管线 Step 1.5），本 Skill 在其下游
• data-profiler：数据描述与 population_registry 生成，本 Skill 消费其输出
• submission-toolkit：投稿包组装+格式转换，本 Skill 的下游

/qa review — 稿件审查与自修

原 Skill: manuscript-reviewer

核心理念

审稿人会问的问题，我们先问自己。 写完稿就自动检查，检查到问题直接修复。

触发条件

• 用户说"审查稿件"/"检查论文"/"review manuscript"/"自审"
• 论文初稿完成后 / 用户说"看看有什么问题"
• paper-pipeline 编排器自动调用

输入/输出

• 输入: 稿件文件(.md/.docx) + 目标期刊名称；可选: CLAUDE.md、outputs/ 分析结果
• 输出: 修复后的稿件（直接覆盖）+ 修复报告（Markdown）

7维扫描框架

D7 果断度阻断规则: 当数字不一致跨越统计显著性阈值（如 p 值一个 <0.05 一个 >0.05），严重性自动升级为 CRITICAL，输出格式：

BLOCK: 数字不一致
  位置: Results 第3段
  稿件值: p = 0.043
  数据值: p = 0.067
  严重性: CRITICAL（跨越显著性阈值 0.05）
  处置: 管线暂停，以数据值为准修正后才能继续

执行模式

Standard Mode（默认）: 单轮扫描修复。

Iterative Mode: 最多3轮，每轮计算质量分（CRITICAL10 + MAJOR3 + MINOR*1），收敛则停止。激活条件：pipeline 调用 / 初始 CRITICAL >= 2。

输出 Convergence Summary 表（轮次 / CRITICAL / MAJOR / MINOR / 质量分 / 状态）。

期刊规范速查

内置 ESC家族(EJHF/EHJ)、JACC家族、Circulation、Chinese Medicine、中医学报 等速查表。不在速查表中的期刊用 WebSearch 查询 "[journal] author guidelines"。

行动追踪

TRACK="/Users/terry/ai-research-army/systems/action-tracker/track"
$TRACK ok! $PROJECT_ID review_auto "7维审查完成：修复3C+8M+12m项" --skill quality-gate

协作关系

• 上游: manuscript-drafter → 本命令自动审查
• 平行: journal-toolkit /journal benchmark 提供对标数据
• 平行: academic-reference-inserter 插入引用 → 本命令检查引用完整性
• 下游: 修复完成 → submission-toolkit /submit assemble
• 联动: flow-diagram-generator 提供 population_registry → D7 交叉验证

/qa integrity — 研究诚信审计与数字溯源

原 Skill: research-integrity-audit v2 升级 (2026-03-11): 新增轻量模式（数字对账单）、CSV结构化匹配、文献引用过滤。 基于 tian-eg-behavior 3RED+7ORANGE 事故修复。

核心理念

科研论文的真正信源是数字本身。 同一个数字从统计输出到摘要被抄写5次，每次抄写都是出错机会。

数字只有两种合法身份：

• 自己的数据 → 必须溯源到 CSV
• 别人的数据 → 必须有文献引用标记 [X] 或 (Author, Year)

来历不明的数字 = 红灯。不做数字注册表，做按需校验——稿件本身就是"关键数字"的定义者。

两种运行模式

触发条件

轻量模式 /qa check:

• 用户说 "对账" / "数字校验" / "check numbers" / "对一下数字"
• manuscript-drafter 完成初稿后自动调用
• 稿件修改后手动触发

完整模式 /qa integrity:

• 用户说 "integrity audit" / "合规审查" / "诚信审计" / "数字溯源" / "AI声明" / "NTC"
• paper-pipeline Step 7.5 自动调用

输入/输出

• 输入: 稿件文件(.md) + 结果CSV目录(results/)；完整模式还需原始数据文件
• 轻量输出: 数字对账单.md（一张表，30秒内生成）
• 完整输出: integrity_audit_report.md + ai_disclosure_statement.md + ntc_matrix.md + 门控判定(PASS/FAIL)

NTC v2 工作流

Step 1: EXTRACT  — 从稿件提取所有定量声明
                   覆盖: N/F/t/d/beta/r/chi²/AUC/HR/OR/CI/p/M±SD/M(SD)/%/拟合指标
                   （v2 新增 F/t/d/beta/r/chi²/U/M(SD)/拟合指标）

Step 2: CLASSIFY — 区分自有数字 vs 文献引用（v2 新增）
                   有 [X] 引用标记 → LITERATURE（跳过校验）
                   Results/Tables/Abstract → OWN_DATA（必须校验）
                   Introduction 引用他人 → LITERATURE

Step 3: LOCATE   — CSV 结构化匹配（v2 重写）
                   解析 CSV 列名 → 根据上下文推断变量名 → 精确取值
                   替代了 v1 的逐行文本搜索
                   匹配类型: EXACT / ROUNDING（±0.005自动通过） / MISMATCH

Step 4: VERIFY   — 从原始数据重新计算（仅完整模式）
Step 5: CHAIN    — 构建溯源链，判定状态
Step 6: REPORT   — 轻量模式→对账单 / 完整模式→NTC矩阵+审计报告

数字对账单格式（轻量模式）

# 数字对账单
稿件: manuscript_v2.md | 数据源: results/ | 生成时间: 2026-03-09 10:00

| 位置 | 稿件值 | CSV值 | 来源 | 判定 |
|------|--------|-------|------|------|
| 摘要 N= | 130 | 130 | group_comparison.csv:N | ✅ |
| §3.7.1 HAMD p= | .56 | .918 | attrition_analysis.csv:HAMD:p | ❌ |
| 引言 "SBP升高29%[5]" | 29% | — | — | 📖文献 |

统计: 45项 ✅32 ❌6 📖5 ⚪2
判定: ❌ 未通过（6项不匹配，需修正后继续）

NTC 矩阵格式（完整模式）

| # | 声明 | 位置 | 稿件值 | 分析源 | 原始数据验证 | 状态 |
|---|------|------|--------|--------|-------------|------|
| 1 | N=895 | Abstract | 895 | population_registry:total:N | df.shape[0]=895 | ✅ VERIFIED |
| 5 | 15.2% | Results 3.5 | 15.2 | 未找到 | — | ❌ BROKEN_CHAIN |

状态定义

断链输出规范

DATA_MISMATCH 或 BROKEN_CHAIN 时必须使用 BLOCK 格式，禁止 "建议核实"/"可能存在差异"/"请考虑" 等措辞。

门控规则

• 任一 DATA_MISMATCH（跨越显著性阈值，如 p 一个 <.05 一个 >.05）→ CRITICAL 阻断
• DATA_MISMATCH >= 3 → 阻断
• BROKEN_CHAIN >= 3 → 阻断
• 其他 → 通过（附注意事项）

资源引用

• AI 声明模板: /Users/terry/.claude/skills/research-integrity-audit/references/ai-disclosure-templates.md
• 审计维度参考: /Users/terry/.claude/skills/research-integrity-audit/references/audit-dimensions.md
• NTC 算法: /Users/terry/.claude/skills/research-integrity-audit/references/number-traceability-algorithm.md
• 报告模板: /Users/terry/.claude/skills/research-integrity-audit/references/report-template.md

行动追踪

TRACK="/Users/terry/ai-research-army/systems/action-tracker/track"
$TRACK ok! $PROJECT_ID integrity_audit "NTC审计完成: D1-D6全通过" --skill quality-gate
$TRACK fail! $PROJECT_ID integrity_audit "NTC审计失败: 3个CRITICAL断链" --skill quality-gate \
  --cause "稿件数字与分析输出不一致"

协作关系

• 上游: /qa review 审查后稿件 → 本命令数字提取
• 上游: data-profiler → population_registry, data_dictionary
• 上游: statistical-analysis → 假设检验结果, 分析报告
• 上游: academic-figure-engine → verify_figure() 逻辑
• 下游: submission-toolkit /submit assemble 消费审计报告 + AI 声明

/qa aigc — AIGC 自检（Claude-as-Judge）

原 Skill: aigc-check

核心原理

用 Claude 自身的语言理解替代 PaperPass 的 LM，对每个段落三维评分后线性校准。 校准公式: PaperPass疑似率 = 0.86 * Claude原始分 + 13.1（R^2=0.85, MAE=5.2分）

触发条件

• 用户说 "aigc自检" / "检测AIGC率" / "aicheck"
• 提供 .docx 文件路径并说"检测"
• 改写后需要验证效果

执行流程

Step 1: 提取段落（Python docx解析，跳过参考文献/标题/过短/纯英文）
Step 2: 三维评分（A:词汇可预测性0-40 + B:句式模板化0-30 + C:个人视角缺失0-30）
Step 3: 输出JSON评分（raw=A+B+C, pp_est=0.86*raw+13.1, level分级）
Step 4: 输出报告（段落数/加权疑似率/高中风险段落/改写优先级）

风险分级

• pp_est >= 70 → 高风险
• 50 <= pp_est < 70 → 中风险
• pp_est < 50 → 低风险

降分改写策略（实证总结）

高效策略（每段降10-25分）: 以具体数字开头、切入反常识论断、末尾加批判性判断、用破折号强调对比、删"为...提供了...路径"句式、叙事起点改写、操作化问题列表、自我指涉式结尾。

低效策略（降分<5分）: 单纯换近义词、把长句拆短、加引文编号。

迭代规则: 科学综述类目标消灭所有高风险段(>=70%)，加权疑似率目标 <55%（实践下限约54%）。每轮降幅 <2% 时停止迭代。

⚠️ 重要: Claude 内部估算仅作为改写方向指引，不作为达标证明。 系统偏差约 16-17%（FP-8），实际 AIGC 率以 PaperPass/知网等外部工具检测为准。 中文稿件投稿前必须完成外部 AIGC 检测（由 /submit assemble 前置门控提醒）。

行动追踪

TRACK="/Users/terry/ai-research-army/systems/action-tracker/track"
$TRACK ok! $PROJECT_ID aigc_detect "AIGC自检完成：加权疑似率58.9%，高风险10段" --skill quality-gate

使用方法

/qa aigc /path/to/manuscript.docx

子命令消歧规则