lit-collision — 发表前方法论碰撞检测

本 skill 是一个垂直原子 skill，专门完成一件事：

把用户的 draft 论文与近期文献作"方法论碰撞检测"，输出一份排序后的碰撞风险报告 + 防御建议。

它不做全景式 literature review，不做 wiki 持久化，不做论文精读，也不做正向 idea 生成。那些是别的 skill 的事。本 skill 只在投稿前被调用一次，回答一个问题："这篇稿子跟最近的哪些论文撞车了？撞在哪个轴上？我该怎么辩护？"

何时触发 (Triggering)

• 用户显式命令: /lit-collision <draft.pdf>
• 自然语言意图:
  • "check for methodological overlap"
  • "pre-submission competitive scan"
  • "find papers that could scoop us"
  • "collision detection"
  • "方法论碰撞检测"
  • "发表前竞争态势分析"
  • "看看有没有人做过一样的东西"

不要触发的情况:

• 用户想要系统综述 → literature-review
• 用户想查某一主题的论文列表 → paper-lookup
• 用户想精读某一篇 → paper-reader
• 用户想把论文编进知识库 → research-wiki
• 用户想从观察生成新 hypothesis → hypothesis-generation

依赖工具

本 skill 不引入任何新 MCP server，不创建 scripts/ 目录。它只组合已有能力:

工作流

Phase 1 — Draft 特征抽取

1. 接收 draft 路径 (PDF 为主，也允许 .tex / .md)。
2. 按全局 CLAUDE.md ## PDF and Image Reading 的 size-gated 规则读入 draft：
   • 长 / 复杂 draft PDF（> 20 页、扫描版、公式/图表密集——绝大多数 statistics 草稿属于此类）→ 用 cnai flash 原文提取：

     cnai new flash   # 记录 hash
     cnai chat <hash> -f /path/to/draft.pdf << 'EOF'
     请将此文件中的所有内容完整逐字提取输出。不要总结，不要分析，不要省略任何部分。
     EOF

   • 短小简单 draft（≤ 20 页、主要是文本、无扫描）→ 直接 Read PDF
   • .tex / .md 源码 → 直接 Read
3. 从提取后的原文中结构化抽取以下字段 (在上下文中构造，不落盘):

{
  "problem": "1–2 sentences stating the question the draft answers",
  "method_family": "e.g. spectral clustering with distributed aggregation",
  "key_assumptions": ["iid", "sparse network", "smooth outcome regression", "..."],
  "datasets": ["synthetic SBM", "Stanford SNAP ego-facebook", "..."],
  "key_theorems": ["consistency of community labels", "minimax lower bound on SNR", "..."],
  "keywords": ["5–10 searchable terms"]
}

抽取原则:

• method_family 要写到"读者看一眼就能判断是否撞车"的粒度。不能只写"clustering"，要写"semi-definite relaxation of modularity on sparse networks"。
• key_theorems 要点出定理的类型 (consistency / rate / minimax / identification / CLT / ...) 而不是编号。
• keywords 既要包含技术名 (e.g. "sparse stochastic block model")，也要包含应用场景 (e.g. "distributed inference")。

Phase 2 — 迭代检索（默认 1–3 轮，硬上限 10 轮）

Round 1 — 调用 paper-lookup skill，用 keywords 向 arXiv + Semantic Scholar + OpenAlex 同时检索，每源 top-20（总共 ~60 候选，去重后约 30–50）。

Subagent fanout 的条件判断（按全局准则，不是宗教仪式） — 对本轮去重后的候选，按全局 CLAUDE.md ## Subagent 并行调用判断准则 决定是否外包：

• 候选数 ≥ 6 且每条独立打分 → 并行 Task fanout，一次消息发射整轮调用
• 候选数 < 6 → 主线程直接打分即可，Agent 调用开销 > 价值
• 候选 PDF 读取：按 global PDF 规则（长/复杂用 cnai flash，短简单直接 Read，只有 abstract 时用字符串即可）

每个打分任务（并行或串行）产出一条候选打分 JSON（schema 见 Phase 3）。

Token 预算估算（Phase 2 入口先报告） — 估算 预计轮数 R × 每轮候选数 N × ~2k token/候选 ≈ T token，在启动 fanout 前先把 T 告知用户。默认 R = 1–3 对大多数草稿足够；只有 Round 1 未收集到 ≥ 10 篇 score ≥ 0.5 的候选时才启动 Round 2；10 轮是硬上限而非目标。若估算 T 超过用户可接受预算，降低 R 或 N 再跑。

轮次终止条件:

• 收集到 ≥ 10 篇打分 ≥ 0.5 的候选 → 进入 Phase 3
• 或已跑满 10 轮 → 进入 Phase 3
• 否则从本轮 top-5 的 abstract 中提取新查询词 (method family 术语、novel dataset 名、新出现的定理类型)，进入下一轮

去重与合并 — 每轮结束后按 DOI / arXiv id / normalized title 合并。已见过的论文不重复打分。

Phase 3 — 四轴碰撞打分

每篇候选在以下四个轴上被 subagent 独立打分 (0.0–1.0):

加权总分:

$$ \text{collision_score} ;=; 0.4 \cdot \text{method_overlap} ;+; 0.3 \cdot \text{theorem_overlap} ;+; 0.2 \cdot \text{problem_overlap} ;+; 0.1 \cdot \text{dataset_overlap} $$

风险分级 (risk tier):

每个候选返回以下 schema (外层数组即本 skill 的主数据结构):

{
  "paper_id": "arXiv:2401.XXXXX",
  "title": "...",
  "venue": "arXiv | NeurIPS | JASA | Biometrika | ...",
  "year": 2025,
  "problem_overlap": 0.0,
  "method_overlap": 0.0,
  "theorem_overlap": 0.0,
  "dataset_overlap": 0.0,
  "collision_score": 0.0,
  "risk_tier": "high | medium | low | cleared",
  "overlap_axes": ["method", "theorem"],
  "differentiators": ["your work uses X; they use Y"],
  "defense_suggestions": ["emphasize X in intro", "add corollary Y"],
  "defense_status": "not-yet-challenged | defended | undefended",
  "evidence_quote": "short literal quote from abstract/intro that justifies the scores"
}

defense_suggestions 必须来自 references/collision_taxonomy.md 的 Defense playbook。不要自由发挥——防御动作受控词表保证一致性。

Phase 4 — 苛刻评审 pass (harsh critic)

再派一个 Task subagent，人设:

"你是一个刻薄的 JASA/NeurIPS 评审。你坚信 'trivial extension is NOT novelty'。你要逐一攻击 top-5 高风险候选，论证 draft 相对于它只是 trivial extension。"

该 subagent 重新读 top-5 (如果数量不足 5，就读 top-k 高风险候选) 的 abstract + intro + 关键定理段，输出:

{
  "harsh_critic_notes": [
    {
      "target_paper_id": "...",
      "attack": "The draft simply replaces assumption A with A' and rederives the same rate; the proof template is unchanged.",
      "counter_defense": "The draft's new regime requires a new concentration bound; cite Lemma X as the non-trivial ingredient."
    }
  ]
}

risk_tier 由 collision_score 硬阈值决定，harsh critic 不会改写它。harsh critic 的职责是独立地为每条 top-k 候选填充 defense_status：

• 若 critic 给出可用的 counter_defense → defense_status = "defended"
• 若 critic 的 attack 无法被反驳 → defense_status = "undefended"
• 未被 harsh critic 复审的候选 → defense_status = "not-yet-challenged"

因此 risk_tier = high 且 defense_status = "undefended" 的论文是最紧急条目，draft 里必须显式应对；而 risk_tier = high 且 defended 的条目只需在 related work 里简短交代差异。分数高低与是否 defended 是两个正交维度——不要相互覆盖。

Phase 5 — 输出 COLLISION_REPORT.md

在当前工作目录写入 COLLISION_REPORT.md，结构如下:

# Collision Report — <draft title>

_Generated by lit-collision on <date>_

## Executive Summary

- Papers screened: N
- Rounds executed: R
- High risk: H · Medium: M · Low: L · Cleared: C
- Undefended high-risk: U (要立即处理)

## Draft Features

- Problem: ...
- Method family: ...
- Key theorems: ...
- Datasets: ...
- Keywords: ...

## High-Risk Collisions

### 1. <Paper title> (venue, year) — score = 0.XX

- Overlap axes: method, theorem
- Evidence: "..."
- Differentiators:
  - ...
- Defense suggestions:
  - ...
- Harsh critic attack: ...
- Counter-defense: ... (or `UNDEFENDED`)

...

## Medium-Risk Collisions

| # | Paper | Venue | Year | Score | Axes | Key differentiator |
|---|---|---|---|---|---|---|
| ... |

## Low-Risk Mentions

- `arXiv:XXXX.XXXXX` — <title> — 0.XX — mention in related work as "recent work on ..."

## Harsh Critic Notes (raw)

<full harsh_critic_notes array, one bullet per target>

## Action Items

1. **Top-3 papers to discuss in related work**: ...
2. **Top-2 claims to sharpen as differentiators**: ...
3. **Optional next step**: run `/multi-model-review` on this report to adversarially validate the risk tiering before finalizing the draft.

输出格式硬性约束

• 所有数学公式使用 LaTeX ($...$ / $$...$$)。严禁 E[Y(1)-Y(0)] 这样的纯文本数学。
• 代码/JSON/命令使用英文。
• 解释性散文使用中文 (用户的默认偏好)。
• Report 中引用 evidence 必须是原文 quote，用引号包裹，不得改写。

设计原则 (不可违反)

1. 原子性: 本 skill 只做碰撞检测。任何扩展都不应让它变成二次综述工具。
2. 无脚本: 没有 scripts/ 目录。所有逻辑由 LLM + 已有 skill 组合。
3. 无新服务: 不引入新 MCP server。
4. 并行强制: Phase 2 的候选打分必须并行 Task fanout。
5. 防御建议来自控制词表: references/collision_taxonomy.md 的 Defense playbook 是唯一来源。
6. 不自动链调其它 skill: 本 skill 绝不自动运行 literature-review / research-wiki / paper-reader。multi-model-review 仅作为 report 末尾的"可选下游步骤"文字提示，不自动 spawn。

参考

• references/collision_taxonomy.md — 四轴定义、判据、正反例、Defense playbook