القائمة
学术写作全流程编排器。自动协调规划、写作、审阅的多轮迭代。 触发词：写申报书、写论文、学术写作、开始写作、write proposal、 write paper、nsfc、国自然 适用：国自然申报书、AI顶会论文等学术文档的端到端生成与迭代优化。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/pkgunboat/ScholarWriting --skill scholar-pipelineيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
学术文档架构师。分析用户提供的研究材料，提取核心论点，构建文档骨架。 生成大纲、章节依赖图、论点注册表和材料映射。 仅由 pipeline 编排器内部调用。
逻辑审阅 agent。检查论证链完整性、推理跳跃、循环论证等逻辑问题。 仅由 pipeline 编排器内部调用。
国自然申报书「去AI化」审阅 agent (R2)。 按章节类型、学科领域和检测强度三个维度分层检测 AI 写作痕迹。 采用两步法：先自由分析，再对照 checklist 评分。 仅由 pipeline 编排器内部调用。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | scholar-pipeline |
| description | 学术写作全流程编排器。自动协调规划、写作、审阅的多轮迭代。 触发词：写申报书、写论文、学术写作、开始写作、write proposal、 write paper、nsfc、国自然 适用：国自然申报书、AI顶会论文等学术文档的端到端生成与迭代优化。 |
| allowed-tools | ["Read","Write","Edit","Bash","Agent"] |
Pipeline 启动时，首先加载项目配置和模板定义，构建完整的运行参数。
{SCRIPTS} = 脚本目录绝对路径，编排器在会话开始时按自身文件位置解析一次
（等价于 Path(__file__).resolve().parents[2] / "scripts"——
本 SKILL.md 位于 <仓库根>/scholar-writing/skills/pipeline/SKILL.md，
parents[2] 上溯三级父目录正好落在 <仓库根>/scholar-writing/，再拼接 scripts/
即得 <仓库根>/scholar-writing/scripts/；抄 init_project.py:21-23 的同款解析逻辑，
注意不要在 parents[2] 后面重复拼接 "scholar-writing"，那会产生不存在的
scholar-writing/scholar-writing/scripts/ 路径）。
下文所有脚本调用均以 python3 {SCRIPTS}/<name>.py 的绝对路径形式给出，不受当前 cwd 影响。
初始化流程：
1. 读取 config.yaml
config = Read("config.yaml")
project_type = config.project.type # 例如 "nsfc", "paper"
project_template = config.project.template # 例如 "youth_fund", "icml"
input_mode = config.project.input_mode # "from_materials" | "from_outline" | "from_draft"
# 风格与交付相关字段（全部可选，schema 不进 required；缺省语义见第 5 步的优先级合并）
cfg_citation_style = config.project.citation_style # "numbered" | "author_year"，未配置为 undefined
cfg_style_profile = config.project.style_profile # 画像路径（相对 scholar-writing/ 根）或 null
cfg_style_alignment = config.project.style_alignment # boolean，仅 input_mode == "from_draft" 时生效
cfg_delivery = config.delivery # 顶层可选块 {sections: [模板 sections[].name…]}，
# 未配置 = 全量交付（命名刻意避开 scope，
# 防与 aggregate.py --scope 参数撞名）
2. 加载模板（支持继承）
template_path = "templates/{project_type}/{project_template}.yaml"
template = Read(template_path)
# 模板继承：深度合并
# extends 语义（权威说明见 references/CONVENTIONS_ZH.md 第四节）：
# extends 的取值是"相对 templates/ 根、不含 .yaml 后缀"的路径，
# 例如 面上项目.yaml 中 extends: nsfc/base 指向 templates/nsfc/base.yaml。
# 解析时【不要】再额外拼接 project_type 段，否则会拼成
# templates/nsfc/nsfc/base.yaml（重复 nsfc，double-nsfc bug）。
if template.extends:
parent_path = "templates/{template.extends}.yaml" # 正确：templates/nsfc/base.yaml
parent_template = Read(parent_path)
# 若父模板自身也含 extends，则先递归解析到最顶层祖先，再自底向上逐层合并
template = deep_merge(parent_template, template) # parent 为基准，child 覆盖
# deep_merge 规则（明确可执行；对 sections / dependency_graph /
# review_strategy / length_management 等父模板键，均被子模板同名键覆盖）：
# 1) 标量字段（如 name、review_strategy 字符串、length_management 下的标量）：
# child 有则覆盖 parent，child 无则保留 parent。
# 2) 字典字段（如 dependency_graph、length_management）：按 key 递归 deep_merge，
# 同名 key 下 child 覆盖 parent，parent 独有的 key 保留。
# 3) 数组字段（如 sections）：
# · 元素为带 name（无 name 则用 id）的对象时，按该键对齐：
# - 同名元素：递归 deep_merge，child 字段覆盖 parent 同名字段，
# parent 未被覆盖的字段保留（如子模板只改某章 target_length，其余字段沿用父模板）；
# - child 独有的新元素：追加到数组末尾；
# - parent 独有的元素：保留。
# · 元素为标量、或缺少 name/id 无法对齐时：child 整个数组替换 parent（不追加）。
3. 从模板提取核心结构
sections = template.sections # 章节列表，每项含 id、name、reviewer_dims，
# 以及三个"真源"字段（权威说明见 CONVENTIONS_ZH.md 第一节）：
# file 落盘文件名真源（如 06_特色与创新.md，不含 sections/ 前缀，由消费方拼接）
# checklist 评审 checklist 真源（如 checklists/06_创新点.yaml）
# writer 写作 skill 真源（如 writer/nsfc/创新点）
# 编排器一律以这三个字段为准，不得按章节名反推文件/skill 路径
dependency_graph = template.dependency_graph # 章节间依赖关系（DAG）
review_strategy = template.review_strategy # "per_section" | "batch" | "hybrid"
4. 从 config.yaml 提取运行参数
convergence = config.convergence # { max_section_rounds, max_global_rounds, section_score_threshold, global_score_threshold }
score_weights = config.score_weights # 各审阅维度权重，如 { logic: 0.2, detail: 0.15, ... }
checklist_weight_map = config.checklist_weight_map # checklist 条目到维度的映射权重
critical_threshold = config.critical_threshold # 关键缺陷阈值，低于此分数触发 human_needed
5. 合并为运行时上下文
# 风格/交付字段的优先级合并：项目 config > 模板顶层 > 缺省
#（模板顶层可声明 citation_style / style_profile 作为模板级缺省，见 schemas/template.schema.yaml；
# style_alignment 与 delivery 只在项目 config 声明，无模板级缺省）
citation_style = cfg_citation_style 存在 ? cfg_citation_style : (template.citation_style 存在 ? template.citation_style : "numbered")
# style_profile 三值语义（键缺失 ≠ 显式 null，勿混同——init_project 生成的 config 缺省不写该键）：
# 键缺失 → 继承模板缺省（template.style_profile 存在 ? template.style_profile : null）
# 显式 null → 用户禁用画像（不回落模板缺省）
# 显式字符串 → 覆盖模板，用该路径
style_profile = cfg_style_profile 键缺失 ? (template.style_profile 存在 ? template.style_profile : null)
: cfg_style_profile
style_alignment = cfg_style_alignment 存在 ? cfg_style_alignment : false # 仅 input_mode == "from_draft" 时生效
delivery = cfg_delivery 存在 ? cfg_delivery : null # null = 全量交付
runtime_ctx = {
project_type, project_template, input_mode,
sections, dependency_graph, review_strategy,
convergence, score_weights, checklist_weight_map, critical_threshold,
citation_style, style_profile, style_alignment, delivery
}
配置校验规则：
config.yaml 不存在 → 报错并终止，提示用户在仓库根运行 python scholar-writing/scripts/init_project.py <项目名> --template <类型>/<模板>template 文件不存在 → 报错并终止，列出可用模板sections 为空 → 报错并终止dependency_graph 中引用了不存在的 section id → 报错并终止convergence.max_section_rounds 必须 >= 1 且 <= 10convergence.max_global_rounds 必须 >= 1 且 <= 5convergence.section_score_threshold 必须在 0-100 之间convergence.global_score_threshold 必须在 0-100 之间project.citation_style 若配置，必须是枚举值 numbered 或 author_year（未配置按 numbered 处理）project.style_profile 若配置且非 null，必须是字符串路径（相对 scholar-writing/ 根），且指向的画像文件必须存在 → 不存在则报错并终止；显式 null 表示禁用画像（不回落模板缺省），键缺失才继承模板缺省（见上方合并规则）project.style_alignment 若配置，必须是 boolean；取 true 而 input_mode != "from_draft" 时输出警告并按 false 处理（该开关仅 from_draft 生效）delivery.sections 若配置，必须是非空字符串数组，且每个元素都能在模板 sections[].name 中找到 → 有对不上的章节名则报错并终止Pipeline 启动后，调用 validate.py 校验配置和输入文件：
# V1: 校验 config.yaml
result = Bash("python3 {SCRIPTS}/validate.py config config.yaml --format json")
if result.valid == false:
输出错误信息给用户
终止 Pipeline
# V1: 根据 input_mode 校验输入完整性
switch(input_mode):
case "from_materials":
result = Bash("python3 {SCRIPTS}/validate.py manifest materials/manifest.yaml --format json")
if result.valid == false: 终止 Pipeline，提示用户修复 manifest.yaml
case "from_outline":
result = Bash("python3 {SCRIPTS}/validate.py outline planning/outline.md --format json --project-type {project_type}")
if result.valid == false: 终止 Pipeline，提示用户修复 outline.md
case "from_draft":
验证 sections/ 下至少有一个 .md 文件，否则终止
Pipeline 支持从任意中断点恢复执行，通过 scores.yaml 记录项目状态。
scores.yaml 原子写约定（全流程强制）：scores.yaml 是断点恢复的唯一状态源。任何对它的持久化都必须通过原子写脚本完成，禁止用 Write 工具或任何方式直接整文件覆盖 scores.yaml —— 否则一旦写到一半崩溃，状态文件会损坏成非法 YAML，丢失全部进度且无法安全恢复。为此约定写入原语 write_scores(scores)，其实现固定为：把 scores 序列化为 YAML 文本，通过 stdin 传给 {SCRIPTS}/atomic_write.py（脚本内部用 tempfile 写临时文件、fsync 落盘后再 os.replace 原子替换目标，天然防半写；且写入前会自动做一次 YAML 合法性校验，非法内容根本不触碰目标文件）：
write_scores(scores) ≡ Bash("python3 {SCRIPTS}/atomic_write.py scores.yaml", stdin = yaml_dump(scores))
（此处 stdin=... 是伪代码简写，实际编排器需要用 heredoc 形式把 yaml_dump(scores) 的内容传给 atomic_write.py 的标准输入，例如：Bash("python3 {SCRIPTS}/atomic_write.py scores.yaml <<'SCORES_EOF'\n{yaml_dump(scores)}\nSCORES_EOF")， 分隔符 SCORES_EOF 不得出现在 scores 内容本身中；atomic_write.py 在 stdin 为空时会拒绝写入，见其自身实现。）
本文件后续所有 write_scores(scores)，以及散文中"更新 scores.yaml: …""写入 scores.yaml""在 scores.yaml 中标注 …"等一切对 scores.yaml 的持久化表述，一律指经由此脚本的原子写入，不再逐处展开。
断点恢复流程：
1. 检查 scores.yaml 是否存在
scores_path = "scores.yaml"
scores_exists = file_exists(scores_path)
2. 如果不存在 → 新项目初始化
if not scores_exists:
scores = {
phase: "init",
global_round: 1, # 外环轮次真源，1-based（与 §4.1 的 round 计数口径一致，见该字段的读写约定）；
# 初值取 1 而非 0：§4.1 外环主循环 `FOR round = scores.global_round TO
# convergence.max_global_rounds` 直接以此字段作为起始边界，若初值为 0 会
# 在全新项目首次进入外环时多跑出一个不存在的 "round 0" 迭代，
# 与全文其余 round 计数（reviews/round_{round}/…、round == max_..._rounds
# 等比较）的 1-based 语义冲突；初值直接设为 1 无需在循环处做额外的
# max(…, 1) 特判，语义最自洽。
global_scores: [], # 顶层数组真源（schemas/scores.schema.yaml），外环每轮由§4.1「评分聚合」
# 向此数组 append 一条 {round, consistency, narrative, feasibility, format,
# weighted, flagged}；此处先初始化为空数组，避免外环第一次 append 前该字段
# undefined
sections: {}
}
for section in runtime_ctx.sections:
scores.sections[section.id] = {
status: "pending", # pending | writing | reviewing | revising | approved | human_needed
current_round: 0, # 章节内环真源，本轮读到的最新轮次（0 = 尚未进入审阅-修改循环）
rounds_used: 0, # 该章节实际耗费的内环轮次（approved / revising 收尾时回写）
inner_scores: [], # 每轮内环评分记录
reviewer_feedback: null,
last_updated: now()
}
write_scores(scores) # 原子写，见本节开头「scores.yaml 原子写约定」
# V4: 校验 scores.yaml 状态机合法性
result = Bash("python3 {SCRIPTS}/validate.py scores scores.yaml --format json")
if result.valid == false:
尝试自修复（修正非法状态值）后 write_scores(scores)
if 仍失败: scores.phase = "human_needed"; write_scores(scores)
# 后续所有 scores.yaml 写入均经 write_scores（原子写），并在写入后执行 V4 校验
3. 如果存在 → 先校验，再按 per-section 状态精确定位断点
else:
# 【恢复先校验】分两层：先确认 YAML 本身可解析，再确认语义合法。绝不拿一个可能损坏/
# 非法的状态直接路由——否则会把坏状态越走越坏、甚至覆写掉可挽救的进度。
TRY:
scores = Read(scores_path) # YAML 解析；失败在此层被捕获
CATCH 解析异常:
# 层1：YAML 语法本身损坏，scores 对象不可用，无从读取任何既有字段，只能重建骨架
备份原文件（不覆盖，另存为 scores.yaml.corrupt）
写入最小合法骨架 {phase: "human_needed", global_round: 0, global_scores: [], sections: {}}（write_scores 原子写；
这是本次故障后唯一一次合法写入——旧内容已不可读，无从修改；global_scores 一并初始化为
空数组，避免后续外环第一次 append 时该字段 undefined）
输出诊断："scores.yaml 不是合法 YAML（解析失败），已备份到 scores.yaml.corrupt"
提示用户："请参考备份文件人工恢复各章节状态后重新运行 Pipeline。"
STOP
# 层2：YAML 语法合法，进一步做语义校验（phase/status 枚举、必填字段等）
result = Bash("python3 {SCRIPTS}/validate.py scores scores.yaml --format json")
if result.valid == false:
输出诊断：打印 validate.py 报告的具体非法点（phase/status 枚举越界、
缺失必填字段、section 状态机非法跳转等）
scores.phase = "human_needed"
write_scores(scores) # 原子写；scores 对象本身可读，只是语义不合法，安全回写
提示用户："scores.yaml 状态文件语义非法（YAML 本身可解析），无法安全恢复。
请根据以上诊断修复后重新运行 Pipeline。"
STOP
phase = scores.phase
# 路由原则：
# 顶层 phase 只负责【粗粒度阶段】（init / global_review / expert_review / human_needed /
# gate_blocked / export_failed / stalled / completed）；
# 而章节内环（写作—审阅—修改）的【精确断点】一律以 per-section status 为准来定位——
# 遍历 sections，按拓扑序找到断点章节及其所处子阶段，而非仅凭顶层 phase 粗粒度路由。
# 这样可避免"某章 reviewing/revising 中途崩溃后，被当成未写而从 Writer 重跑、
# 丢弃已完成的审阅/修订"。per-section status 与顶层 phase 的映射：
# pending → 首次写作 writing → 重写（上次写作未完成）
# reviewing→ 重审本轮 revising→ 重跑本轮修改后再审
# approved → 跳过 human_needed → 需人工介入
switch(phase):
case "init":
# 上次在初始化阶段中断，重新开始
# 【style_align pass 的重入语义】from_draft 项目若启用了风格对齐
# （runtime_ctx.style_profile 存在且 style_alignment == true），§1.3 的风格对齐
# pass 在【全部章节对齐完成后】才把 phase 置为 section_review——因此对齐 pass
# 未完成即中断时，phase 仍停留在 init，重入本分支后会经 §1.3 重跑整个对齐 pass。
# 该 pass 设计为幂等重跑：Revision(mode=style_align) 以画像为目标语体做整章重写，
# 对已对齐章节再次执行不改变事实内容、只收敛到同一语体，不会越改越偏；
# 对齐完成后统一置 status=reviewing、current_round=1，与首次执行产生同一状态。
→ 继续执行 Section 1.3 入口路由
case "section_writing", "section_review", "revision":
# 内环任一子阶段中断（三个 phase 统一按 per-section status 精确恢复；
# 无论 from_materials / from_outline / from_draft 入口进入内环，均可达本分支，
# section_review 与 revision 子阶段在此都可被正确恢复）。
# 按拓扑序（Section 3 的章节执行顺序）找到第一个仍处于内环未完成子阶段的章节：
target = 按拓扑序 first(s for s in scores.sections where s.status in {"pending", "writing", "reviewing", "revising"})
if target is null:
remaining_human_needed = [s for s in scores.sections where s.status == "human_needed"]
if remaining_human_needed 为空:
# 所有章节已 approved，推进到外环
scores.phase = "global_review"
write_scores(scores)
→ 跳转 Section 4
else:
# 余下未完成的章节全部卡在 human_needed，转诊断处理
→ 转顶层 case "human_needed" 的处理
else:
switch(target.status):
case "pending":
→ 跳转 Section 3，从 target 章节的【写作阶段】开始（首次写作）
case "writing":
# 上次写作中途崩溃，本节尚未完成，重写
→ 跳转 Section 3，从 target 章节的【写作阶段】开始（重写）
case "reviewing":
# 已写完、审阅中崩溃，续跑本轮审阅，不回退到 Writer
→ 跳转 Section 3，从 target 章节【审阅-修改循环】的第 target.current_round 轮继续（重审第 target.current_round 轮，不从第1轮重新开始）
case "revising":
# 本轮 Revision 中途崩溃，重跑本轮修改后再审，不回退到 Writer
→ 跳转 Section 3，从 target 章节【修改】步骤开始（重修第 target.current_round 轮）
# human_needed 已被排除在选择范围外，target 不会取到该状态，无需在此处理
# 说明：approved 与 human_needed 的章节都不会被选为 target；human_needed 章节需等其余章节全部完成后统一转诊断处理
case "global_review":
# 进入外环全文验证
→ 跳转 Section 4
case "expert_review":
# 外环已收敛且两道前置门已过，在阶段4 专家评审中断——重跑阶段4（幂等）
→ 跳转 Section 4.3
case "human_needed":
# 输出诊断信息，等待用户介入
blocked_sections = [s for s in scores.sections where s.status == "human_needed"]
for s in blocked_sections:
输出：
- 章节文件: s.file
- 当前轮次: s.current_round
- 最近评分: s.inner_scores[-1] if exists
- 审阅反馈: s.reviewer_feedback
- 卡点原因: 评分低于 critical_threshold 或达到 max_section_rounds 仍未收敛
提示用户：
"以上章节需要人工介入。请修改后将 status 改为 'pending' 并重新运行 Pipeline。"
case "gate_blocked":
IF scores.blocker.type == "completeness":
输出：以下章节未通过完备性门，请人工补齐后重新运行：
FOR item IN scores.blocker.problem_sections:
输出 "- {item.file}（{item.name}）：{item.reason}"
提示："修复上述章节内容后无需改动 phase，直接重新运行 Pipeline 即可——会自动重新执行前置门1，不会重跑外环审阅轮次。"
ELIF scores.blocker.type == "render_backfill":
输出：以下插图缺失或题注与嵌图数不符，请人工补图后重新运行：
FOR item IN scores.blocker.missing:
输出 "- {item}"
输出："当前题注数 {scores.blocker.caption_lines} / 已嵌入图片数 {scores.blocker.embedded}"
提示："补齐插图后直接重新运行 Pipeline 即可——会自动重新执行前置门2，不会重跑外环审阅轮次。"
→ 跳转 Section 4.1『两道前置门』代码块（FOR round 循环体内 `IF agg.approved == true:` 分支下方
的前置门1起始处），从前置门1开始重新执行；不重新进入 FOR round 循环头部、不重新调用
R4-R7 Reviewer、不重新计算 agg —— 直接复用 scores.yaml 中已持久化的上一次收敛结果，
只重跑前置门1和前置门2这两步及其后续判断（专家评审分支 / 置 completed）。
前置门通过则按 Section 4.1 原逻辑继续；仍不通过则再次置 phase="gate_blocked" 并更新 blocker 诊断。
case "export_failed":
输出："最终导出失败，原因：{scores.blocker.reason}"
输出："详情：{scores.blocker.export_result}"
提示："请人工排查导出环境（如 pandoc 是否可用、磁盘空间、输出目录权限等）后重新运行 Pipeline；
两道前置门已通过，重新运行会直接原地重跑 Section 4.2 的导出步骤，不会重跑外环审阅轮次。"
→ 跳转 Section 4.2『最终导出』代码块重新执行（该代码块的判断条件同时接受
phase == "completed" 或 "export_failed"，见 Section 4.2）。
case "stalled":
输出："外环已跑满 {convergence.max_global_rounds} 轮仍未收敛"
输出："各维度分数趋势：{scores.blocker.weighted_trend}"
输出："反复不过的 checklist 项：{scores.blocker.failing_checklist}"
提示：可选两种处理方式——
"(a) 人工修改 config.yaml 提高 convergence.max_global_rounds 后，将 phase 改回 'global_review' 重新运行；
外环主循环已支持从 scores.global_round 记录的轮次续跑，不会浪费已完成轮次。"
"(b) 若认为当前质量已可接受，可人工将 phase 直接改为 'completed' 触发导出（导出前仍会执行 V5 最终完整性校验兜底，
不会因为跳过外环收敛判定就放过真正的产物缺陷）。"
case "completed":
# 交付物文件名：未配置 delivery 时为 output/{项目名}.docx；
# 配置了 delivery（部分交付）时为 output/{项目名}_部分交付.docx（见 Section 4.2），下同
交付物路径 = runtime_ctx.delivery 存在 ? f"output/{项目名}_部分交付.docx" : f"output/{项目名}.docx"
IF NOT file_exists(交付物路径):
# 幂等重试：completed 状态下 docx 缺失，说明上次可能在导出前就崩溃了（phase 先被置 completed，导出还没跑完）
→ 跳转 Section 4.2『最终导出』代码块重新执行（同 case "export_failed" 的重入方式）
ELSE:
提示："项目已完成，最终交付物 {交付物路径} 已存在。"
输出交付摘要：最终分数、总轮次、各维度分数趋势、token 消耗
根据 input_mode 决定 Pipeline 从哪个阶段开始执行。
入口路由逻辑：
switch(runtime_ctx.input_mode):
case "from_materials":
# 用户提供了原始素材（文献、笔记、数据等），需要从零开始
# → 执行阶段 1：架构规划
scores.phase = "init"
write_scores(scores)
# 说明：本入口经 Section 2 用户确认后置 phase=section_writing 进入 Section 3；
# 内环子阶段（section_review / revision）由 Section 3.1 在推进过程中写入 scores.phase，
# 因此崩溃后 1.2 的恢复 switch 对本入口同样可精确定位到审阅/修订子阶段。
→ 跳转 Section 2（Architect Agent 进行架构规划）
case "from_outline":
# 用户已提供 planning/outline.md（大纲）
# 系统需要补全以下结构化文件：
validate_file_exists("planning/outline.md")
# 补全步骤：
# a) 从 outline.md 解析章节结构，生成 dependency_graph.yaml
# - 分析各章节间的引用关系和逻辑依赖
# - 构建 DAG 并验证无环
Agent("architect", task="从 outline.md 生成 dependency_graph.yaml")
# b) 从 outline.md 提取核心论点，生成 claim_registry.md
# - 每个 claim 包含：id, statement, evidence_refs, section_refs
Agent("architect", task="从 outline.md 提取 claim_registry.md")
# c) 如果存在 references/ 目录，生成 material_mapping.md
# - 将素材映射到各章节
if dir_exists("references/"):
Agent("architect", task="生成 material_mapping.md")
scores.phase = "section_writing"
write_scores(scores)
→ 跳转 Section 3（开始章节写作-审阅循环）
case "from_draft":
# 用户已提供各章节草稿 sections/*.md
# 系统补全 claim_registry.md，然后进入审阅模式
validate_dir_exists("sections/")
draft_files = glob("sections/*.md")
if len(draft_files) == 0:
报错："sections/ 目录为空，请提供至少一个章节草稿文件。"
# 补全 claim_registry.md
Agent("architect", task="从 sections/*.md 提取 claim_registry.md")
# 标记所有章节为 writing 完成，直接进入审阅
# 注意：存在性判断以模板 sections[].file（落盘真源）为准，不用 section.id 反推文件名
for section in runtime_ctx.sections:
if file_exists(f"sections/{section.file}"):
scores.sections[section.id].status = "reviewing"
scores.sections[section.id].current_round = 1
# ── 风格对齐 pass（与 §2.5 末尾的增补一致，两处描述同一子流程）──
IF runtime_ctx.style_profile 存在 AND runtime_ctx.style_alignment == true:
# 风格对齐 pass：入环前先把草稿重写到画像语体，再走正常审阅
FOR section IN 已存在章节（delivery 范围内；未配置 delivery 则全量，按 section.name 对齐）:
按 §8.3 模板调用 Revision(mode=style_align, 注入画像路径)
# Revision 在 change_log 标注「全维度复审必需: 是」
对齐后所有章节 status=reviewing、current_round=1（write_scores 原子写）
# 注意：此 pass 的产出必须完整走内环 R1-R3 与外环 R4-R7，不得沿用对齐前评分
# 重入语义见 §1.2「style_align pass 的重入语义」：pass 完成前 phase 仍是 init，
# 中断后重入会从本分支头部整体重跑该 pass（幂等）
scores.phase = "section_review"
write_scores(scores)
→ 跳转 Section 3（审阅模式，跳过 Writer 首轮）
在正式执行前，可通过 config.dry_run 预览完整执行计划。
Dry Run 流程：
if config.dry_run == true:
# 1. 计算章节执行顺序（拓扑排序）
exec_order = topological_sort(runtime_ctx.dependency_graph)
# 2. 估算每章节调用次数
estimated_calls = {}
for section in exec_order:
writer_calls = 1 # 首轮写作
reviewer_calls = 1 # 首轮审阅
revision_calls = convergence.max_section_rounds - 1 # 最大修改轮次（最坏情况）
estimated_calls[section.id] = {
writer: writer_calls,
reviewer: reviewer_calls * len(section.reviewer_dims),
revision: revision_calls
}
# 3. 估算外环调用
outer_calls = convergence.max_global_rounds * len(runtime_ctx.sections)
# 4. 汇总
total_agent_calls = sum(
e.writer + e.reviewer + e.revision
for e in estimated_calls.values()
) + outer_calls
# 5. 输出执行计划
输出：
"=== Dry Run 执行计划 ==="
"项目类型: {project_type} / {project_template}"
"输入模式: {input_mode}"
""
"章节执行顺序:"
for i, section in enumerate(exec_order):
e = estimated_calls[section.id]
" {i+1}. {section.name}"
" Writer 调用: {e.writer} 次"
" Reviewer 调用: {e.reviewer} 次 ({len(section.reviewer_dims)} 个维度)"
" 最大修改轮次: {e.revision} 次"
""
"外环全文验证: 最多 {convergence.max_global_rounds} 轮"
"Agent 调用总估算: {total_agent_calls} 次（最坏情况）"
""
"收敛参数:"
" 内环最大轮次: {convergence.max_section_rounds}"
" 外环最大轮次: {convergence.max_global_rounds}"
" 章节通过分: {convergence.section_score_threshold}, 全文通过分: {convergence.global_score_threshold}"
" 关键缺陷阈值: {critical_threshold}"
# 6. 不执行任何 Agent 调用，直接结束
return
本阶段调用 Architect Agent 分析用户材料并构建文档骨架。
materials/ 目录下的所有文件config.yaml 中的项目类型和模板信息你的任务是分析以下研究材料，构建国自然申报书的文档骨架。
## 项目配置
{config.yaml 中的 project 节}
## 材料清单
{materials/ 下每个文件的路径和内容}
## 输出要求
请生成以下 4 个文件：
1. planning/outline.md — 全文大纲
格式：每个章节包含标题、核心论点（1-2句）、预期篇幅、要点列表
2. planning/dependency_graph.yaml — 章节依赖关系
格式：与模板中的 dependency_graph 相同的 YAML 结构
基于模板默认值，根据具体项目微调
3. planning/claim_registry.md — 核心论点注册表
格式：Markdown 表格
| 论点ID | 核心论点 | 摘要中表述 | 立项依据中表述 | 研究内容中表述 | 创新点中表述 |
4. planning/material_mapping.md — 材料到章节的映射
格式：每个章节列出对应的材料文件及其中的关键段落
调用后检查：
任一缺失 → 重试（最多 2 次）→ 仍失败则更新 scores.yaml phase → human_needed
Architect 生成文件后，校验格式正确性：
for file_type, path in [("outline", "planning/outline.md"),
("dependency_graph", "planning/dependency_graph.yaml"),
("claim_registry", "planning/claim_registry.md")]:
result = Bash(f"python3 {SCRIPTS}/validate.py {file_type} {path} --format json --project-type {project_type}")
if result.valid == false:
if retry_count < 2: 重新调用 Architect
else: 更新 scores.yaml phase → human_needed
输出 outline.md 的内容摘要，请求用户确认或微调：
如果 input_mode == from_outline：
如果 input_mode == from_draft：
补全完成后，若项目启用了风格对齐，先执行风格对齐 pass 再进入审阅 （与 §1.3 from_draft 分支的增补一致，两处描述同一子流程）：
IF runtime_ctx.style_profile 存在 AND runtime_ctx.style_alignment == true:
# 风格对齐 pass：入环前先把草稿重写到画像语体，再走正常审阅
FOR section IN 已存在章节（delivery 范围内；未配置 delivery 则全量，按 section.name 对齐）:
按 §8.3 模板调用 Revision(mode=style_align, 注入画像路径)
# Revision 在 change_log 标注「全维度复审必需: 是」
对齐后所有章节 status=reviewing、current_round=1（write_scores 原子写）
# 注意：此 pass 的产出必须完整走内环 R1-R3 与外环 R4-R7，不得沿用对齐前评分
读取 planning/dependency_graph.yaml，按拓扑排序得到章节执行顺序（priority 值从小到大，同 priority 的章节可并行处理但为简化实现按顺序执行）。
FOR 每个章节 section（按拓扑序）:
IF scores.yaml 中 section.status == "approved": SKIP
IF scores.yaml 中 section.status == "human_needed": SKIP
### 写作阶段
IF section.manual == true OR section.writer is null:
# 手动填写章节（如指南方向/工作条件/其他说明），或该模板暂缺自动 Writer 的章节——跳过自动写作，
# 直接进入完备性门检查（该门本身已对 section.manual==true 的章节豁免；writer 为 null 但未标 manual
# 的章节仍会被完备性门检查到"文件缺失"，提示人工补齐——这是有意为之，不豁免校验，只是不尝试自动生成）
跳过本节的 Writer 调用与审阅-修改循环，直接标记 section.status → "approved"（若文件已由人工预先提供且非空）
或保持 section.status == "pending"（若文件尚不存在，留给完备性门在外环前拦截并提示人工补齐）
CONTINUE # 跳到 FOR 循环下一个章节
IF input_mode == "from_draft" AND sections/{section.file} 已存在:
跳过 Writer，直接进入审阅
ELSE:
更新 scores.yaml: section.status → "writing"; scores.phase → "section_writing"（write_scores 原子写）
# 先落 writing 状态再调用 Writer：一旦 Writer 阶段崩溃，1.2 恢复时见到 status==writing
# 会判定"上次写作未完成"并只重写本节，不影响其他已完成章节
执行上下文压缩（Section 6.1）：为已完成章节生成摘要
按 Section 8.1 模板构造 Writer prompt（含编排器注入的本节落盘文件名 {section_file}）
通过 Agent 工具调用对应 Writer Agent
验证 sections/{section.file} 存在且非空
IF 验证失败 → 重试（最多 2 次）→ 仍失败则标记 human_needed
更新 scores.yaml: section.status → "reviewing"; scores.phase → "section_review"（write_scores 原子写）
# 顶层 phase 与 section.status 同步推进：使崩溃后 1.2 能精确恢复到审阅子阶段，而非退回 Writer 重跑
### 审阅-修改循环
FOR round = (section.current_round IF section.current_round >= 1 ELSE 1) TO convergence.max_section_rounds:
# 起始值：首次进入本循环时 section.current_round 是 init 时的默认值 0，回落到从 1 开始；
# 若是 1.2 恢复分支（case "reviewing"/"revising"）重入本循环，section.current_round 已被
# 上一次崩溃前的本段代码持久化为具体轮次，据此续跑，不会从第 1 轮重新调用 Reviewer
更新 scores.yaml: section.current_round → round（write_scores 原子写）
# 循环体首行即落盘本轮轮次：即便本轮内 R1/R2/R3 或后续步骤中途崩溃，section.current_round
# 也已经是最新值，1.2 的恢复选择器据此续跑正确的轮次，不依赖仅在其他分支收尾时才写入
# 并行调用 3 个章节级 Reviewer
按 Section 8.2 模板构造 R1、R2、R3 的 prompt
通过 3 个并行 Agent 调用发出审阅请求
等待全部返回
# 保存审阅报告
将 R1 输出写入 reviews/round_{round}/{section编号}_{section名}_R1.md
将 R2 输出写入 reviews/round_{round}/{section编号}_{section名}_R2.md
将 R3 输出写入 reviews/round_{round}/{section编号}_{section名}_R3.md
# V3: 校验审阅报告格式
for report_path in [R1_path, R2_path, R3_path]:
result = Bash(f"python3 {SCRIPTS}/validate.py review_report {report_path} --format json")
if result.valid == false:
if retry_count < 2: 重新调用该 Reviewer
else: 使用 critical_threshold 作为该维度分数，记录到 change_logs/errors.md
# 解析评分（§5.4a）：从每份审阅报告提取 Checklist 评分表格，
# 按 §5.1 聚合出 logic/de_ai/completeness 三维分，收集本轮标红条目为 flagged（dict 形态，携带 severity）：
# critical 短路条目 → {"id": ID, "severity": "critical", "score": 分数}；
# major 标记条目 → {"id": ID, "severity": "major", "score": 分数}。两类条目在同一个 flagged 列表里
# 混合传给 aggregate.py（旧的纯 ID 字符串形态默认按 critical 处理，仍兼容，但本次改动后建议统一用
# 带 severity 的 dict 形态，便于审计追溯）
# 评分聚合（§5.2，脚本为准，禁止心算）：调用 aggregate.py 得 weighted 与 approved
agg = Bash("python3 {SCRIPTS}/aggregate.py --scope inner "
"--logic {logic} --de-ai {de_ai} --completeness {completeness} "
"--flagged '{flagged_json}' --config config.yaml") # 解析见 §5.4b
# agg = {"weighted","approved","reason","critical_count","major_count"}
# 判定（直接采信脚本的 approved，等价于 weighted ≥ section_score_threshold）
IF agg.approved == true:
更新 scores.yaml: section.status → "approved"
更新 scores.yaml: section.current_score → agg.weighted
更新 scores.yaml: section.rounds_used → round
更新 scores.yaml: section.current_round → round
记录各 reviewer 维度分到 section.last_reviewer_scores
section.content_sha256 = Bash("shasum -a 256 sections/{section.file}").split()[0]
# 评分时刻的正文指纹（随上述字段一并 write_scores 原子写；导出门禁 §4.2 用——
# 导出前重算指纹与此值不一致即判定评分失效，回内环重审）
BREAK
IF round == convergence.max_section_rounds:
更新 scores.yaml: section.status → "human_needed"
更新 scores.yaml: section.current_round → round
记录诊断信息：agg.reason + 列出所有未通过的 checklist 项（分数 < 60 的 critical 项 + 分数 < 70 的 high 项）
BREAK
# 修改
更新 scores.yaml: section.status → "revising", section.current_round → round; scores.phase → "revision"（write_scores 原子写）
# 顶层 phase 推进为 revision：这是全流程唯一给 phase 赋值 revision 之处，
# 使 1.2 的 case revision 分支真正可达，并能精确续跑本轮 Revision 后再审
按 Section 8.3 模板构造 Revision Agent prompt（合并 R1+R2+R3 的修改建议）
通过 Agent 工具调用 Revision Agent
验证修改后章节存在且 change_log 已写入
# 篇幅代跑与压缩/扩写（P1-4）：revision 子 agent 的 allowed-tools 无 Bash，无法自查字数，
# 故由【有 Bash 的编排器】代跑 count_words.py，对照模板 length_management.section_targets。
# 以 section_targets 为唯一真源（模板 > writer 自估），按 section.name 对齐取 chars 区间。
stat = Bash("python3 {SCRIPTS}/count_words.py sections/{section.file}")
target = length_management.section_targets[section.name] # 已深度合并的模板配置（§1.1）
IF target 存在 AND target.chars 存在:
metric = target.metric IF target.metric 存在 ELSE "total_chars" # 按目标声明的统计口径比较，缺省 total_chars
IF stat[metric] > target.chars[1]: # 超预算 → 按 compress.priority 压缩
FOR c = 1 TO length_management.compress.max_rounds:
调用 Revision Agent（压缩指令：删冗余/合并/精简，保 compress.preserve 项）
stat = Bash("python3 {SCRIPTS}/count_words.py sections/{section.file}")
IF stat[metric] ≤ target.chars[1]: BREAK
ELIF stat[metric] < target.chars[0]: # 欠预算 → 按 expand.priority 扩写
FOR c = 1 TO length_management.expand.max_rounds:
调用 Revision Agent（扩写指令：补细节/文献/机制，避 expand.avoid 注水）
stat = Bash("python3 {SCRIPTS}/count_words.py sections/{section.file}")
IF stat[metric] ≥ target.chars[0]: BREAK
# 达 max_rounds 仍超/欠：记录到 change_logs/，交由下一轮审阅/前置门（§4.1 完备性门）处置，不在此阻塞
更新 scores.yaml: section.status → "reviewing", section.rounds_used → round, section.current_round → round; scores.phase → "section_review"（write_scores 原子写）
END FOR
END FOR
所有章节处理完毕后：
FOR round = scores.global_round TO convergence.max_global_rounds:
# 起始边界读自持久化的 scores.global_round（1-based，见 §1.2 初始化块），
# 使崩溃重启后外环从已完成的轮次续跑，而非每次都从第 1 轮重新开始
### 上下文压缩
执行 Section 6.2 的全文压缩策略：
为每个章节生成 500 字压缩版
### 全文级审阅
确定本轮需要运行的 Reviewer（审阅对象为 delivery 范围内章节；未配置 delivery 则全量，按 section.name 对齐）：
- 必跑：R4（一致性）、R5（叙事）、R7（格式）
- 条件触发 R6（可行性）：检查 change_logs/ 中最近一轮是否涉及「研究方案」或「可行性分析」
定期全文一致性检查：
IF round % convergence.full_consistency_check_interval == 0:
R4 使用全文原文而非压缩版（强制全面检查）
# R7 脚本代跑注入（P1-4）：R7 的 allowed-tools 无 Bash，无法自跑脚本，
# 由【有 Bash 的编排器】在调用 R7 前统一代跑四个检查脚本，把 JSON 结果注入 R7 prompt（§8.2）。
IF 本轮需运行 R7:
fmt_words = Bash("python3 {SCRIPTS}/count_words.py sections/") # {chinese_chars,...,total_chars,estimated_pages}
fmt_head = Bash("python3 {SCRIPTS}/check_format.py sections/") # {heading_structure,issues,page_estimate,checked_files}
fmt_ref = Bash("python3 {SCRIPTS}/check_references.py sections/ --citation-style {runtime_ctx.citation_style}")
# {citation_count,citations,year_distribution,citation_style,foreign_style_count,foreign_style_samples}
# --citation-style 取 runtime_ctx（config > 模板 > 缺省 numbered）；
# foreign_style_count > 0 表示疑似混入对方制式引文（保守过滤后的漂移信号，
# 样例见 foreign_style_samples；导出门禁 §4.2 亦会核查拦截）
fmt_xref = Bash("python3 {SCRIPTS}/check_cross_refs.py sections/") # {文件: [被引文件…]} 交叉引用图
fmt_pages = 模板深度合并（extends）后的 {total_pages_warning, total_pages_hard_limit}
# 页数红线注入（与四份脚本 JSON 并列）：R7 无 Bash 也不自行读模板做继承合并，
# 红线数值由编排器从模板 length_management 取出后随 prompt 注入；null=无硬限
# 任一脚本退出码≠0 → 按 Section 7.3 记录并继续（该项由 R7 的 LLM 部分兜底），不阻塞
并行调用需要运行的 Reviewer（按 Section 8.2 的全文级模板；R7 prompt 注入上面四份脚本 JSON）
保存审阅报告到 reviews/round_{round}/global_R{N}.md
### 评分聚合（§5.3，脚本为准，禁止心算）
从各全文级报告解析 consistency/narrative/feasibility/format 四维分，并按 §5.4a 收集本轮标红条目为
flagged（dict 形态，携带 severity）：critical 短路条目 → {"id": ID, "severity": "critical", "score": 分数}；
major 标记条目 → {"id": ID, "severity": "major", "score": 分数}。两类条目在同一个 flagged 列表里混合传给
aggregate.py（旧的纯 ID 字符串形态默认按 critical 处理，仍兼容，但本次改动后建议统一用带 severity 的 dict
形态，便于审计追溯）
R6 未运行时按 §5.3 规则准备 feasibility 入参（用历史分，或首轮未触发则用重归一化 --config）
agg = Bash("python3 {SCRIPTS}/aggregate.py --scope global "
"--consistency {c} --narrative {n} --feasibility {f} --format {fmt} "
"--flagged '{flagged_json}' --config config.yaml") # 解析见 §5.4b
prev_global = scores.global_scores[-1] IF scores.global_scores 非空 ELSE null
# 必须在下面 append 本轮记录之前读取，否则「上一轮」会被本轮自己覆盖，
# 导致下方§分数回退检测把本轮与自己比较（见该处说明）
向 scores.yaml 顶层 global_scores 数组 append 一条 {round: round, consistency: {c}, narrative: {n},
feasibility: {f}, format: {fmt}, weighted: agg.weighted, flagged: flagged}（write_scores 原子写）
更新 change_history: 记录 agg.critical_count / agg.major_count / 本轮 minor 数量
### 收敛判定（直接采信 aggregate.py 的 approved）
# 脚本的 approved 已内建 A∧B：weighted ≥ global_threshold 且 critical_count==0 且 major_count ≤ max_major
条件 A: agg.weighted ≥ convergence.global_score_threshold # 文档口径，实际由脚本判
条件 B: agg.critical_count == 0 AND agg.major_count ≤ convergence.max_major_issues
IF agg.approved == true: # ≡ A AND B
# ── 置 completed 前的两道前置门（P1-1 章节完备性 / P1-2 渲染回填）──
# 任一不过一律拒绝 completed、改判 human_needed，杜绝"半成品宣告通过"
# （如 6/12 章仍是空壳、或正文题注对不上嵌图却静默导出无图 docx）
### 前置门 1：章节完备性门（P1-1）
# 遍历模板 sections 里所有【非 manual】且在 delivery 范围内（未配置 delivery 则全量）的章节，
# 逐一核验：落盘文件已存在、非空、并达到字数下限
problem_sections = []
length_management = 已深度合并模板的 length_management（见 Section 1.1）
FOR section IN runtime_ctx.sections:
IF section.manual == true: # 手动填写章节（如指南方向/工作条件/其他说明）不纳入完备性门
CONTINUE
IF runtime_ctx.delivery 存在 AND section.name NOT IN runtime_ctx.delivery.sections:
CONTINUE # 部分交付：delivery 范围外章节不纳入完备性门
path = f"sections/{section.file}" # 以模板 section.file 为落盘真源，不按章节名反推
IF NOT file_exists(path):
problem_sections.append({file: section.file, name: section.name, reason: "文件缺失"})
CONTINUE
stat = Bash(f"python3 {SCRIPTS}/count_words.py {path}") # 输出 {chinese_chars,english_words,total_chars,estimated_pages}
IF stat.error OR stat.total_chars == 0: # 文件存在但无正文（空壳/仅空白）
problem_sections.append({file: section.file, name: section.name, reason: "空壳（无正文内容）"})
CONTINUE
# 字数下限：仅当 length_management.section_targets 为本节配置了 chars 时才校验
target = length_management.section_targets[section.name] # 按 section.name 对齐；无配置则跳过下限校验
IF target 存在 AND target.chars 存在:
metric = target.metric IF target.metric 存在 ELSE "total_chars"
min_chars = target.chars[0] # chars 区间下界即字数下限
IF stat[metric] < min_chars:
problem_sections.append({file: section.file, name: section.name,
reason: f"字数不足（{stat[metric]} < 下限 {min_chars}）"})
IF problem_sections 非空:
更新 scores.yaml: phase → "gate_blocked"，blocker → {type: "completeness", problem_sections: problem_sections}（write_scores 原子写）
输出：拒绝置 completed；逐条列出缺失/空壳/字数不足的问题章节，提示人工补齐后再续跑
STOP
### 前置门 2：渲染回填（P1-2）
# 完备性达标后、导出之前，先渲染 Mermaid 源图并回填正文占位锚点，再校验"题注数 > 嵌图数即拦截"
result = Bash("python3 {SCRIPTS}/backfill_figures.py .") # 项目目录即当前工作目录；成功 ok:true 退出码 0
# 部分交付口径（与前置门 1 一致）：backfill 仍全项目执行（图源共享），但阻断判定
# 只看 delivery 范围内章节——范围外草稿章节的缺图/题注不匹配仅输出 warning，不 gate_blocked
IF runtime_ctx.delivery 存在:
将 result.missing 与题注核对限定在 delivery 范围内章节文件；范围外缺图 → warning 逐条列出，不阻断
IF result.ok != true OR result.caption_lines > result.embedded: # 前者：存在未生成/未嵌入的图（锚点/markdown引用缺图）；
# 后者：ok=true 但仍有纯文本「图N…」题注未配图（backfill_figures.py 的 ok 不统计此类）
# （部分交付时两个条件均按上一步限定后的范围内数据判定）
更新 scores.yaml: phase → "gate_blocked"，blocker → {type: "render_backfill", missing: result.missing, caption_lines: result.caption_lines, embedded: result.embedded}（write_scores 原子写）
输出：题注与嵌图不匹配，逐条列出缺图；【不静默导出无图 docx】，提示人工补图后再续跑
STOP
# ── 两道前置门均通过 → 先进专家评审（P1-5），再置 completed ──
# 收敛达标后、最终导出前，插入阶段4 专家评审模拟（把关性质，不再迭代改稿）。
# expert_simulation 开关取自 pipeline 配置 settings.expert_simulation.enabled
# （skills/pipeline/config.yaml，缺省 true）；下记为 config.expert_simulation.enabled。
IF config.expert_simulation.enabled == true
AND agg.weighted ≥ 85 AND agg.critical_count == 0
AND agg.major_count ≤ convergence.max_major_issues: # 达 R8 门槛（global≥85 且 critical=0、major≤2）
更新 scores.yaml: phase → "expert_review"（write_scores 原子写）
输出：外环已收敛且两道前置门通过，进入阶段4 专家评审模拟
STOP # 结束外环 → 进入 Section 4.3（阶段4 专家评审），4.3 完成后经 expert_review → completed
ELSE:
# 未启用专家评审 或 未达门槛 → 直接置完成
更新 scores.yaml: phase → "completed"（write_scores 原子写）
输出完成摘要：最终分数、总轮次、各维度分数趋势、token 消耗
STOP # 结束外环 → 进入 Section 4.2 输出阶段（导出 output/<项目名>.docx + V5 最终校验）
IF round == convergence.max_global_rounds AND agg.approved != true: # 即 NOT (A AND B)
更新 scores.yaml: phase → "stalled"，blocker → {type: "convergence_exhausted", round: round,
weighted_trend: <各维度分数趋势数据>, failing_checklist: <反复不过的checklist项列表>}（write_scores 原子写）
输出诊断报告：
- 各维度分数趋势（每轮的分数变化）
- 反复不过的 checklist 项列表
- 卡住的原因分析
STOP
### 分数回退检测
IF round > 1:
IF agg.weighted < prev_global.weighted: # prev_global 即 scores.global_scores[-1]（append 本轮记录之前取到的上一轮值，见§评分聚合）
下一轮强制全文重审：所有章节重新进入内环，不使用影响分析
在 scores.yaml 中标注 force_full_recheck: true
CONTINUE（跳过下面的增量重审，直接进入下一轮）
### 修改与影响分析
合并 R4-R7 的审阅意见
按 Section 8.3 模板调用 Revision Agent
# 篇幅代跑与压缩/扩写（P1-4，外环）：每轮 revision 完成后，由编排器（有 Bash）代跑 count_words，
# 对照模板 length_management.section_targets（以 section_targets 为唯一真源，模板 > writer）。
# 对被本轮 Revision 改动的章节逐一核对 chars 区间：超上界→按 compress.priority 压缩、
# 欠下界→按 expand.priority 扩写，各 ≤ 对应 max_rounds（与 §3.1 修改步骤同一策略）；
# 达 max_rounds 仍不达标则记 change_logs/，交由本轮 R7 篇幅诊断与收敛前的完备性门（前置门1）处置。
FOR section IN Revision 改动的章节:
stat = Bash("python3 {SCRIPTS}/count_words.py sections/{section.file}")
target = length_management.section_targets[section.name]
IF target 存在 AND target.chars 存在:
metric = target.metric IF target.metric 存在 ELSE "total_chars" # 按目标声明的统计口径比较，缺省 total_chars
IF stat[metric] > target.chars[1]: 触发压缩循环（≤ compress.max_rounds）
ELIF stat[metric] < target.chars[0]: 触发扩写循环（≤ expand.max_rounds）
# 脚本辅助交叉引用检测
运行 {SCRIPTS}/check_cross_refs.py sections/ → 获取章节间引用关系图
读取 Revision Agent 输出的 change_log
确定受影响章节：
1. change_log 中 Revision Agent 标注的受影响章节
2. check_cross_refs 检测到的：如果被修改章节被其他章节引用，引用方自动标记为受影响
3. 取两者的并集
### 增量重审
只对受影响章节重新触发阶段 2 内环（Section 3）
这些章节的 scores.yaml status 重置为 "reviewing"
# 重置 reviewing 的同时清空该章 content_sha256（旧指纹对应对齐前/修改前的正文，
# 保留会让导出门禁 §4.2 误判；重审通过后由 §3.1 评分落盘处重新写入新指纹）
更新 scores.yaml: global_round → round + 1
END FOR
任何一次最终导出（含 export_failed / completed 重入的原地重跑）都必须先过本清单， 再进入下方「最终导出」代码块。目的：拦截"评分之后正文又被改动（人工改稿、风格对齐、 任何来源）却沿用旧评分导出"的复审失效，以及引文制式漂移。
FOR section IN delivery 范围内非 manual 章节: # 未配置 delivery 则全量，按 section.name 对齐
actual = Bash("shasum -a 256 sections/{section.file}").split()[0]
IF scores.sections[section.id].content_sha256 不存在:
# 存量项目：评分产生于指纹机制引入之前，字段缺失 ≠ 正文被改——
# 首次补录指纹并沿用既有评分，不得把老项目无差别打回内环重审
scores.sections[section.id].content_sha256 = actual（write_scores 原子写）
输出 warning："{section.file} 首次补录内容指纹，沿用既有评分"
ELIF actual != scores.sections[section.id].content_sha256:
# 记录指纹存在且不相等：正文在评分后被改动（人工/风格对齐/任何来源）——旧评分失效
该章 status=reviewing，回内环重审；本次导出中止
IF 存在被重置为 reviewing 的章节:
清空这些章节的 content_sha256；更新 scores.yaml: phase → "section_review"（write_scores 原子写）
输出：逐条列出指纹不一致的章节（file + 记录指纹 + 实测指纹），提示重新运行 Pipeline 走内环重审
STOP
IF runtime_ctx.citation_style 已配置:
refs = Bash("python3 {SCRIPTS}/check_references.py sections/ --citation-style {runtime_ctx.citation_style}")
IF refs.foreign_style_count > 0:
# 命中 ≠ 必然漂移：脚本已做保守过滤，但政策文件、产品名等括注仍可能残余误报。
# 编排器逐条核查 refs.foreign_style_samples（回到正文上下文判断是否真是引文）：
IF 样例中存在真实的对方制式引文:
记 Major 并中止导出（引文制式漂移，转 Revision 统一制式后重走门禁）
ELSE:
输出 warning：逐条列出误报样例及判定理由，放行导出
# R2/R5/R7 三个维度的最新评分必须产生于当前 content_sha256 之后——
# 由上面的指纹校验间接保证；任何维度「未复评」都不允许出现在导出前状态
外环收敛（两道前置门均通过）后 phase 变为 completed —— 未启用专家评审时由 Section 4.1 直接置， 启用时经 Section 4.3 阶段4 专家评审后置 —— 在此统一完成 .docx 导出。 导出与 V5 校验绑定：只有 output/<项目名>.docx 成功生成，completed 才算真正交付；否则回退 export_failed。
IF scores.phase == "completed" OR scores.phase == "export_failed":
# 后者是 case "export_failed" 重入时的原地重跑；两种 phase 走同一段导出逻辑
# 缺省即继承默认样式模板 assets/nsfc_reference.docx（脚本按自身位置解析，不受 cwd 影响），
# 输出到 <项目>/output/<项目名>.docx；如需覆盖样式可显式传 --reference-doc <path>
IF runtime_ctx.delivery 存在:
# 部分交付：只合并交付范围内章节——sections/ 下范围外的 .md（from_draft 项目
# 的典型情形：其余章节以未审草稿形态存在）不得混入交付物
delivery_files = delivery 范围内章节的 section.file 列表（按模板 sections 顺序，逗号拼接）
result = Bash("python3 {SCRIPTS}/export_docx.py . --sections {delivery_files}")
IF sections/ 下存在范围外 .md 文件:
输出 warning：列出被排除的范围外文件（未审草稿，不入交付物）
ELSE:
result = Bash("python3 {SCRIPTS}/export_docx.py .")
# 成功：{"ok": true, "output": ".../output/<项目名>.docx", "sections": N, "has_reference": true, "skipped": []}
IF result.ok != true OR result.has_reference != true OR NOT file_exists(result.output):
更新 scores.yaml: phase → "export_failed"，blocker → {type: "export_failed", reason: <具体失败原因>, export_result: result}（write_scores 原子写）
输出：最终导出失败（未生成 output/*.docx 或未继承样式），需人工介入
ELSE:
IF runtime_ctx.delivery 存在:
# 部分交付：导出物文件名加后缀，避免与全量交付物混淆
将 result.output 重命名为 output/<项目名>_部分交付.docx（Bash mv）
导出日志中列出本次交付章节清单（runtime_ctx.delivery.sections 逐项）
记录重命名后的路径为最终交付 .docx 路径（含 sections=result.sections）
ELSE:
记录 result.output 为最终交付 .docx 路径（含 sections=result.sections）
results = Bash("python3 {SCRIPTS}/validate.py all . --format json")
输出完整性报告（validate.py 各项仅作参考，不阻塞已完成的项目）
# 新增验收项（completed 项目必须满足；不满足则应按上面的最终导出逻辑回退 export_failed）：
- output/<项目名>.docx 已生成且非空（即最终导出 ok:true、has_reference:true、output 文件存在；
配置了 delivery 的部分交付项目为 output/<项目名>_部分交付.docx）
无论以何种方式结束（completed / human_needed），都输出以下信息：
触发时机：外环两道前置门均通过后（Section 4.1 已置 phase="expert_review" 并跳转至此），
在最终导出（Section 4.2）之前。这是收敛后的最终质量把关，不再迭代改稿。
断点恢复：Section 1.2 的 case "expert_review" 分支会重新进入本节（重跑幂等）。
门槛（Section 4.1 已判定，此处复用其结果，未达则不会进入本节而是直接置 completed）：
config.expert_simulation.enabled == trueagg.weighted ≥ 85 且 agg.critical_count == 0 且 agg.major_count ≤ max_major_issues(≤2)### 阶段4 专家评审流程
1. 读取 R8 配置
r8_cfg = Read("scholar-writing/skills/reviewer/R8_expert_sim/config.yaml")
panel_count = clamp(config.expert_simulation.panel_count 或 r8_cfg.default_panel_count(3),
1, r8_cfg.max_panel_count(5))
panel = 前 panel_count 个 enabled==true 的 r8_cfg.expert_profiles
consensus_threshold = r8_cfg.aggregation.consensus_threshold # 默认 0.60
2. 上下文准备（复用 Section 6.2 全文压缩）
为每章生成 500 字压缩版 + 提供 sections/ 全文；project_type（面上/青年/重点）取自 config/template
3. 并行调用 R8（每位专家一个 Agent 调用，独立评审、互不影响）
FOR expert IN panel:
按 Section 8.5 模板构造 R8 prompt（注入 expert_profile=expert.id）
通过 Agent 工具并行调用（subagent_type="general-purpose"，读取 R8 SKILL.md）
等待全部返回
各专家输出写入 reviews/expert_simulation/panel_{N}_{expert_id}_R8.md
（六维打分 + critical/major/minor + 函评/会评过会判断；frontmatter: reviewer: R8 / dimension: expert_sim）
4. 聚合（以 expert_profile=aggregator 再次调用 R8）
按 consensus_threshold 聚合跨专家共识与独立观点、综合六维分、综合过会判断
写入 reviews/expert_simulation/aggregated_report.md（frontmatter 同上）
5. 校验 R8 报告 schema（复用 V3 的 review_report 校验）
reports = glob("reviews/expert_simulation/panel_*_R8.md") + ["reviews/expert_simulation/aggregated_report.md"]
FOR report IN reports: # panel_*_R8.md 亦被 V5 的 reviews/**/*_R*.md 命中
res = Bash(f"python3 {SCRIPTS}/validate.py review_report {report} --format json")
# frontmatter(reviewer: R8, dimension: expert_sim) 命中 review_report.schema 全局分支（reviewer ^R[4-8]$），
# 且 REVIEWER_DIMENSION_MAP[R8]=expert_sim 语义校验通过
IF res.valid == false: 记录到 change_logs/errors.md（把关性质，不回退改稿、不阻塞导出）
6. 收尾：phase 经 expert_review → completed（write_scores 原子写）
在 scores.yaml 记录 expert_simulation: { 综合六维分, 函评综合判断, 会评综合判断, critical/major 计数 }
更新 scores.yaml: phase → "completed"
输出专家评审摘要（综合分、函评/会评判断、critical 清单）
→ 进入 Section 4.2 输出阶段（最终导出 output/<项目名>.docx + V5）
说明：R8 为把关而非改稿环节——即便专家给出 critical/major，也不再自动触发内环修改；这些问题作为 交付附带的人工修订建议随 aggregated_report.md 一并呈现，由用户决定是否再手动开一轮。
每个 Reviewer 对其 checklist 中的每条 criterion 打分（0-100）。按 weight 加权聚合为该 Reviewer 的维度分：
Critical 短路规则：任一 critical 条目分数 < critical_threshold（默认 60）时，该维度直接标红（flagged）。标红维度的处理：
Major 标记规则：任一 high 权重条目分数 < 70（阈值与 §3.1 内环 max_section_rounds 用尽时诊断"分数 < 70 的
high 项"一致）时，该条目标记为 major。标记为 major 的条目不触发 −10 惩罚（惩罚只对 critical 短路生效），但计入
major_count，用于外环收敛判据 B（major_count ≤ max_major_issues）与 R8 门槛判断。
加权公式（作文档，计算以脚本为准）：
section_score = logic_score × 0.40 + de_ai_score × 0.25 + completeness_score × 0.35
IF 任一维度被标红（§5.1 的 critical 短路）:
section_score = max(section_score - 10, 0)
判定: section_score ≥ section_score_threshold → 通过
计算以脚本为准（P2-1，必须）：上面的公式仅作文档说明。加权总分 weighted 与
通过判定 approved 一律调用确定性脚本 python3 {SCRIPTS}/aggregate.py
计算，禁止由 LLM 心算加权——心算极易漏扣 critical 的 −10 惩罚、记错 0.40/0.25/0.35
权重或写错阈值（下方计算示例即为一例：心算得 77.0，脚本精确为 76.8）。脚本吃三项维度分
（由 §5.1 按 checklist 权重聚合得到）与 flagged 标红条目列表，一次性算出
weighted / approved / critical_count / major_count / reason。§5.1 定义的"标红后总分 −10"
即由脚本按 flagged 施加（clamp≥0），编排器不再另行扣分。
flagged 取 scores.yaml 中本轮记录的标红 checklist ID 列表（纯 ID 字符串默认按 critical
处理，如 ["C4"]）；当某 critical 条目分数已知时也可传对象 [{"id":"C4","severity":"critical","score":58}]。
传 --config config.yaml 使脚本采用项目配置的权重/阈值（score_weights.section、
convergence.section_score_threshold、critical_threshold），而非内置默认值。
内环调用示例（scope=inner）：
result = Bash("python3 {SCRIPTS}/aggregate.py --scope inner "
"--logic 76.4 --de-ai 81.3 --completeness 73.9 "
"--flagged '[]' --config config.yaml")
# → {"weighted": 76.8, "approved": false,
# "reason": "内环加权分 76.8 < 章节阈值 80，需进入修改",
# "critical_count": 0, "major_count": 0}
# 若 C4 为 critical 且分数 < critical_threshold（标红），--flagged '["C4"]' → weighted 自动 −10、clamp≥0
维度分来源示例（§5.1 → 脚本入参）：
章节"立项依据"第 1 轮审阅：
R1(Logic): L1=85(high/2), L2=70(critical/3), L3=80(high/2)
→ (85×2 + 70×3 + 80×2) / (2+3+2) = 76.4
→ L2=70 ≥ 60 → 不触发短路
R2(De-AI): D1=90(medium/1), D2=75(high/2), D3=85(medium/1)
→ (90×1 + 75×2 + 85×1) / (1+2+1) = 81.3
R3(Completeness): C1=80(high/2), C2=65(critical/3), C3=90(medium/1), C4=70(critical/3)
→ (80×2 + 65×3 + 90×1 + 70×3) / (2+3+1+3) = 73.9
→ C2=65 ≥ 60, C4=70 ≥ 60 → 不触发短路，flagged=[]
以 --logic 76.4 --de-ai 81.3 --completeness 73.9 --flagged '[]' 调用 aggregate.py（如上）
→ weighted=76.8 < section_score_threshold(80) → approved=false → 进入修改
加权公式（作文档，计算以脚本为准）：
R6 运行时（正常情况）：
global_score = consistency × 0.30 + narrative × 0.35 + feasibility × 0.20 + format × 0.15
R6 未运行但有历史分数时：
feasibility_score = 上一轮的 feasibility 分数
global_score = consistency × 0.30 + narrative × 0.35 + feasibility_score × 0.20 + format × 0.15
R6 从未运行过（首轮即未触发）：
重新归一化权重（排除 feasibility 的 0.20）：
consistency: 0.30 / 0.80 = 0.375
narrative: 0.35 / 0.80 = 0.4375
format: 0.15 / 0.80 = 0.1875
global_score = consistency × 0.375 + narrative × 0.4375 + format × 0.1875
如果任一维度被标红：global_score = max(global_score - 10, 0)
计算以脚本为准（P2-1，必须）：同 §5.2，外环的 weighted 与 approved 也一律调用
python3 {SCRIPTS}/aggregate.py --scope global，不得 LLM 心算。外环脚本除加权外
还内建了收敛判据——approved 当且仅当 weighted ≥ global_threshold 且 critical_count==0 且 major_count ≤ max_major，正好等价于 §4.1 的收敛条件 A∧B，编排器直接采信脚本的 approved
与 critical_count/major_count，无需再手工判 A/B（详见 §4.1 评分聚合/收敛判定）。
外环调用示例（scope=global，正常/有历史两种情形均直接传四维分）：
result = Bash("python3 {SCRIPTS}/aggregate.py --scope global "
"--consistency 97 --narrative 82 --feasibility 85.2 --format 71.0 "
"--flagged '[]' --config config.yaml")
# → {"weighted": 85.5, "approved": true,
# "reason": "外环加权分 85.5 ≥ 全文阈值 85，且 critical=0、major=0≤2，通过",
# "critical_count": 0, "major_count": 0}
# R6 未运行但有历史：feasibility 传"上一轮的 feasibility 分数"，其余同上。
R6 从未运行过（首轮即未触发）用脚本表达重归一化：脚本要求四维齐全且权重和=1.0， 故编排器写一份临时权重 config（feasibility 权重置 0，其余按上式归一化），feasibility 分数随意 传（乘 0 无影响）：
# renorm.yaml:
# score_weights:
# global: { consistency: 0.375, narrative: 0.4375, feasibility: 0.0, format: 0.1875 }
# convergence: { global_score_threshold: 85, max_major_issues: 2 }
# critical_threshold: 60
result = Bash("python3 {SCRIPTS}/aggregate.py --scope global "
"--consistency 90 --narrative 80 --feasibility 0 --format 70 "
"--flagged '[]' --config renorm.yaml")
# → weighted = 90×0.375 + 80×0.4375 + 0 + 70×0.1875 = 81.9（feasibility 因权重 0 不计）
标红惩罚（§5.1 的 −10、clamp≥0）同样由脚本按 --flagged 施加，编排器不再另扣。
分两层：（a）从审阅报告解析维度分与标红条目 →（b）交 aggregate.py 得 weighted/approved。
（a）从 Reviewer 的审阅报告中提取评分表格。预期格式：
| ID | Criterion | Score | Justification |
解析每行的 ID 和 Score 字段，按 §5.1 聚合为各 Reviewer 的维度分；并收集本轮标红条目为 flagged 列表（dict 形态，携带 severity）：critical 短路条目（分数 < critical_threshold）→ {"id": ID, "severity": "critical", "score": 分数}；major 标记条目（high 权重且分数 < 70，见 §5.1 「Major 标记规则」）→ {"id": ID, "severity": "major", "score": 分数}。两类条目在同一个 flagged 列表 里混合传给 aggregate.py（旧的纯 ID 字符串形态默认按 critical 处理，仍兼容，但本次改动后建议统一用 带 severity 的 dict 形态，便于审计追溯）。如果表格解析失败 → 触发 Section 7 的错误处理流程。
（b）解析 aggregate.py 的输出。§5.2/§5.3 的脚本调用成功时（退出码 0）打印一行 JSON：
{"weighted": float, "approved": bool, "reason": str, "critical_count": int, "major_count": int}
编排器直接读取：weighted 作为本轮加权总分、approved 作为通过/收敛判定、
critical_count/major_count 用于外环 critical=0 且 major≤上限的记录与诊断，reason 写入日志。
若脚本失败（退出码 1，打印 {"error": ...}）→ 记录到 change_logs/errors.md 并按 Section 7.3
脚本失败流程处理（不静默把 error 当成分数）。
为防止后期 agent 上下文溢出，对每类 agent 的输入实施压缩策略。
为每个已完成章节生成 200-300 字摘要，作为后续 Writer 的参考上下文：
预算估算：
在调用全文级 Reviewer（R4-R7）之前，主会话执行以下压缩步骤：
预算估算：
如果实际输入超出预算（Agent 调用返回截断或异常）：
检测：调用 Writer Agent 后，检查 sections/{章节}.md 是否存在且非空 恢复：
检测：审阅报告中未找到预期的评分表格格式（| ID | Criterion | Score | Justification |） 恢复：
检测：Python 脚本（count_words.py、check_format.py 等）退出码 ≠ 0 恢复：
检测：连续 2 轮全文总分变化 < 2 分且未达 global_score_threshold 恢复：
检测：Agent 调用返回截断信号或异常错误 恢复：
每次 Agent 调用后，更新 scores.yaml 中的 token_usage 字段：
token_usage:
total_input: 0
total_output: 0
by_agent:
architect: { input: 0, output: 0, calls: 0 }
writer: { input: 0, output: 0, calls: 0 }
reviewer: { input: 0, output: 0, calls: 0 }
revision: { input: 0, output: 0, calls: 0 }
注意：实际 token 数可能无法精确获取（取决于 Claude Code API 的返回信息）。如果无法获取，记录调用次数作为替代指标。
所有错误和异常记录到 change_logs/errors.md，格式：
## [时间戳] [错误类型]
- 章节/阶段：{位置}
- 错误描述：{描述}
- 恢复策略：{采取的措施}
- 结果：{成功/仍失败}
以下是编排器调用各类 agent 时的 prompt 构造模板。
对于每个章节，按以下模板构造 Writer 的 prompt：
你的任务是撰写国自然申报书的「{section.name}」部分。
## 本节落盘文件名（必须严格写入此文件，勿自行编造编号或文件名）
{section_file}
（由编排器注入 = 当前所用模板 sections[].file 的值，如 06_特色与创新.md，不含 sections/ 前缀）
## 章节大纲
{从 planning/outline.md 中提取该章节的大纲部分}
## 评审标准（写作时请对照，你将被这些标准审阅）
{读取 section.checklist 字段所指向的 checklist 文件全文；section.checklist 是模板声明的
该章节 checklist 真源路径，如 checklists/06_创新点.yaml，联合基金专属章节可能是
checklists/联合基金/07_年度计划.yaml。不要按章节名硬编码 checklists/{章节名}.yaml}
## 前序章节摘要（保持上下文连贯）
{从 sections/summaries/ 读取已完成章节的摘要，按依赖顺序排列}
## 相关素材
{从 planning/material_mapping.md 中提取该章节对应的素材内容}
## 论点注册表（保持核心论点表述一致）
{planning/claim_registry.md 全文}
{若 runtime_ctx.style_profile 非空，编排器在此注入一行：`风格画像: {style_profile 绝对路径}，写作前必须 Read`}
请将完成的章节写入 `sections/{section_file}`（{section_file} 为不含路径的裸文件名）
通过 Agent 工具调用：
章节级审阅时，并行调用 R1 + R2 + R3。每个 Reviewer 的 prompt 模板：
请对以下章节进行{审阅维度}审阅。
## 待审阅章节
{sections/章节名.md 的完整文本}
## 评审标准
{从 checklist 中提取该 Reviewer 对应维度的条目}
## 审阅流程（严格遵循两步法）
### 第一步：自由分析
通读全文，从{维度}角度自由分析。不看 checklist，不限格式，充分推理。
### 第二步：对照 Checklist 评分
对照上述评审标准，逐条打分（0-100）。输出格式：
| ID | Criterion | Score | Justification |
|----|-----------|-------|---------------|
### 第三步：修改建议
按严重级别排序输出：
- [Critical] ...
- [Major] ...
- [Minor] ...
全文级审阅（R4-R7）的 prompt 类似，但输入替换为全文压缩版 + 重点章节原文。
风格画像注入（R2/R5）：若 runtime_ctx.style_profile 非空，编排器在 R2（章节级去 AI 味）与
R5（全文级叙事）的 prompt 中注入一行：风格画像: {style_profile 绝对路径}，审阅前必须 Read——
两者审阅时以画像为风格真值（如画像 §4 程式句式白名单不计入 AI 痕迹），画像规则优先级高于
STYLE_GUIDE_ZH.md / DEAI_PATTERNS_ZH.md 的一般性规定。
R7（格式）的脚本代跑注入（P1-4）：R7 的 allowed-tools 无 Bash，无法自行运行脚本，故其 prompt 由编排器在 §4.1「R7 脚本代跑注入」处代跑后追加以下四份 JSON 结果（R7 SKILL 已声明"你将收到脚本 的检查结果（JSON 格式）"，与此对接）：
## 脚本检查结果（由编排器代跑注入，勿自行调用脚本）
### count_words.py sections/
{fmt_words JSON} # {chinese_chars, english_words, total_chars, estimated_pages}
### check_format.py sections/
{fmt_head JSON} # {heading_structure, issues, page_estimate, checked_files}
### check_references.py sections/ --citation-style {runtime_ctx.citation_style}
{fmt_ref JSON} # {citation_count, citations, year_distribution, citation_style, foreign_style_count, foreign_style_samples}
### check_cross_refs.py sections/
{fmt_xref JSON} # {文件: [被引文件…]} 交叉引用图
### 页数红线（模板 length_management，extends 深度合并后）
{fmt_pages JSON} # {total_pages_warning, total_pages_hard_limit}；null=无硬限，仅建议性提示
其中 count_words 结果供 R7 对照模板 length_management.section_targets 做篇幅诊断 （以 section_targets 为准，模板 > writer）。若某节 section_targets 配置了 metric 字段， 应按该字段对应的统计量（如 chinese_chars）判断是否超/欠预算，而非默认用 total_chars； 缺省未配置 metric 时才用 total_chars。
调用方式：3 个章节级 Reviewer 通过 3 个并行 Agent 调用。
请修改「{章节名}」章节。
## 原文
{sections/章节名.md 的完整文本}
## 审阅意见（按严重级别排序：critical → major → minor）
{合并该章节所有 Reviewer 的审阅报告}
## 论点注册表
{planning/claim_registry.md}
请完成以下任务：
1. 按审阅意见逐条修改章节，将修改后内容写入 sections/{章节名}.md
2. 将修改记录写入 change_logs/round_{N}_changes.md，每条包含：
- 修改位置（章节名 + 段落位置）
- 修改内容摘要
- 对应的审阅意见 ID
- 受影响的其他章节列表及原因
3. 如果修改涉及 claim_registry 中的核心论点，同时更新 planning/claim_registry.md
mode 与画像路径参数（风格对齐 pass 专用）：常规修订不传 mode，保持 revision SKILL 的 "保守修改"契约。仅 §2.5/§1.3 的风格对齐 pass 调用本模板时，编排器额外传入两项：
mode: style_align —— 触发 revision SKILL 的「风格对齐模式(style_align)」（唯一允许突破
保守修改契约的修订形态；审阅意见段替换为画像对照要求）；风格画像: {style_profile 绝对路径}，修改前必须 Read。该模式下 Revision 的 change_log 以 SA-画像§<节名> 标注意见来源，并在末尾写明
「全维度复审必需: 是」——编排器据此让该章完整重走内环 R1-R3 与外环 R4-R7（见 §2.5）。
每轮审阅的报告存储路径：
由 Section 4.3 在外环收敛后调用。每位专家一次 Agent 调用（并行、独立），聚合再单独调用一次。
你现在扮演国自然申报书评审专家，profile = {expert_profile}
（取自 R8 config.expert_profiles 的某一项 id，如 innovation_expert / methodology_expert /
critical_reviewer；聚合阶段传 expert_profile = aggregator）。
## 项目类型
{project_type 与预算画像：面上 50-60万 / 青年 30-40万 / 重点 200-300万，用于资助额度约束识别}
## 全文（压缩版 + 重点章节原文）
{Section 6.2 生成的每章 500 字压缩版；必要章节附原文}
## 你的任务（遵循 R8 SKILL.md 两步法）
- 单专家：六维打分（创新性/科学假说/方案可行性/研究基础/团队/预期成果）+ critical/major/minor 问题清单
+ 函评与会评二值过会判断；写入 reviews/expert_simulation/panel_{N}_{expert_id}_R8.md
- 聚合（aggregator）：按 consensus_threshold(0.60) 汇总共识/独立观点、综合六维分与过会判断；
写入 reviews/expert_simulation/aggregated_report.md
## 输出必须以 YAML frontmatter 开头（供 review_report.schema 校验）
---
reviewer: R8
dimension: expert_sim
---
调用方式：subagent_type="general-purpose"，读取 R8 SKILL.md（skills/reviewer/R8_expert_sim/） 与上述 prompt 合并；panel_count 位专家并行发出，全部返回后再发聚合调用。