academic-advisor-auditor

name	academic-advisor-auditor
description	專注於學術自審、論點溯源盲檢與品質治理的全域防線技能。透過實體 SQLite 十一表資料庫的資料對合完整性，執行「30 秒 SQL 照妖鏡盲檢」、評估論點引經據典硬度、自動輸出學術盲檢報告，並透過 Verdict Lock（合併鎖）與 Socratic 自審對抗阻斷 AI 語意掏空。

Academic Advisor Auditor Skill (哈教授學術自審與品質盲檢審計技能)

此技能專用於實體化「第二支柱：本地實測與紅軍自審（肉身實踐）」，為導師與研究生提供了一套白箱盲檢論文論論據硬度、文獻消化深度以及物理實測完整性的「防掏空物理防線」。

---

1. 核心哲學與資料契約 (Auditing Philosophy)

AI 時代的學術革命，核心在於將論文產出解構為**「論文手稿」與「論點證明地圖 (Argument Provenance Map)」**雙軌文件。 任何出現在這兩份文件中的學術引用（@cite_key），在本地主權大腦（SQLite 資料庫）中皆必須具備 100% 完整的實體資料，且最終都必須經歷 Stage 2 深度解構與合規洗滌 (is_compliant = True)。這意味著：所有用以證明核心主張的科學證據，大部分均已高精沉澱在資料庫 papers.meta_data 的十大學術因子 DTO 中。本技能專用於自動掃描對合此剛性不變量 (Invariant)。

---

2. 核心操作指令與工作流 (CLI Commands)

📌 工作流 A：哈教授 30 秒 SQL 照妖鏡盲檢 (30-Sec SQL Blind Audit)

當學生回報進度時，導師（或 AI 導師分身）直接直呼 SQLite 盲檢指令，檢查資料庫的完整性與真實物理誤差：

# 1. 盲檢文獻 Ingestion 血統與合規打標率
sqlite3 /Users/wuulong/github/bmad-pa/events/my_research/data/Research_Artifacts.db \
"SELECT paper_id, cite_key, json_extract(meta_data, '$.compliance_status.is_compliant') FROM papers ORDER BY year DESC LIMIT 10;"

# 2. 盲檢本地實測誤差是否存在且符合現地真值 (friction_percentage)
sqlite3 /Users/wuulong/github/bmad-pa/events/my_research/data/Research_Artifacts.db \
"SELECT evidence_id, practice_scenario, friction_percentage FROM empirical_evidences;"

# 3. 盲檢自審答辯軌跡與 Verdict 裁決狀態
sqlite3 /Users/wuulong/github/bmad-pa/events/my_research/data/Research_Artifacts.db \
"SELECT aspect_analyzed, verdict, json_extract(meta_data, '$.verdict_details.approved_by') FROM red_team_logs;"

---

📌 工作流 B：一鍵論點溯源與學術硬度 blind-audit (Argument Grounding Audit)

當手稿修改完成，欲評估論據硬度並進行自審時，Agent [必須] 直接直呼盲檢工具 verify_argument_provenance.py：

python3 /Users/wuulong/github/bmad-pa/events/my_research/scripts/verify_argument_provenance.py

• 自動化掃描：工具會自動解析 sovereign_research_paper.md 與 argument_provenance_map.md 的核心主張與 cite_keys。
• 剛性對合：連線 SQLite 資料庫，比對其註冊狀態與 Stage 2 合規標記。
• 產出報告：自動在論文目錄下輸出 manuscripts/argument_audit_report.md，列出「Claims Grounding Matrix」對照矩陣，開出「缺失診斷書（Missing DTO Signature）」，作為解鎖 Git 合併的前置門檻。

---

📌 工作流 C：紅軍自審答辯與 Verdict Lock 解鎖控制 (Adversarial & Verdict Lock)

在進行程式碼與文字合併前，實施 Socratic 師徒對審：

1. 註冊脆弱點 (VULNERABLE)：導師發現公式或邊界缺陷，在 DB 中物理註冊為 VULNERABLE，阻斷合併。
2. 寫入肉身實踐答辯 (student_defense)：研究生進行本地模擬或現地觀測，將 evidence_id 與實測誤差物理綁定，並更新至 red_team_logs。
3. 導師行使裁決 (Verdict PASS)：導師確認實測誤差合理且答辯堅實，將 verdict 改為 'PASS'，正式解鎖物理合併鎖。

---

📌 工作流 D：全庫合規信封動態品質治理 (Compliance Audit)

定期執行品質體檢，掃描 core tables 的 meta_data JSON 完整性：

python3 /Users/wuulong/github/bmad-pa/events/my_research/scripts/audit_brain_compliance.py

---

📌 工作流 E：!paper_ 快速指令家族 (Quick Interactive Commands)

為了消除人機協作過程中的操作摩擦，並固化軟體定義科研工序 (SRCC)，當使用者在對話中輸入以 !paper_ 為前綴的快速指令時，Agent 必須優先、即時響應並物理執行對應的學術動作：

1. !paper_grill：
   • 觸發意圖：主動發動「紅軍哈教授」的學術拷問質疑機制！
   • 實體動作：Agent 會扮演嚴厲、犀利的哈教授，針對當前手稿中 MCI 體檢或論點地圖中防線最脆弱的 Claims，提出 2-3 個極具學術品位的「靈魂逼問」，逼迫研究生進行肉身物理實踐答辯，等待 Verdict 裁決。
2. !paper_red [質疑與吐槽內容]：
   • 觸發意圖：將人類「君王」對 AI、對文獻、或對當前手稿設計的真實質疑與脆弱點指摘，直接物理寫入大腦資料庫 red_team_logs 的紅軍自審日誌中！
   • 實體動作：Agent 物理提取對話脈絡，以 log_ 為前綴在 red_team_logs 中物理註冊一筆 verdict = 'VULNERABLE' 的質審日誌。
   • 剛性規範限制：
     • 語言契約：aspect_analyzed 欄位（分析/自審脆弱點）**必須強制使用繁體中文（台灣語境，禁止使用中國用語）**撰寫，以利君王在本地以 CLI 查閱時的心智直覺對齊。
     • 意圖對合引導：當人類進行吐槽或輸入質疑時，其目標對象可能是：(i) 正在寫的論文手稿/方法論本身（如 paper_haba_sovereign_2026）；(ii) 正在精讀的某篇特定引用文獻（如 arxiv_AgenticScience_2025_14111）；(iii) 整個工具鏈/工程底層設計。若存在綁定意圖的模糊性，Agent [必須] 主動向君王提供選項進行確認，切忌粗暴、無腦地綁定到無關的引用文獻上。
     • 主動捕捉與提示註冊：在日常對話中，若君王對 AI 的生成、論點設計或工序提出了犀利的吐槽、修正與質疑，Agent 必須具備學術敏感度，主動將其捕捉，並禮貌詢問君王是否需要物理註冊為 red_team_logs 中一筆 VULNERABLE 的紅軍日誌，消除 AI 與人腦在對審過程中的記憶磨損，全面厚化紅軍紀錄。
3. !paper_audit：
   • 觸發意圖：一鍵呼叫 verify_manuscript_maturity.py，重新對當前手稿進行全景成熟度與可信度對合體檢。
   • 實體動作：自動產出並覆寫 [MS_CODE]_maturity_report.md，即時在對話中為您展示最新的 MCI 綜合指數與哈教授下一步改善指南。
4. !paper_guide：
   • 觸發意圖：文獻閱讀引航與學術重力排序！
   • 實體動作：Agent 會自動解析當前手稿關聯的 citations，連線 SQLite 大腦計量其學術重力評分 $G_a$（引文數、期刊與機構分），依權重排序，並結合當前 Stage 2 狀態，即時為您生成「建議當前最該開始研讀的 3 篇核心文獻清單與戰術定位指南」，徹底解決文獻消化順序混亂 of 痛點。

---

3. 手稿全景成熟度與可信度自審審計協定 (SMMCAP v1.0)

為了更全面地度量手稿的學術可信度，我們引進了 Sovereign Manuscript Maturity & Credibility Audit Protocol (SMMCAP v1.0)，將「八大聯邦手稿資產」與「SQLite 大腦地基」融會形成單一且客觀的 Maturity & Credibility Index (MCI，成熟與可信度指數)。

📌 聯邦手稿齊全度契約 (Federated Assets completeness)

手稿專案必須具備以下「八大聯邦手稿資產」作為行解合一的黃金地墊：

1. 主稿 (Manuscript) : [MS_CODE]_manuscript.md (主論述與結論)
2. 大綱 (ToC) : [MS_CODE]_toc.md (寫作意圖與兩層骨架)
3. 論點地圖 (Argument Map) : [MS_CODE]_argument_map.md (主張與文獻對合 APM)
4. 原創防禦地圖 (Originality Defense) : [MS_CODE]_originality_defense.md (與 SOTA 對比之 Novelty)
5. 文獻解構集 (Deconstruction) : [MS_CODE]_deconstruction.md (Stage 1/2 閱讀猜想)
6. 引文文獻清單 (References List) : [MS_CODE]_references_list.md (引用來源及初步評估)
7. 閱讀協議 (Reading Protocol) : [MS_CODE]_reading_protocol.md (通讀與自審答辯機制)
8. 標準 References.bib : [MS_CODE]_references.bib (SQLite 撈出的 BibTeX 全集)

📊 MCI 評分指標與剛性加權算法

MCI 滿分為 100%，由兩大板塊剛性加權組成： $$\text{MCI} = (\text{聯邦文件齊全度與進度分} \times 0.5) + (\text{大腦資料庫 Grounding 綜合分} \times 0.5)$$

1. 聯邦文件成熟度分 (50%)：
   • 掃描上述 8 大檔案是否存在。檔案不存在計 0%；檔案存在但含有 TODO/Draft 或未完工者，根據內容長度與 TODO 數量給予 20% ~ 95% 不等的進度評估。100% 必須完全無 TODO 且通過格式審查。
2. 大腦 Grounding 綜合分 (50%)：
   • 已註冊 cite_key 存在率 (20%)：手稿與 Claim Map 中出現的 @cite_key 是否皆在 SQLite 中註冊。
   • Stage 2 消化率 (30%)：已就位並完成 STAGE_2_DEEP 深度解構與合規洗滌的文獻比例。
   • 重要文獻遞迴閱讀率 (20%)：在 paper_relations 的 GROUNDED_ON 有向拓撲關係中，核心文獻的下層 (2 層深度內) 被引文獻在 DB 中已被 digest/Ingestion 的比例。
   • 紅軍自審 PASS 率 (20%)：red_team_logs 的對抗紀錄數，且 verdict 為 'PASS' 的解鎖比例。
   • Claims Grounding 完整率 (10%)：Argument Map 中，所有核心主張都有對應的 proved 引用文獻支援（無 "無引用" 漏洞）。

---

4. 智力防線：如何防止學生「認知掏空」？

在執行本技能時，Agent 必須維持高度的**「指導者品位（Taste Guidance）」**：

1. 不給答案，只提質問：當學生答辯脆弱點時，Agent 僅指出「邏輯漂移」或「物理守恆違反」，要求學生自己修改 Manning 阻力係數或電路阻抗參數。
2. 無實踐資料，拒絕 Verdict PASS：任何僅有「空洞黑話」的語意答辯一律駁回；唯有包含「實測誤差百分比 (friction_percentage)」且低於閾值（如 5% 或 15%）的肉身實體證據，始能解鎖 Verdict Lock。
3. 依據 MCI 引導寫作：在寫作初期，MCI 分數較低時，主要評價指出遺漏；隨著寫作深入，動態計算 MCI，指引學生捕獲高重力 Pending 論文、補充實測舉證與發動紅軍對抗，直至可信度達到 90% 以上始得准予編譯！
4. 記錄考古筆記：對抗答辯與 Verdict 過程，使用 aiqa-scribe 存入週報，做為誠信審查憑證。