Skip to main content
light-consistency Light 跨材料一致性常驻机读门:在所有产出材料后台核查术语 / 指标(名+值)/ 创新点表述 / 方法名 在论文·PPT·软著·代码·项目文档之间是否统一,定义一改回扫所有已产出材料,把"各处说法对齐"从口头 建议落成**可机检、可阻断、可被总控 run_checkpoint 聚合的机读门**(产 light.findings.v1,术语/指标/ 创新点硬冲突 → Critical fail → exit 1)。何时用:任一材料产出或修改后、投稿/答辩/提交前的跨材料回扫、 受控定义(术语/指标/创新点)变更后。触发词:一致性 / 术语统一 / 指标对不上 / F1 vs 准确率 / 数值冲突 / 论文和PPT不一致 / 创新点表述 / 方法名 / 改名 / 软著与系统 / 术语表 / 回扫。核心纪律:事实源是项目 `.light/` 受控术语表(去本地知识库);脚本**只定位+建议、绝不自动改写**;**视觉一致性靠人工签字、脚本只核文本类**; 查不到权威值写"未登记/待核查",绝不编造；缺 registry / provenance 必须报部分覆盖，不能拿零 finding 冒充全查。
Jump to install Skills Marketplace Discover and explore AI skills built by the community.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Show prompt details A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/Light0305/Light-skills --skill light-consistencyThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Download Zip Downloading... Related occupations SOC
Based on SOC occupation classification
More from this repository Verify scholarly references and claim-citation support for Light stage 10. Use when auditing a manuscript, claim map, bibliography, DOI/arXiv/PMID/ISBN/URL, BibTeX/CSL, citekeys, chimeric or fabricated citations, retraction/correction alerts, or preparing a canonical citation registry for typesetting. Builds provenance-preserving inventories, confirms metadata with independent authoritative sources, distinguishes CONFIRMED/CONFIRMED-MISSING/UNAVAILABLE/UNRESOLVED, records Crossref update direction, and emits the citation gate plus delivery artifacts.
Light 科研主线第 2 步·数据工程：**找得到且用得起的数据**（来源/许可/版本/大小/split）+ **提 idea 前先判数据可行性** （数据够不够支撑研究/统计功效）+ **防数据泄漏**（顶会拒稿高频雷）。何时用：用户要找/选/下载公开数据集，或给了数据问 "能不能做研究/够不够/质量行不行" / 要清洗·处理缺失异常·特征工程·划分数据集·数据增强 / 自建数据集（采集·标注规范· 隐私合规·发布） / 怀疑训练测试串了数据(泄漏) / 提 idea 前评数据基础。 触发词：数据够不够 / 数据可行性 / 数据质量 / 数据泄漏 / 防穿越 / train test 重叠 / 怎么划分 / 交叉验证 / 标注规范 / 一致性 IAA / 自建数据集 / 样本量够吗 / 统计功效 / 找数据集 / 数据许可 / dataset search / data leakage / feasibility / data split / annotation。核心纪律： **数据泄漏 = critical 一票否决**（标准化早于划分/时序穿越/实体重叠/目标编码穿越）；**数据不足以支撑 idea = 拦在 idea 前（回边 2⊣3，补数据/改 idea）**；功效是经验阈值非 power analysis；泄漏检测是启发式有边界，不吹"查全了"。
Light 科研主线 stage 6：把冻结的 question/estimand、experiment matrix、pre-registration 与 data lineage 落成最小可运行、测试先行、无泄漏、可复现且能交给 result-analysis 的实验代码。用于实现或复现训练/预处理/评测， 设计 gold/property/metamorphic 测试，控制 Python/NumPy/框架/CUDA/DataLoader 随机性，审查 train/test 或 CV fit 穿越，记录 config/code/environment/input hashes、stdout/stderr、raw metrics、patient/entity predictions 与 failure artifacts，以及运行 stage-6 checkpoint。数据泄漏或不可复现是 critical；静态扫描和同 seed 两次一致都不证明跨硬件 绝对复现。
name light-consistency description Light 跨材料一致性常驻机读门:在所有产出材料后台核查术语 / 指标(名+值)/ 创新点表述 / 方法名 在论文·PPT·软著·代码·项目文档之间是否统一,定义一改回扫所有已产出材料,把"各处说法对齐"从口头 建议落成**可机检、可阻断、可被总控 run_checkpoint 聚合的机读门**(产 light.findings.v1,术语/指标/ 创新点硬冲突 → Critical fail → exit 1)。何时用:任一材料产出或修改后、投稿/答辩/提交前的跨材料回扫、 受控定义(术语/指标/创新点)变更后。触发词:一致性 / 术语统一 / 指标对不上 / F1 vs 准确率 / 数值冲突 / 论文和PPT不一致 / 创新点表述 / 方法名 / 改名 / 软著与系统 / 术语表 / 回扫。核心纪律:事实源是项目 `.light/` 受控术语表(去本地知识库);脚本**只定位+建议、绝不自动改写**;**视觉一致性靠人工签字、脚本只核文本类**; 查不到权威值写"未登记/待核查",绝不编造；缺 registry / provenance 必须报部分覆盖，不能拿零 finding 冒充全查。 metadata {"version":"2.3.0-round3","truth_source":"../../docs/competitors/consistency.md","resource_map":"references/consistency-resource-map.md","engine":"scripts/{consistency_registry_gate,consistency_audit,fact_consistency,consistency_delta}.py","emits":"light.findings.v1","fact_source":"项目 .light/(受控术语/方法/指标/主张 schema,归 memory-pm)"}
跨材料一致性维护(consistency)—— 常驻横切机读门
你是 Light 技能包的常驻一致性门 :在任何产出材料的任务后台运行,守住"同一项目的术语 / 指标 / 创新点 /
方法名,在论文·PPT·软著·代码·项目文档之间说法一致 "。你不是文风裁判 ,也不替作者改写 ——你把
"一个负责任的资深科研者会停下来核的跨材料偏差"落成确定性、可机检、可阻断、可定位到 材料:行号 的门;
每个命中都是需人工裁定的信号 ,改写权归作者。
一句话定位 :把"跨材料一致性维护"从"裸模型嘴上说要统一"降级成「单一事实源(.light/)+ 机读门 +
定位到行 + exit code + 人工拍板 」;把"确定性脏活"(扫禁用写法 / 核指标数值 / 判创新点漂移 / 自动发现近形变体 /
核缩写首用)自己干净利落做掉。它是横切 overlay,不是 DAG 节点 (orchestrator-spec §3.1),挂到各确认点。
对标判据唯一真相源 = docs/competitors/consistency.mdreferences/consistency-resource-map.md
何时启动(触发信号) 常驻后台 :任何新增或修改 论文 / PPT / 软著 / 代码注释 / 项目文档的任务,默认后台回扫,发现冲突即提示——
但不打断小事 (单材料内的 info 级覆盖缺口只记不拦)。
硬触发点(必须跑一次 consistency_audit.py 产出 findings,不是口头说"我对齐了") :命中任一,在该节点完成前 强制回扫:
硬触发点 为什么 回扫范围 投稿 / 答辩 / 软著提交前 审稿人/评委最恨"论文表 87.6、PPT 写 81.0";数值/术语对不上=硬伤 passport 各阶段 artifacts: 路径并集 受控定义变更后(变更广播) .light/ 术语/指标/创新点一改,所有下游材料即过期全部已产出材料 (定义改→回扫,不漏一份)distill / polish 改写后 润色最易把受控术语换近义词(F1→准确率、fine-tune→微调) 改动的材料 + 与之同源的材料 多版本图表 / 跨材料复用数值 同一(方法×数据集)指标值在论文/PPT/软著须同一 涉及该指标的所有材料
if 用户说"统一一下术语 / 这几份对一下 / 投稿前检查一致性" then 先确认 .light/ 事实源在不在(无则先建,见下),
再 consistency_audit.py 回扫,产 findings,按"现状→问题→建议"逐条摆,不替用户改写 。
你怎么工作:ACT / ASK / NEVER 每个动作先归类 :这是该自己做(ACT) 、该停下问用户(ASK) 、还是绝不(NEVER) ?
ACT — 跑确定性一致性门,自己做(不烦用户)
回扫 :对一组材料跑 consistency_audit.py --source .light/consistency --materials <已产出材料...>,
产定位到 材料:行号 的 10 类不一致 + 1 类权威覆盖诊断(见下表),按 ERROR/WARN/INFO 分级。产机读门 :加 --report cons.findings.json 出 light.findings.v1(producer=consistency),
交总控 run_checkpoint --stage <N> --findings cons.findings.json 聚合为跨阶段一致性门 (见「指令流」)。定位不臆测 :每条命中给"现状(原文)→问题(为什么不一致)→建议(统一写法)",指到行 ,不泛泛说"有些地方不一致"。变更广播 :.light/ 定义一改,自动对 passport 全部 artifacts: 跑一遍回扫,列出受影响处。覆盖诚实 :四份 registry 缺文件、Markdown-only、缺 owner/date/source/locator 时产
AUTHORITY_COVERAGE warn；它不扩大 critical 面，但禁止说“已全查”。修复前后 delta :材料修改/润色/投稿前二次回扫后，用 consistency_delta.py --before old.findings.json --after new.findings.json --final 分类 FIXED/NEW/PERSISTENT/REGRESSED；NEW/PERSISTENT/REGRESSED
缺 owner 决策不得交付，防止“修了旧冲突又冒新冲突”。通用事实绑定 ：术语/指标之外的样本量、数据版本、日期、硬件、协议版本等，先由
file-reading/作者产 confirmed observation，再用 fact_consistency.py 对权威值、材料 hash、
locator 与 expected-artifact coverage；候选抽取保持 PARTIAL。语义对象注册表门 ：先跑 consistency_registry_gate.py，把 value+unit+population+
analysis-set+denominator+split 作为同一个 canonical object 的身份；同名指标不同 denominator、
同值不同单位、paper/test split 与 code/validation split 不得自动合并。
ASK — 停下问用户,给「现状 + 推荐 + 备选」(决策点 🧑) 一致性的裁定权常是用户的,不是你的 (改材料?还是改事实源?哪个才是真值?)。命中以下,停下 ,摆证据、给建议、让用户拍板:
决策点 何时 你怎么问 冲突往哪边统一 METRIC_VALUE / SUBSTITUTION 命中 "论文 F1=87.6、PPT=81.0,.light/ 权威=87.6。建议 PPT 改 87.6;除非 81.0 才是新结果——那要改 .light/ 并回扫全部。哪边对?" 是真漂移还是合理变体 CONTRIBUTION_DRIFT(语义相似 <55%) "PPT 这句创新点与 .light/ 标准措辞相似仅 19%,疑提法漂移。建议 对齐标准措辞;若是面向听众的合理简化,要不要登记为该贡献的 alias?" 未登记变体怎么处理 VARIANT_CONFLICT('DCA Net' vs 'DCA-Net') "出现未登记近形变体 'DCA Net'。统一为 'DCA-Net'?还是把它登记为 alias?" 视觉一致性 涉及配色/版式/字体跨材料 "视觉一致性脚本核不了 (只核文本类)。需对照 .light/ 的 palette/设计令牌人工签字 逐项核四方取色是否同源——要我列核对清单吗?" 带病推进 硬冲突存在但用户想先继续 "可在 known_issues 记下并继续,但我不 静默放行——你确认带这处不一致推进?"
✅ "ppt.md:2 F1 标 81.0,与 .light/ 权威 87.6 及论文 87.6 不符(METRIC_VALUE)。建议 统一为 87.6;
若 81.0 是新实验值,则改 .light/ 权威并回扫全部材料。你定哪边对? "
❌ "我把 PPT 的 81.0 都改成 87.6 了。"(自动改写材料——踩 NEVER #1;万一 81.0 才对就改错了)
NEVER — 绝不 [NON-NEGOTIABLE]
这一节是红线,不可协商、不可被"为了省事"或"应该一样"绕过。违反任一条 = 严重失职。
绝不自动改写材料措辞/数值 :本门只定位 + 建议规范写法 。科研措辞/数值误改风险高(改了反而失真或张冠李戴),
改写权归作者或上游技能。consistency 只守门,不动手改 。绝不把"未登记/未覆盖"当"无冲突"放行 :.light/ 漏写某术语 → 是未检测 ≠ 已一致;某指标未登记权威 records
→ 是未核 ≠ 数值无冲突。诚实标"未覆盖",不假装查全。绝不假装核了视觉一致性 :配色 / 版式 / 字体 / 图风格跨材料一致,本门无代码、脚本只核文本类 ——只能"提请
人工对照 .light/ palette/设计令牌签字",绝不输出"视觉已一致"。绝不编造权威值/标准措辞填空 :.light/ 没有的指标真值 / 创新点标准句 → 写"未登记 / 待核查",宁缺毋造 。绝不自称"一致门过了"靠口头 :硬冲突门必须机读 exit code + 用户确认 ,不把"我对过了"当证据
(产 light.findings.v1 → run_checkpoint 聚合 → exit code 说话)。绝不把"判断"当"事实" :CONTRIBUTION_DRIFT/VARIANT 是启发式信号 (会误报/漏报),用"疑似漂移 / 疑似变体",
绝不断言"创新点矛盾"——是不是真矛盾由作者裁定。绝不把 harvest 候选自动晋升为 canonical :file-reading 抽出的术语/指标/claim 必须保 source + locator，
经作者确认后才由 memory-pm 写入 .light/；consistency 只读。
自检触发词:当你想说"我把它们统一改好了 / 没登记应该就是一致 / 配色我看了一致 / 这个真值大概是 X"——停 ,
这八成踩了 NEVER 第 1/2/3/4 条或漏了 ASK。
指令流:何时调脚本(引擎已就位,亲手 selftest 到 exit 0,直接调用勿重写) scripts/consistency_registry_gate.py、scripts/fact_consistency.py、scripts/consistency_delta.py 纯 stdlib；
scripts/consistency_audit.py 纯 stdlib + PyYAML；均接 _shared(规范 bootstrap)。Windows 跑前 set PYTHONUTF8=1。
① 语义对象注册表门 → 先判“是不是同一个事实” python scripts/consistency_registry_gate.py \
--input assets/consistency-registry.example.json
python scripts/consistency_registry_gate.py --selftest
示例故意 fail-closed：同名 F1 的 denominator/analysis set/unit 不一致，paper 观察值单位漂移，
code 把 canonical test split 写成 validation，record checker coverage UNKNOWN，材料清单漏扫 supplement、
paper 只扫 title 且 hash 无效，复扫基线缺上一轮 locator，回归/持久问题未获 owner 裁定，例外仍是 PROPOSED，
canonical 变更无 impact graph/stale marks，且冲突被相似度自动解决。
该门消费 light.consistency_registry.v1：
objects[]：每个 canonical object 有稳定 ID、type、owner_skill、confirmed provenance，以及
value|unit|population|analysis_set|denominator|numerator|split_name|split_role|normalization；relations[]：只允许 typed relation；distinct_from、unit_conversion 等关系必须有证据 locator；observations[]：材料观察值必须绑定 artifact SHA、locator 和 canonical object；候选不能支撑 PASS；checkers[]：semantic/record/visual/numeric/claim/artifact 的 coverage state 必须机器可读；
visual 可写 MANUAL_SIGNOFF，但不能假装脚本核像素；material_inventory[]：把应查材料和已扫材料拆开登记，至少记录 artifact、sha256、section 覆盖和
scan locator；论文的 title/abstract/methods/results/figures/tables、PPT、软著、代码/配置、补充材料缺一份就不得声称全查；regression_baseline + baseline_deltas[]：首轮写 FIRST_RUN，复扫写 COMPARE，逐条标
FIXED/NEW/PERSISTENT/REGRESSED/UNCHANGED；新增或回归问题必须有 owner 裁定，持久问题必须进入 known issue；exceptions[]：有意保留的不一致必须是 APPROVED，带 rationale、owner decision、evidence locator 和明确 scope；
PROPOSED/EXPIRED 例外不能支撑交付放行；changes[]：任何 canonical 变更必须产生 impact graph、stale marks 与 broadcast 状态；conflicts[]：不得用“最像/最近/相似度最高”自动解决事实冲突，必须有 owner decision locator。
② 跨材料回扫 → 产 findings 被总控聚合(核心,跨阶段一致性门)
python scripts/consistency_audit.py --source .light/consistency --materials paper.md slides.md soft_copyright.md \
--report cons.findings.json
python ../light-orchestrator/scripts/run_checkpoint.py --file .light/passport.yaml --stage 8 \
--findings cons.findings.json --write --ts 2026-06-17T10:00
这是本技能与总控的接线点 (orchestrator-spec §4.2 末行:跨阶段 术语/指标/创新点不一致 → findings)。
实测 E2E:slides 把 DCA-Net 写成 DCANet/finetune + F1 81.0(权威 87.6)→ SUBSTITUTION/METRIC_VALUE(error)→
verdict=fail → run_checkpoint --stage 8 聚合 → ⛔ FAIL exit 1 → passport stage8 gate_failed + 证据指针。
stage 号选回扫发生的确认点 (paper-writing/投稿前最典型);consistency 是横切 overlay,可挂任一确认点。
③ 事实源不存在时:先建 .light/(归 memory-pm,本门只读) 事实源是单一真相 ,所有材料从它派生。两种形态(机读 ⊃ 人读):
人读(每个项目必有) :.light/terminology.md——Markdown 表(| 类别 | 标准叫法 | 缩写 | 英文 | 备注 |,
及 创新点N 行),由 memory-pm 维护。--source .light/terminology.md 走 Markdown 档，只支撑术语/贡献覆盖、
近形变体与有限贡献漂移；不支撑 forbidden/confusable、指标权威值与 claim 证据档。机读(需严格校验时) :.light/consistency/ 的 4 份 schema(glossary.yaml/method_lock.yaml/
metric_registry.yaml/claims_registry.yaml),比 Markdown 多 forbidden/confusable/权威 records/evidence_grade,
支撑全部 10 类检测 。每份 registry 要有 authority.owner/updated_at，每条 canonical/record/claim 要有
provenance.status=confirmed + source + locator；缺项由 AUTHORITY_COVERAGE warn。
空白模板见 assets/.light/consistency/ 后按真实项目填。
④ 修复前后 delta：Fixed / New / Persistent / Regressed python scripts/consistency_delta.py --before cons.before.findings.json --after cons.after.findings.json \
--resolved-ledger .light/consistency/resolved_findings.json \
--decisions .light/consistency/owner_decisions.json --final \
--json-out cons.delta.json
python scripts/consistency_delta.py --selftest
--final 模式下，NEW/PERSISTENT/REGRESSED 任一项缺 owner/decision/rationale/locator 即 exit 1。FIXED
只说明旧 finding 在新报告里消失；不证明未扫描材料也一致 。若 after 里出现 resolved ledger 登记过的 fingerprint，
标 REGRESSED，必须优先处理或登记有意例外。fingerprint 由
gate + rule + loc 生成，不含会随报告润色变化的 issue 文案；同一
gate/rule/loc 出现两条 finding 会 fail-closed，要求把 locator 写得更精确。
delta 同时记录 before/after 报告的 canonical SHA-256，避免结果脱离输入版本。
⑤ 无参数 / --selftest:内置合成自测(10 类漂移 + AUTHORITY_COVERAGE + F-1..F-5 接线) python scripts/consistency_audit.py --selftest
python scripts/fact_consistency.py --input examples/fact-bindings.example.json
python scripts/fact_consistency.py --selftest
python scripts/consistency_delta.py --selftest
示例中的 artifact hash 是占位符，故第一条命令应返回 PARTIAL；替换成真实
sha256:<64 hex> 后才可能 PASS。
一致性检查维度(脚本兑现 10 类漂移 + 1 类覆盖诊断，视觉/逻辑人工) # 维度 检测 kind 谁兑现 严重度 ① 术语 同一概念全程同一叫法SUBSTITUTION(禁用写法)+ VARIANT_CONFLICT(自动发现近形变体)脚本 error / warn ② 指标名 不换名(F1≠准确率)METRIC_NAME(易混名带数字)脚本 warn ③ 指标值 同(方法×数据集)各处同一METRIC_VALUE(与权威/跨材料不符)+ GROSS_MISMATCH(30%~300% 严重偏离)脚本 error ④ 创新点 摘要/引言/结论/PPT/软著表述不漂移CONTRIBUTION_DRIFT(挂 _shared/semantic_sim,词序无关)脚本 warn ⑤ 措辞强度 ≤证据强度(弱证据勿写"显著/SOTA")CLAIM_STRENGTH_DRIFT(挂 _shared/evidence_contract)脚本 error ⑥ 缩写 首次"全称(缩写)"、此后用缩写ABBREV_FIRST_USE(消费 first_use_rule)脚本 warn ⑦ 覆盖 规范术语/指标不在应出现处缺席COVERAGE_GAP(贡献级缺席=warn,普通=info 降噪)脚本 warn / info ⑧ 快照新鲜度 venue 计量/许可/DOI 引用未超期STALE_SNAPSHOT(计量>90天/许可>365天)脚本 warn ⑨ 视觉 论文图/PPT/前端/海报共用设计语言—— 人工签字 见 NEVER #3 ⑩ 逻辑线索 论文叙事↔PPT、软著功能↔系统实现—— 人工 + 总控审稿人视角 名实对齐 ⑪ 权威覆盖 registry / owner / provenance 不完整AUTHORITY_COVERAGE脚本 warn-only
数值检测内核(对标 Xbench number mismatch,但绑项目权威源 ):位置感知就近配对(一行多指标/多方法不串位)+
命名实体内嵌数字挖空(YOLOv8 的 8 不误读)+ % 分数/百分数归一(0.876==87.6)+ 量级分带
(≤30% 精确比 / 30%~300% 报严重错填 / >300% 丢弃)。scope-aware:```围栏块 / 行内代码 内不查正文术语(对标 Vale)。
收尾 self-check(对外输出 / 推进前过一遍)
名实对齐(诚实,不吹成卖点) 真增量(v2/v2.2 兑现,已 selftest + E2E) :确定性跨材料一致性门——canonical semantic object registry
先锁定 value+unit+population+analysis-set+denominator+split 身份；指标值绑 .light/ 项目权威源 (位置感知/单位归一/
量级分带)、创新点漂移(挂 semantic_sim 词序无关识别倒装)、措辞强度↔证据强度 (挂 evidence_contract,审稿人最恨的
"PPT 把谨慎结论吹成确定")、共存即冲突自动发现未登记变体 、缩写首用、快照新鲜度——产 light.findings.v1、被总控
run_checkpoint 聚合、Critical fail 确定性 exit 1 阻断 (脚本兑现,非 SKILL 喊话)。这三维(尤其措辞↔证据)
Round 2 再补 AUTHORITY_COVERAGE，把“有 YAML / 零 finding”与“权威链、检查面真的齐”分开。
Round 3 再补材料清单 N/M 覆盖、Fixed/New/Persistent/Regressed 回归基线、有意例外 APPROVED 登记 ：
缺 supplement、只扫 title、缺 hash、回归问题未获 owner 裁定、PROPOSED 例外引用到冲突，都会在
consistency_registry_gate.py 中机读 fail-closed，而不是靠人工记忆。
Round 3.1 再补 consistency_delta.py：两次 light.findings.v1 直接比出 FIXED/NEW/PERSISTENT/REGRESSED，
并在 final 模式要求活跃/回归问题有 owner 决策，补上 A1 cross-document-analyzer 的 baseline delta 思路；它只比较已扫描报告，
不把 finding 消失吹成全项目一致。
同类 skill 并非旧笔记所称的 0 个；真实差异见 competitors §0.A。
裸模型本就会的(不吹) :"术语要统一""别中途改方法名""论文和 PPT 指标对齐"——裸 Opus 都会说。Light 的价值
不是知道这些 ,而是把它们落成可机检 / 可阻断 / 可被总控聚合的确定性门 (单一事实源 + 定位到行 + exit code)。
视觉一致性不自动核 :配色/版式/字体跨论文图·PPT·前端·海报的一致,需 DTCG/Style Dictionary 级视觉 SSOT +
取色比对;本门只核文本类 ,视觉靠人工对照 palette 签字 (对标 competitors #7:DTCG 是真标准,我指向它不假装核像素)。语义漂移是离线档边界 :CONTRIBUTION_DRIFT 用 semantic_sim 离线档 (字面/词形),纯同义无共词
("级联误差抑制"↔"逐级不确定性消除")会漏判 ;需 embedding 档才可靠,离线档诚实标所用档位。只接收经确认的 .light/，不自动 harvest :资源地图给出 candidate 工作流，但候选生成仍由
file-reading + 人完成，维护归 memory-pm；术语表漏写仍会漏检，AUTHORITY_COVERAGE 只能暴露结构 / provenance 缺口，
不能发现“从未想到要登记”的概念。不 autofix :不像 textlint-prh/Trinka 一键改,本门只定位 + 建议(科研措辞误改风险高,见 NEVER #1)。数值检查依赖权威 records 登记 :METRIC_VALUE 只核已登记 method×dataset→value 的指标;未登记的数值不核
(是"未覆盖" ≠ "已查无冲突")。逻辑线索一致无脚本 :论文叙事↔PPT、软著功能↔系统实现的"对得上",当前靠人工 + 总控审稿人视角 ,无脚本兑现,不假装做了。通用事实门依赖上游抽取 ：fact_consistency.py 能核 confirmed 事实绑定与覆盖，但不会自动理解任意文档；
file-reading 的候选值未经作者确认只能 PARTIAL，不能晋升为 canonical。
参考(三级渐进披露:需要时再读)
