| name | academic-audit |
| description | 全面审核学术项目的论文质量、数据完整性、代码规范和工程化水平。两阶段：Phase 1 自动扫描（秒级脚本）+ Phase 2 AI 深度审核（多 agent 团队）。务必在以下场景触发：用户说审计/审核/体检/检查项目、验证数据一致性、检查论文质量或格式、查重风险评估、AIGC 检测或降风险、投稿前检查、代码审查（针对整个项目而非单个 PR）、检查 git 历史或依赖安全、可复现性验证、开源合规检查。即使用户只说'帮我检查一下'或'看看有没有问题'，只要上下文涉及学术项目或论文，也应该触发。不要在用户只想修单个 bug、写新代码、跑实验、翻译、做 PPT 时触发。 |
| allowed-tools | Bash, Read, Glob, Grep, Agent, Write, Edit, TaskCreate, TaskUpdate, TaskList, TeamCreate, SendMessage |
Academic Audit — 学术项目全面审核
一个两阶段审核系统：自动扫描（定量，秒级）+ AI 深度审核（定性，agent 团队）。
设计理念
- 脚本做定量，AI 做定性 — 文件计数、引用匹配等确定性检查交给脚本；论文逻辑、AIGC 风格、架构评价交给 agent
- 评分可复现 — 基于
references/rubric.yaml 的量化评分量表，消除主观性
- 增量审计 — 对比上次审计结果，追踪修复进度
- 可配置 — 通过 profile 选择审核维度和深度
使用方式
/academic-audit # 完整审核（Phase 1 + 询问是否启动 Phase 2）
/academic-audit scan # 仅 Phase 1 自动扫描
/academic-audit deep # 跳过扫描，直接 Phase 2 AI 深度审核
/academic-audit --profile minimal # 快速检查（仅数据+LaTeX）
/academic-audit --profile journal # 期刊投稿前专项检查
Phase 1: 自动扫描（30 秒内完成）
运行 scripts/ 下的工具脚本，产出量化指标。
步骤
-
检测项目类型 — 扫描目录结构，识别有哪些可审核的内容：
- 存在
datasets/ + *.yaml → 启用 data_audit
- 存在
*.tex + *.bib → 启用 latex_audit
- 存在
.git/ → 启用 git_health
- 存在
*.py + requirements.txt → 启用 code_metrics（如有 ruff/radon）
- 存在
Dockerfile → 检查 Docker 配置
-
运行工具脚本 — 对每个检测到的维度并行执行：
python <skill-path>/scripts/data_audit.py \
--dataset-dir <path> \
--results-dirs <dir1> <dir2> ... \
--output json > scan_data.json
python <skill-path>/scripts/latex_audit.py \
--thesis-dir <path> \
--output json > scan_latex.json
python <skill-path>/scripts/git_health.py \
--repo-dir <path> \
--output json > scan_git.json
-
汇总评分 — 读取 references/rubric.yaml，基于脚本输出计算各维度分数，输出汇总表。
-
展示结果并询问:
- 显示各维度评分表 + 发现的问题清单
- 询问用户："自动扫描完成。是否启动 AI 深度审核？（论文逻辑/AIGC 检测/代码架构等需要 AI 判断的维度）"
工具脚本说明
| 脚本 | 功能 | 依赖 |
|---|
data_audit.py | 数据集完整性 + 实验结果提取与对比 | pyyaml |
latex_audit.py | 引用匹配 + 编译日志 + label/ref 配对 | 无 |
git_health.py | 大文件检测 + commit 规范 + 凭据泄漏 | git CLI |
脚本均支持 --output json 用于机器解析和 --output text 用于人类阅读。
Phase 2: AI 深度审核（需用户确认）
基于 Phase 1 扫描结果，组建 agent 团队进行定性分析。
agent 团队配置
根据项目内容动态组建团队，只派出需要的 agent：
| 条件 | agent | 审核内容 |
|---|
| 存在 .tex 论文 | paper-structure | 章节结构、逻辑链、学术语言 |
| 存在 .tex 论文 | paper-quality | AIGC 风格检测、查重风险评估 |
| 存在 Python 代码 | code-reviewer | 代码质量、架构设计、正确性 |
| 多个实验/内核 | reproducibility | 跨平台一致性、可复现性 |
| 开源/投稿需求 | project-arch | 工程化、LICENSE、CI/CD |
agent 协作原则
- Phase 1 结果作为输入 — 不让 agent 重复做定量检查。将
scan_*.json 的关键数据直接注入 agent prompt。
- 共享发现板 — 第一个发现某问题的 agent 记录到 task 系统，后续 agent 跳过重复分析。
- 标准化报告模板 — 每个 agent 按统一格式输出（severity 分级、位置标注、修复建议）。
agent prompt 模板
为每个 agent 提供：
- 项目背景（从 CLAUDE.md 或用户输入获取）
- Phase 1 扫描结果（相关维度的 JSON）
- 明确的审核维度清单
- 报告格式要求
- 完成后通过 TaskUpdate 标记任务完成
Phase 3: 归档
审核完成后自动归档：
- 在项目中创建
audit/{date}_<type>/ 目录
- 写入：
00-SUMMARY.md — 综合报告 + 评分 + 行动清单scan_*.json — Phase 1 原始数据01-*.md ~ 08-*.md — 各 agent 详细报告（如有）
- 更新
audit/README.md 审计索引
- 如有上次审计，生成 diff 报告（新增/已修复/未修复）
审核 Profile
读取 references/profiles/ 下的 YAML 配置选择审核范围：
thesis（默认）— 毕设全面审核
phase1: [data, latex, git, code]
phase2: [paper-structure, paper-quality, code-reviewer, project-arch]
archive: true
journal — 期刊投稿前审核
phase1: [data, latex, git]
phase2: [paper-quality, reproducibility]
archive: true
extra_checks:
- aigc_focus: true
- cross_dataset: true
minimal — 快速检查
phase1: [data, latex]
phase2: []
archive: false
评分体系
读取 references/rubric.yaml 获取各维度的评分锚点和权重。
加权综合分 = Σ(维度分数 × 权重) / Σ(权重)
等级映射：A(9-10), B+(8-8.9), B(7-7.9), C+(6-6.9), C(5-5.9), D(<5)
增量审计（第 2 次+）
如果 audit/ 目录中存在历次审计记录：
- 读取上次审计的
00-SUMMARY.md
- 对比本次扫描结果，生成 diff:
- ✅ 已修复的问题
- ⚠️ 仍未修复的问题
- 🆕 新发现的问题
- 将 diff 加入本次报告
未来扩展（TODO）
