tao-paper-review

name	tao-paper-review
description	深度审稿 + 纯数字核对 pass（--mode=numbers）+ 两者一趟跑完（--all）；Agent 执行，不污染主上下文
allowed-tools	Read, Agent

论文审稿专家

本 skill 把「论文审稿专家」封装为隔离执行：门面在此，引擎用 Claude 自带的 general-purpose subagent，审稿产生的大量中间分析不污染主对话（做法 B：原 prompt 已内化进 references/playbook.md，不再依赖具名 agent）。

执行步骤

1. 立即 Read 本 skill 目录下的 references/playbook.md（完整审稿专家指令，含 通用 / ARR / NeurIPS / TMLR 四套框架 + 模式路由规则 + 换仪器模式）。
2. 判定入口模式（三选一）：
   • --mode=numbers（或自然语言要求「数字核对 / 核对数字一致性」）→ 走纯数字核对 pass，跳过下面第 3–4 步的 venue 与轮次判定：
     • 用 Agent（general-purpose）只传入 playbook 的「换仪器之一：纯数字核对 pass」一节 + 论文源文件路径 + 实验产物目录路径 + 已知历史数字修正清单（如有），要求按三层方法逐层执行并按表格格式输出。
     • 子 agent 返回后，主对话必须逐条打开原文/产物复核每条发现，确认属实才动手修（playbook 该节的硬性规则）；复核不过的标「误报」并说明原因。修完把「确认实错 / 误报」清单完整呈现给用户。
   • --all（或自然语言要求「全套 / 审稿加数字一起过 / 深度审稿完顺带核对数字」）→ 一趟跑完深度审稿 + 纯数字核对，用户已预先选定两把仪器都要，无需 STOP 后再确认：
     • 先照常走第 3–6 步的完整深度审稿（venue 分支照判、轮次照判），产出完整审稿报告。
     • 再紧接着起第二个 Agent 跑纯数字核对 pass（同上 --mode=numbers 的传入与复核规则）。两把仪器结构上不同，用两个独立子 agent、不要合成一个 prompt。
     • 例外：若第 4 步判定同一稿上轮已是 STOP，不要为凑齐两份而重跑同池饱和的全量审稿——直接告知「全量审稿已达停止条件，跳过重复采样」，只跑纯数字核对 pass 并透出其结果即可。
     • 最终按「① 深度审稿报告 → ② 纯数字核对结果」的顺序、两份都原样完整透出，中间用清晰分节标题隔开。因为数字核对本轮已经跑过，跳过第 6 步末尾「STOP 后询问是否改用 --mode=numbers」的提示——那把仪器已经用上了。
   • 默认（无参数） → 走深度审稿，继续第 3 步。
3. 判定 venue 模式，作为传给子 agent 的指令一并下发：
   • 用户显式传 --venue=（acl/emnlp/naacl/arr → ARR；neurips → NeurIPS；tmlr → TMLR；其余如 iclr/aaai/hhai → 通用），或自然语言说明目标会议 → 按对应模式。
   • 没显式声明 → 让子 agent 按 playbook「模式路由」的动态信号从论文判定（cs.CL+ACL 系引用+强制 Limitations → ARR；含 NeurIPS Paper Checklist/Broader Impacts → NeurIPS；无 novelty 主张+强调 claims-evidence → TMLR）；信号微弱则默认通用模式并在报告开头提示可加 --venue= 重跑。
4. 判定轮次（防无穷迭代）：若本次是对同一论文的复审（用户声明第 N 轮 / 会话或记忆中有上轮报告），把上轮的三个核心分 + 上轮 P0/P1 要点一并拼进子 agent 的 prompt，并要求执行 playbook「多轮复审与停止判定」节；若上轮判定已是 STOP，不要再启动审稿——直接告知用户已达停止条件，并友好地询问用户是否想改用纯数字核对模式继续把关（--mode=numbers，穷举逐个数字过一遍、覆盖面与全量审稿不同），同时可一并列出其它换仪器选项（统计专审 / 人工盲标 / 只审 diff）或直接冻结提交。
5. 立即用 Agent 工具：subagent_type: "general-purpose"，把 playbook.md 全文 + 第 3 步的模式判定结论 + 第 4 步的轮次信息 + 用户的论文 URL/路径/文本 拼成 prompt 传入。不要在主对话里直接读论文或做分析。
   • 兜底：若当前运行环境没有 general-purpose 这个 subagent 类型（如部分 Codex/第三方 runtime），就退而在当前上下文里严格按 playbook.md 全文完成审稿，输出要求与子 agent 完全一致。
6. 子 agent（或兜底执行）会产出一份完整审稿报告（通用含录取概率；ARR 含 Soundness/Excitement/Overall 三分 + Responsible NLP Checklist + Strengths/Weaknesses + 改进路线图等 A–I 全节；NeurIPS 含 1–4 三维 + Rating + Checklist；TMLR 含两条标准 + Requested Changes）。把这份报告原样、完整地呈现给用户——保留全部评分表、Checklist、散文小节、改进路线图、以及末尾的 STOP/CONTINUE 停止判定，所有节次不要概括、压缩或只摘要。 隔离的目的仅是不让读论文的中间分析污染主上下文；最终的完整报告本身就是交付物，必须完整透出。
   • 若本轮报告末尾判定为 STOP：报告透出后，主对话再补一句友好提示，明确询问用户是否想改用纯数字核对模式（--mode=numbers）继续把关——因为全量审稿已饱和、再跑一轮是同池重复采样，而数字核对是结构上不同的穷举式仪器，此时往往仍能抓出全量审稿漏掉的实错。判定为 CONTINUE 时不加此提示。

评分锚点已对官方核准（2026-06，来源：ARR reviewerguidelines、NeurIPS 2025 ReviewerGuidelines、TMLR editorial-policies）。ARR 自 2025-02 改为 Soundness + Excitement + Overall 三分；NeurIPS Overall Rating 为 1–6。 各家逐周期/逐年微调，如论文/用户给出当期表单以当期为准。

迁移自原 command tao-paper-review。