academic-investigation

name

academic-investigation

description

Academic integrity investigation and scholar profile analysis system. Use when conducting comprehensive academic background checks, credential verification, publication analysis, or institutional affiliation audits of scholars, researchers, or faculty members. Triggers on phrases like "调查学者", "学术调查", "查某人的学术背景", "核实论文", "学术档案调查", "学者背调", or when analyzing academic misconduct, credential inflation, publication quality, or research integrity issues.

⚠️ LLM 强制指令（请逐条执行）：

1. 优先使用现有脚本。本系统的工具链位于 scripts/ 目录下，一般情况下不要自己写 Python 代码替代现有工具。
2. 所有脚本路径以下方工具索引表为准。scripts/ 根目录下绝大多数 <500 字节的 .py 文件是兼容性 shim，真实实现位于子目录中。
3. 执行流程：先 ls 确认文件存在 → 再执行。如果不确定某个脚本的具体路径或参数，先 Read 该脚本头部的 docstring。
4. 遵循七步顺序：Basic Profile → Output Quantity → Quality Assessment → Relationship Network → Anomaly Detection → Multi-Source Validation → Report Generation。不要跳步。
5. 分层加载：执行具体步骤前，先 Read 对应的 docs/skill/ 文档获取详细流程。
6. 自由边界：对于客户要求但没有在目录写出的功能，可由LLM编写脚本或自主筛查以保证功能实现。

Academic Investigation Skill

Comprehensive academic background investigation system based on proven methodology from verified case studies.

Overview

A systematic 7-step framework for investigating academic profiles, verifying credentials, analyzing publication quality, and identifying potential academic misconduct or credential inflation.

When to Use

• Investigating a scholar's academic background or credentials
• Verifying publication claims or academic achievements
• Analyzing research quality and originality
• Checking for academic misconduct (plagiarism, duplicate publication, credential fraud)
• Auditing institutional affiliations and career progression
• Evaluating relationship networks and resource dependencies

Semi-Automatic Workflow Philosophy

Human-in-the-loop design. Scripts assist with computation; human judgment drives decisions.

Actor	Responsibilities
Human	CNKI/Wanfang/WoS searches, institutional verification, monograph acquisition, final interpretation
LLM	Tool selection, signal interpretation, hypothesis generation, report drafting
Scripts	Data normalization, quantitative analysis, text profiling, report assembly

scripts/
├── core/                    # 共享基础设施
├── domestic/                # 国内学者调查适配器
├── international/           # 国际学者/导师调查适配器
├── cross_border/            # 海归学者调查（合并国内+国际）
├── analysis/                # 共享分析模块
├── network/                 # 关系网络与腐败图谱
├── deep_evidence/           # 深度证据层（数据取证/发表链/伦理/同行评议/证据编译）
├── report/                  # 报告生成
├── agents/                  # 多智能体协作层
├── delivery/                # 交付层（自检+格式化）
├── backend/                 # Web 后端 API
└── investigate.py           # CLI 编排入口

---

精准工具索引表

每个工具的真实路径已排除根目录兼容性 shim。执行前先 ls 确认文件存在。

Core（基础设施）

工具	路径	功能	输入	输出	时机	Track
case_manager	scripts/core/case_manager.py	案件注册与 ID 生成 (AD-YYYY-MM-DD-NNN)	甲方名称	case_id + 目录结构	Step 0	all
db	scripts/core/db.py	SQLite 案件数据库（9表）	case_id	.db 文件	Step 0 后自动	all
config_loader	scripts/core/config_loader.py	统一配置加载（v1→v2 迁移）	config.yaml	config dict	全程	all
router	scripts/core/router.py	调查类型路由 (domestic/international/cross_border)	config	track 判定	Step 0	all
watermark	scripts/core/watermark.py	零宽水印嵌入/提取	Markdown 报告	水印报告	Step 8 交付	all
utils	scripts/core/utils.py	日志、JSON 存储等公共工具	—	—	全程	all

Data Import（数据导入）

工具	路径	功能	输入	输出	时机	Track	依赖
data_importer	scripts/domestic/data_importer.py	CNKI/万方/WoS 导入 + 去重	导出的 txt/csv 文件	统一 JSON 论文列表	Step 2	domestic	init 完成
data_fetcher	scripts/international/data_fetcher.py	OpenAlex/ORCID/S2/GS/PubPeer/RW/arXiv 自动抓取	config.yaml (scholar name + IDs)	auto_fetched.json	Step 2	international	init 完成
openalex_enricher	scripts/domestic/openalex_enricher.py	用 OpenAlex 补充国内论文的国际引用数据	论文 JSON	增强后 JSON	Step 2 后	domestic	data_importer
xiaohongshu_client	scripts/international/xiaohongshu_client.py	小红书学生评价抓取 + 情感/维度提取	导师名/学校名	评价 JSON	Step 6	international/cross_border	—
wechat_search	scripts/domestic/wechat_search.py	微信公众号文章搜索（补充线索）	关键词	文章列表	Step 6	domestic	—
review_matcher	scripts/domestic/review_matcher.py	研学网评价表匹配 → investigation_leads	导师名/学校	结构化 leads JSON	Step 6	domestic

Analysis（分析）

工具	路径	功能	输入	输出	时机	Track	依赖
text_profiler	scripts/analysis/text_profiler.py	PDF/Markdown/文本分析: 词频、原创性标记、引用模式、论文类型分类	PDF/Markdown 文件	JSON profile	Step 3	all	论文 PDF 获取
paper_quality_rubric	scripts/analysis/paper_quality_rubric.py	论文六维评分（创新性/方法/论证/文献/写作/贡献）	text_profiler 输出 JSON	六维评分 JSON	Step 3	all	text_profiler
hybrid_scorer	scripts/analysis/hybrid_scorer.py	综合评分（合并多维度）	多个评分 JSON	综合分 JSON	Step 3	all	paper_quality_rubric
stylometry_profiler	scripts/analysis/stylometry_profiler.py	风格计量学：虚词频率、句法结构、相似度矩阵	多篇文本	相似度热力图 + JSON	Step 5 代笔检测	all	多篇 PDF
citation_profiler	scripts/analysis/citation_profiler.py	引用分析：自引率、互引、引用质量分布	论文 JSON (含引用)	引用分析 JSON	Step 4/5	all	data_importer/data_fetcher
common_heuristics	scripts/analysis/common_heuristics.py	共享异常检测规则 (C01-C07): 产出量、期刊集中度、引用模式等	论文列表 + author_profile	异常 flags 列表	Step 5	all	Step 2 数据

Network（关系网络）

工具	路径	功能	输入	输出	时机	Track	依赖
network_visualizer	scripts/network/network_visualizer.py	D3.js 交互式关系网络图	relationship_network JSON	{name}_network.html	Step 4	all	Step 2 数据
timeline_weaver	scripts/network/timeline_weaver.py	时间线编织（事件序列可视化）	career_timeline JSON	时间线 HTML	Step 4	all	Step 1
grant_linker	scripts/network/grant_linker.py	基金项目关联分析	基金数据 JSON	关联图 JSON	Step 4	domestic	—
negative_space_analyzer	scripts/network/negative_space_analyzer.py	负面空间分析（官方通报回避了什么）	通报文本	evasion_score matrix	Step 5	all	—
citation_constellation	scripts/network/citation_constellation.py	引用星座图（引用关系可视化）	引用数据 JSON	星座图 HTML	Step 4/5	all	citation_profiler
investigation_retrospector	scripts/network/investigation_retrospector.py	调查复盘（提取可复用签名）	完成的案件数据	heuristics 更新建议	案件结束后	all	—

Deep Evidence / Data Forensics（数据取证）

工具	路径	功能	输入	输出	时机	Track	依赖
data_integrity_checker	scripts/deep_evidence/data_forensics/data_integrity_checker.py	数据造假统计指纹检测（尾数/小数位/重复）	Excel/CSV 原始数据	risk_score + findings JSON	Step 5 有原始数据时	all	人工提取表格数据
stats_reverse_engineer	scripts/deep_evidence/data_forensics/stats_reverse_engineer.py	统计反推一致性检验（均值/SD/n → t/F 值验证）	论文表格统计量	不一致性标记 JSON	Step 5	all	人工提取统计量
image_metadata_extractor	scripts/deep_evidence/data_forensics/image_metadata_extractor.py	图像元数据提取（EXIF/创建时间/软件）	图片文件	元数据 JSON	Step 5	all	论文图片提取

Deep Evidence / Publication Trace（发表链追踪）

工具	路径	功能	输入	输出	时机	Track	依赖
preprint_monitor	scripts/deep_evidence/publication_trace/preprint_monitor.py	预印本监控（arXiv/bioRxiv/SSRN）	作者名/DOI	预印本-期刊映射 JSON	Step 5	all	—
conference_paper_mapper	scripts/deep_evidence/publication_trace/conference_paper_mapper.py	会议论文→期刊论文转化追踪	论文列表 JSON	转化映射 JSON	Step 5	all	Step 2 数据
bilingual_publication_detector	scripts/deep_evidence/publication_trace/bilingual_publication_detector.py	双语发表检测（中英文重复发表）	合并论文列表	疑似重复对 JSON	Step 5	cross_border	merger 输出
crossref_event_tracker	scripts/deep_evidence/publication_trace/crossref_event_tracker.py	Crossref 事件追踪（更正/撤稿/表达关注）	DOI 列表	事件 JSON	Step 5	all	Step 2 数据

Deep Evidence / Ethics & Peer Review（伦理与同行评议）

工具	路径	功能	输入	输出	时机	Track	依赖
ethics_statement_parser	scripts/deep_evidence/ethics_audit/ethics_statement_parser.py	伦理声明解析（IRB 批号提取与验证）	论文 PDF/文本	伦理声明结构化 JSON	Step 5	all	论文 PDF
clinical_trial_registry_checker	scripts/deep_evidence/ethics_audit/clinical_trial_registry_checker.py	临床试验注册核查（ClinicalTrials.gov/ChiCTR）	注册号列表	注册状态 JSON	Step 5	all	ethics_statement_parser
review_cycle_analyzer	scripts/deep_evidence/peer_review_intel/review_cycle_analyzer.py	审稿周期分析（投稿→接收时间异常检测）	论文元数据 JSON	周期异常 flags	Step 5	all	Step 2 数据
editorial_self_publishing_detector	scripts/deep_evidence/peer_review_intel/editorial_self_publishing_detector.py	编委自发文检测（编委任期内发文模式）	编委名单 + 论文列表	自发文率 JSON	Step 5	all	人工收集编委名单
recommended_reviewer_network	scripts/deep_evidence/peer_review_intel/recommended_reviewer_network.py	推荐审稿人网络分析	审稿人数据	网络图 JSON	Step 5	all	—
journal_retraction_history	scripts/deep_evidence/peer_review_intel/journal_retraction_history.py	期刊撤稿历史查询	期刊名/ISSN

Deep Evidence / Evidence Compiler（证据链编译）

工具	路径	功能	输入	输出	时机	Track	依赖
signal_aggregator	scripts/deep_evidence/evidence_compiler/signal_aggregator.py	多模块信号聚合（统一格式汇总所有异常信号）	各模块输出 JSON	聚合信号 JSON	Step 5 末尾	all	各检测模块
evidence_chain_builder	scripts/deep_evidence/evidence_compiler/evidence_chain_builder.py	证据链构建（信号→假设→证据链）	聚合信号 JSON	证据链 JSON + 可视化	Step 7 前	all	signal_aggregator

Benchmark & Matching（基准线与匹配）

工具	路径	功能	输入	输出	时机	Track	依赖
benchmark_engine	scripts/benchmark_engine.py	学科基准线数据库：5层异常评分（Z-score/对数正态/t分布）	结构化指标 (h-index, 年均论文等)	composite_score + risk_level JSON	Step 5	all	Step 2 数据
scholar_profile_matcher_v2	scripts/scholar_profile_matcher_v2.py	17维特征向量匹配：与46案例库对比 + 不端模式相似度	scholar_data JSON	匹配报告 JSON	Step 5 后	all	Step 3 + Step 5

Validation（校验）

工具	路径	功能	输入	输出	时机	Track	依赖
data_validator (domestic)	scripts/domestic/data_validator.py	国内 scholar_data JSON schema + 逻辑校验	scholar_data JSON	校验报告	Step 7 前	domestic	scholar_data_builder
data_validator (international)	scripts/international/data_validator.py	国际 scholar_data schema + 逻辑校验	scholar_data JSON	校验报告	Step 8 前	international	scholar_data_builder
cross_border validator	scripts/cross_border/validator.py	跨境一致性检查（时间线重叠、学历真伪）	merged scholar_data	一致性报告 JSON	Step 3 (cross_border)	cross_border	merger
scholar_data_builder (domestic)	scripts/domestic/scholar_data_builder.py	构建统一 scholar_data.json	config + 各脚本输出	scholar_data.json	各步骤输出后	domestic	—
scholar_data_builder (international)	scripts/international/scholar_data_builder.py	构建国际 scholar_data.json	config + auto_fetched + xhs	scholar_data.json	各步骤输出后	international	—
cross_border merger	scripts/cross_border/merger.py	合并国内+国际 scholar_data	两套 JSON

Report & Delivery（报告与交付）

工具	路径	功能	输入	输出	时机	Track	依赖
report_prompt_optimizer	scripts/report/report_prompt_optimizer.py	报告 prompt 优化（注入语言规范 + 置信度体系）	报告草稿	优化后 prompt	Step 7	all	—
md_to_pdf	scripts/md_to_pdf.py	Markdown→PDF（A4/封面/TOC/图表自动生成）	Markdown 报告	styled PDF	Step 7 后	all	chart_generator
chart_generator	scripts/chart_generator.py	自动生成图表（雷达/饼图/热力图/时间线/网络图）	Markdown 中 <!--chart:--> 注解	PNG 图表	Step 7	all	—

Orchestration（编排）

工具	路径	功能	输入	输出	时机	Track
investigate.py	scripts/investigate.py	CLI 主入口：init/import/generate/smart-step 等子命令	CLI args + config.yaml	各步骤输出	全程	all
investigate_visual.py	scripts/investigate_visual.py	Rich 终端可视化包装 + smart-step 自动推进	同 investigate.py	彩色终端输出	全程	all

---

三 Track 路由表

Track	判定条件	入口命令	详细流程文档
domestic	学者仅在国内机构任职，无海外学位/教职	investigate.py init --type domestic	docs/skill/workflow_domestic.md
international	外国学者/导师，或仅在海外机构任职	investigate.py init --type international	docs/skill/workflow_international.md
cross_border	学者同时具有国内任职 + 海外学位/教职经历	investigate.py init --type cross_border	docs/skill/workflow_cross_border.md

---

7 步框架概览

Step	名称	核心动作	主要工具
0	Case Registry	案件注册，生成唯一 ID	case_manager.py
1	Basic Profile	建立身份时间线	config.yaml + investigate.py init
2	Output Quantity	核实声称 vs 实际产出	data_importer / data_fetcher
3	Quality Assessment	论文质量六维评分	text_profiler → paper_quality_rubric
4	Relationship Network	合作关系与资源依赖图谱	network_visualizer + grant_linker
5	Anomaly Detection	异常检测 + 深度证据	common_heuristics + deep_evidence/* + benchmark_engine
6	Multi-Source Validation	多源交叉验证	review_aggregator + wechat_search / xiaohongshu_client
7	Report Generation	报告生成 + 交付	report_prompt_optimizer → md_to_pdf → watermark

📖 每步的详细流程、证据标准、红旗信号，请 Read docs/skill/workflow_domestic.md（国内）或对应 track 文档。

---

PDF 直接审查补充流程

当用户直接提供论文 PDF（而非结构化数据）时：

1. Read PDF → 提取文本、表格、Figure caption
2. 六式扫描 → 图片复用/数据造假/图片拼接/统计异常/产出异常/方法矛盾
3. 数值提取 → 从表格提取数值，保存 CSV → 可选喂给 data_integrity_checker.py
4. 交叉验证 → 多个可疑点是否指向系统性造假
5. 报告输出 → 结构化 Markdown 审查报告

⚠️ LLM 对图片的分析基于视觉理解，无法进行像素级 ELA。需精确图像比对时标注"建议使用 ImageTwin/Forensically 进一步验证"。

---

分层加载指令

执行具体步骤时，按需 Read 以下文档：

场景	Read 文档
执行国内 track 某步骤的详细流程	docs/skill/workflow_domestic.md
执行国际 track 某步骤的详细流程	docs/skill/workflow_international.md
执行海归 track 的合并/验证流程	docs/skill/workflow_cross_border.md
需要了解 13+8 种调查类型定义	docs/skill/investigation_types.md
需要扩展调查模块 A-E 的详细方法	docs/skill/extended_modules.md
需要深度证据层的架构设计细节	docs/skill/deep_evidence_layer.md
需要多智能体/交付层的协作协议	docs/skill/multi_agent_delivery.md
需要导师蒸馏服务的 API 接口	docs/skill/mentor_distill.md
生成报告前的交付物检查清单	docs/skill/report_checklist.md
需要启发式规则库（结构签名 S1-S10）	scripts/heuristics.md
需要报告语言规范（置信度 L1-L5）	scripts/report_language_spec.md