菜单
在执行任何 ≥ 30 条目的批量任务（批量改文件、批量核查引用、批量重命名、批量格式统一）之前， 必须先在 3–5 个样本上跑一遍，把样本结果给用户看，确认逻辑正确后再推全量。 Use when 用户请求处理"全部"、"所有"、"批量"、"逐个"某类对象， 且对象数量 ≥ 30，或数量未知（"把整个目录的..."）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/Chanw-research/claude-code-paper-writing --skill paper-pilot-before-batch命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | paper-pilot-before-batch |
| description | 在执行任何 ≥ 30 条目的批量任务（批量改文件、批量核查引用、批量重命名、批量格式统一）之前， 必须先在 3–5 个样本上跑一遍，把样本结果给用户看，确认逻辑正确后再推全量。 Use when 用户请求处理"全部"、"所有"、"批量"、"逐个"某类对象， 且对象数量 ≥ 30，或数量未知（"把整个目录的..."）。 |
批量任务的可怕之处：跑错 1 个 = 跑错 100 个。 小样本花 1 分钟，全量跑错回滚要 1 小时。
批量是放大器。脚本对了，放大效率；脚本错了，放大灾难。
满足任一条 → 触发：
检测到批量操作
│
▼
随机抽 3–5 个样本（不要只取前 3 个，前 3 个常常是规整数据）
│
▼
只对样本执行
│
▼
把样本结果展示给用户：
- 每个样本的"改动前 vs 改动后"
- 每个样本的"判断依据"（为什么这样改）
│
▼
明确问用户：
「这是 N 个样本的改法，逻辑对的话我推全量（共 M 个）。
有不对的请指出，我调整后重新跑样本。」
│
▼
确认 → 全量（≥ 30 时配合 paper-parallel-audit 用并行 Agent）
不对 → 改逻辑 → 重新跑样本
抽样要覆盖边界情况：
不要 head -3 —— 前 3 个常常是规整数据，跑过样本不代表跑过全量。
这是个批量操作，共 M 个对象。 先抽 5 个样本跑一下，包括 1 个常见情况、1 个边界情况、1 个不该被改的情况。
[样本 1] 改前 → 改后，依据：… [样本 2] … [样本 3] …
5 个看着对的话，我就推剩下的 M-5 个。 有看着不对的请指出来，我调整后重跑样本。
用户：「把所有引用的格式按 GB/T 7714 统一一下。」（共 156 条）
错误做法：写一个正则脚本，一次性跑 156 条——结果发现：
正确做法：先跑 5 条样本（含 1 条中文姓名、1 条多作者带"等"、1 条单作者）→ 用户检查 → 修正脚本 → 再推 156 条。
| 念头 | 现实 |
|---|---|
| "我已经在脑子里推演过了，肯定对" | 推演 ≠ 实测。书里的 156 条惨案，AI 也"推演过" |
| "用户着急，跳过样本更快" | 跑样本 1 分钟 vs 跑错回滚 1 小时 |
| "这个任务很简单，正则一行就搞定" | 简单的正则吃掉的都是边界情况 |
| "我跑前 3 个验证一下" | 前 3 个不是样本，是规整数据 |
| "我备份了，跑错了能回滚" | 回滚是兜底，不是策略 |
| "用户说他相信我直接全量跑" | 仍然先 5 个样本，跑出来给他看 |
paper-parallel-audit 用并行 Agentpaper-confirm-before-doing 已经确认过方案《Claude Code 科研手记》第 10 章「并行 Agent」、§4.2「批量文献核查」