菜单
对研究 idea 进行新颖性风险评估，识别最近的 prior art 和碰撞风险。当用户选定 idea 后自动触发，或用户说"检查新颖性"、"有没有人做过"时手动触发。
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。
基于 SOC 职业分类
SDP 双模型 6 审稿人 + 交叉审核系统。含拒稿信预演。当用户说"审稿"、"review"、"帮我看看这篇论文写得怎么样"时触发。
Nexus 统一入口。意图识别 + 模式路由 + 首次引导 + Autopilot 模式。当用户提出任何学术研究相关请求时触发（调研、找论文、构思 idea、写论文、审稿、做实验等）。
基于 Evidence Graph + Knowledge Graph 进行学术 idea 构思与评估。双阶段流程：Phase 1 用 ToT 思维树系统性探索，Phase 2 用 SDP 跨模型红队攻击。当用户说"帮我想 idea"、"brainstorm"、"研究方向"、"有什么可以做的"时触发。
Review code changes for correctness, regressions, edge cases, style issues, and unnecessary churn. Use when checking diffs, reviewing pull-request-like changes, or doing independent quality review. Triggers on "review this", "check my changes", "code review", "代码审查".
Perform safe, reviewable refactors. Use when restructuring code, moving responsibilities, renaming across modules, or reducing duplication without intended behavior changes. Triggers on "refactor X", "rename Y across the project", "extract helper", "重构".
typed knowledge-graph 抽象层 (Wave B.3)。把分散在 evidence_graph / corpus_ledger / story_skeleton 的结构升级成 paper / idea / claim / experiment / mechanism / baseline 节点 + supports / contradicts / derives_from / cites / replicates / falsifies 边。通过 4 个 MCP tool 维护 artifacts/research_wiki.json，并用 export_to_evidence_graph 投影回 evidence_graph schema。
| name | novelty-checker |
| description | 对研究 idea 进行新颖性风险评估，识别最近的 prior art 和碰撞风险。当用户选定 idea 后自动触发，或用户说"检查新颖性"、"有没有人做过"时手动触发。 |
对选定的研究 idea 进行系统性新颖性风险评估。
artifacts/venue_deep_reading_profile.json 的 novelty_frontier (过往 Oral idea 清单) 是最高优先级的 prior-art 比对源。
prior-art search 顺序：
如果 idea 命中 novelty_frontier 中某条 → overall_risk = "high"，自动触发 hard checkpoint，要求用户重新构思。
hypothesis_board.json 中的某个 idea不做二元"新/不新"判断，而是给出风险评估报告：
使用 search_papers 工具进行多轮搜索：
| 风险等级 | 含义 | 判定条件 |
|---|---|---|
| 🔴 High | 已有高度相似的工作 | 搜到核心方法+领域完全重合的论文 |
| 🟡 Medium | 有部分重叠 | 方法相同但领域不同，或领域相同但方法不同 |
| 🟢 Low | 搜索空间未被覆盖 | 无直接匹配，最近的 prior art 也有显著差异 |
| ⚠️ Unknown | 覆盖不足，无法判断 | total_papers_scanned 低于阈值，禁止进入 Build 阶段 |
⛔ 硬门槛：当
total_papers_scanned < 50（AI/ML）或< 30（其他领域）时，强制返回overall_risk: "unknown"，禁止自动通过。必须补充搜索范围后重新评估。
对于每个找到的 prior art，明确列出：
{
"idea_id": "idea-001",
"overall_risk": "medium",
"nearest_prior_art": [
{
"paper_id": "xxx",
"title": "...",
"similarity": 0.7,
"overlap": "方法层面高度相似",
"differentiation": "应用领域不同，且我们加入了 X 改进"
}
],
"uncovered_space": "描述 idea 中尚无人探索的具体方面",
"recommendation": "proceed_with_differentiation | pivot | abandon",
"suggested_pivots": ["如果需要调整，建议的方向"],
"search_queries_used": ["搜索过的关键词列表"],
"total_papers_scanned": 120
}
Autopilot 下也不可自动跳过。
将报告展示给用户，用户可以：
自动阻断条件（基于输出 JSON 的 overall_risk 字段）：
overall_risk: "unknown"（覆盖不足）→ 禁止继续，必须补充搜索overall_risk: "high"（撞车）→ 强制展示报告，即使 Autopilot 也必须等待用户确认更新 hypothesis_board.json 中对应 idea 的 novelty_risk 对象（即上方输出报告的完整 JSON，其中 overall_risk 字段为硬卡点依据）。
完成后执行：
project_state.json 的 current_stagepipeline-orchestrator.complete_stage("novelty_check") 验证产出读取 artifacts/domain_taste_profile.json（由 domain_calibration stage 自动生成）的以下字段: