Quality Assurance Auditor

质量审计员（Quality Assurance Auditor）

目标

• 在论文生成的每一个关键节点插入“强制验收点”，只有审计通过才能进入下一步，防止“字数达标但逻辑错误”或“模型偷换”等隐性偷懒。
• 提供可量化的通过/失败判定，并给出具体修改清单，确保最终论文既“厚”又“对”。

适用时机

• 任何一步 skill（赛题解析、模型选型、结构设计、微单元生成）完成后，用户希望确认“这一步真的做对了吗？”
• 在合并全文之前，做最终一致性扫描，防止前后矛盾、遗漏约束、图表断链。
• 当用户怀疑“AI 偷偷简化了模型”或“生成的内容空洞”时，立即调用本 skill 进行强制审计。

输入

• 必填：待审计产物（如 problem-doc-model-selector 输出的模型路线、paper-structured-composer 给出的结构清单、或单个微单元文本）。
• 必填：原始赛题 PDF/Word 内容或关键约束摘录，用于对照。
• 可选：用户自定义的评分点清单（如 CUMCM 官方 rubric），可覆盖默认规则。

输出

• 审计报告（JSON + 人类可读）：
  • checkpoint_id：本次审计节点编号
  • status：PASS / FAIL
  • score：0–100 量化得分
  • failures[]：未通过项列表，含「问题描述」「位置」「建议修改」
  • warnings[]：可接受但建议优化的项
• 若状态为 FAIL，则拒绝进入下一步，并给出「必须修改清单」
• 若状态为 PASS，则给出「已验证通过」印章，可安全继续

审计维度（可逐层开关）

开始审计前，若任务是数学建模论文、建模路线或最终稿，优先读取 references/qa_checklist.md，并把其中“必过项”作为阻塞门禁。

1. 赛题覆盖度
   • 是否 100% 识别所有子问题（Q1/Q2/Q3…）
   • 是否 100% 覆盖所有显式约束（不等式、边界、特殊条件）
2. 模型-任务匹配度
   • 模型类型（预测/优化/分类）与任务目标是否一致
   • 是否具备处理给定数据格式的能力（时序→时序模型、截面→回归等）
3. 逻辑一致性
   • 假设 ⇄ 模型推导 ⇄ 结果解释 是否闭环
   • 符号表是否出现冲突或双口径（同一符号两种含义）
4. 评分点对齐度
   • 每个高分点（敏感性分析、对照实验、误差量化）是否在结构或文本中被“可定位”地承诺
5. 机械重复检测（High Priority）
   • 允许凑字数：允许使用“随着…的发展”、“综上所述”等学术连接词来增加篇幅，不做Fail判定。
   • 打击机械复制：严查连续段落完全重复（如同一段话连续出现两次）、占位符未替换（如出现“补充说明”字样且内容重复）。若发现这种“乱七八糟”的重复，直接 FAIL。
   • 结构核查：对比 paper_prompt_default.md，重点检查核心章节是否遗漏，对具体的段落格式可适当放宽。

附加产物

• Word 导出 (docx): 审计通过后，若存在 final_paper.md，必须调用转换工具（如 pandoc 或 python-docx）将其转换为 final_paper.docx，作为最终交付物。不应只交付 Markdown。

6. 图表-正文链检测
   • 正文是否出现“见图 3”而图 3 真实存在且编号正确
   • 图表标题与正文描述是否语义一致

工作流程（可嵌套到任意阶段）

1. 接收待审计产物与原始赛题
2. 按用户指定的维度逐项扫描
3. 生成 PASS/FAIL 报告与修改清单
4. 若 FAIL，则阻塞后续 skill 调用，强制返回修改；若 PASS，则盖章放行
5. 可选：将审计结果写入 .audit_log.jsonl，供后续追溯

使用示例

• 输入：（1）problem-doc-model-selector 输出的「模型路线」、（2）赛题原文
• 行为：
  • 检查是否遗漏子问题 → 发现 Q3 未被提及 → FAIL
  • 报告：failures: [{"issue": "子问题 Q3 未被识别", "suggestion": "在模型路线中补充 Q3 的任务拆解与指标定义"}]
  • 用户必须先修正模型路线，重新审计通过后才能进入结构设计

防偷懒机制

• 本 skill 绝不生成任何新内容，只做「Review & Reject」
• 所有判定规则公开透明，用户可自定义阈值或开关维度
• FAIL 时强制阻塞，无法通过 prompt 绕过，必须实质修改

备注

• 审计规则默认对齐 CUMCM 国赛评分标准，可通过 rubric= 参数覆盖
• 支持中英文赛题与输出，关键词库可扩展
• 审计本身不依赖外部大模型，全部基于规则与关键词库，确保速度与不偏性

附录 A：脚本入口（推荐）

本 skill 的可执行脚本都放在 scripts/ 下。

生成任务清单：

python ~/.codex/skills/quality-assurance-auditor/scripts/pipeline.py

行为：初始化目录 → 检查 problem_files/ 是否为空（不通过则阻塞）→ 生成 paper_output/tasks.json → 汇报当前微单元完成进度。

最终论文审计：

python ~/.codex/skills/quality-assurance-auditor/scripts/audit_paper.py

行为：检查 problem_files/、tasks.json、微单元、final_paper.md、图表引用、占位符、重复段落、基线/验证描述、final_paper.docx，并生成 paper_output/qa_report.md/json。若有阻塞问题，脚本返回非零码。

目录约定（与项目全局对齐）

• 本技能会强制要求 problem_files/ 非空。
• 本技能统一在 paper_output/ 下产出任务清单与微单元目录。

前后衔接

• 常作为全局门禁：建议在“生成正文/合并全文”之前先跑一次。
• 后续通常接：paper-micro-unit-generator（生成微单元与合并）或 paper-workflow-orchestrator（一键全流程）。

约束（必须遵守）

• Memory Interaction (必做):
  • 审计通过后：必须调用 context-memory-keeper，将“审计通过状态”与“生成的任务清单概况”更新到 Short-term Workbench。
• 本技能是全局门禁：当用户要进入“生成正文/合并全文/交付论文”阶段，必须先通过本技能的目录检查与任务清单生成。
• 未生成 paper_output/tasks.json 时，禁止直接进入 paper-micro-unit-generator。
• 当用户已生成 paper_output/final_paper.md 时，建议再次调用本技能做最终一致性把关，确保“每问有结论、图表可定位、引用不断链”。