v0.5: deep quality refactor (P0+P1+P2)
- Split dr-chief-editor (Phase 3 read-only) vs new dr-editor-in-chief (Opus, Phase 4 lead) - New dr-translator (en->zh) and new humanizer-cn / output-hygiene / en-zh-translation skills - Switch to English working language (Phase 2-3), final Chinese translation (Phase 4) - /dr-init: add report title proposals + word budget mode - /dr-frame: bilingual framework - /dr-finalize: new chain editor->translator->polisher->reporter - report-template.py: widows/orphans/keepWithNext, 3-color hierarchy, confidentiality banner - dr-reporter: mandatory citations backfill + output hygiene check - dr-pm: batch-level context compression via manifest.batches_summary - mckinsey-method: SCQA only for Executive Summary + chapter intros (no explicit labels) - length-budget: 4 word-budget modes + en/zh 1:1.4 ratio
This commit is contained in:
kai
@@ -0,0 +1,238 @@
|
||||
---
|
||||
name: output-hygiene
|
||||
description: 报告输出卫生检查。禁止词清单（调度元数据、占位符残留、待验证标注）、格式异常检测、参考文献完整性校验。dr-polisher 在润色最后一步必跑；dr-reporter 出稿前复查一次。
|
||||
---
|
||||
|
||||
# 输出卫生清单（Output Hygiene Checklist）
|
||||
|
||||
## 目的
|
||||
|
||||
拦截"调度元数据"和"中间产物残留"进入最终报告。9MW1911 那份报告之所以干净，是因为过滤掉了一切过程性内容，只留最终成品。
|
||||
|
||||
---
|
||||
|
||||
## 一、禁止出现在最终报告正文中的字样（元数据黑名单）
|
||||
|
||||
以下字符串在 final.md / final_zh.md / final_en.md 里**一旦出现即为缺陷**，dr-polisher 必须清除：
|
||||
|
||||
### A. 调度元数据
|
||||
|
||||
- `章节定位`
|
||||
- `字数配额`
|
||||
- `研究员：dr-analyst`
|
||||
- `研究员：dr-searcher`
|
||||
- `生成时间：2026-`（Year-MM 生成日期只在版本信息页出现一次）
|
||||
- `P0 核心章` / `P1` / `P2`（这些是内部分级，不给读者看）
|
||||
- `dr-plan` / `dr-pm` / `dr-analyst` / `dr-verifier` / `dr-chief-editor` / `dr-editor-in-chief` / `dr-polisher` / `dr-reporter` / `dr-translator`
|
||||
- `Phase 1` / `Phase 2` / `Phase 3` / `Phase 4`（除非在"方法论说明"附录讨论研究流程时）
|
||||
|
||||
### B. 占位符残留
|
||||
|
||||
- `[由 dr-reporter 自动生成]`
|
||||
- `[待填]` / `[TBD]` / `[TODO]`
|
||||
- `<slug>` / `<topic>` / `<N>` / `<X>` 等模板占位符
|
||||
- `{{ ... }}` / `${...}` 变量语法残留
|
||||
|
||||
### C. 中间产物引用
|
||||
|
||||
- `参考信源：[src_101] –[src_120] （详见 sources.jsonl ch02 条目）`
|
||||
- `详见 phase2/evidence/chXX-evidence.md`
|
||||
- `详见 sources.jsonl`
|
||||
- `本章信源索引：...（详见 ...）`
|
||||
- `⚠️ 待验证` / `⚠️ [待验证]`（这是过程性标注；如必须保留某个"存疑观点"的提示，应改为正式语言如"该数据仅有 X 个来源支持，建议人工核实"）
|
||||
|
||||
### D. 研究思路泄漏
|
||||
|
||||
- `研究思路：`
|
||||
- `核心研究问题：`
|
||||
- `初步假设：`
|
||||
- `预期信源：`
|
||||
- `预期篇幅：`
|
||||
|
||||
这些是 framework.md 里给 dr-analyst 看的规划信息，不能出现在读者版。
|
||||
|
||||
### E. Agent 交付汇报语
|
||||
|
||||
- `产出：` / `完成后返回：`
|
||||
- `任务：` / `硬性要求：`
|
||||
- `必读 skill：`
|
||||
- `章节小结：` （改为自然段落收尾）
|
||||
|
||||
---
|
||||
|
||||
## 二、格式异常检测
|
||||
|
||||
### F. SCQA 显式标注（已禁止的机械模式）
|
||||
|
||||
以下组合**不应在最终报告中成对出现**（用 grep 扫）：
|
||||
- `**Situation（背景）**` + `**Complication（张力）**`
|
||||
- `**S（背景）**` + `**C（挑战）**` + `**Q（问题）**` + `**A（答案）**`
|
||||
- `Answer-First` 显式标注
|
||||
- `**核心结论（Answer-First）**`
|
||||
|
||||
SCQA 要写得隐式融合（见 mckinsey-method skill）。
|
||||
|
||||
### G. 三级以上嵌套标题乱用
|
||||
|
||||
正文正式章节标题不要超过 3 级：
|
||||
- `# 第 X 章` （报告级）
|
||||
- `## X.Y 节` （章内节）
|
||||
- `### X.Y.Z 小节` （节内小节）
|
||||
|
||||
禁止 `####` `#####` `######`。如果需要 4 级以上，重新组织结构。
|
||||
|
||||
### H. 引用格式不统一
|
||||
|
||||
所有引用统一 `[src_XXX]` 格式（3 位数字）。禁止混用：
|
||||
- `[src_1]`（没补零）
|
||||
- `[source_001]`（变形）
|
||||
- `(src_001)`（圆括号）
|
||||
- `[ref_1]` / `[r1]`（其他简写）
|
||||
|
||||
### I. 中英文标点混用
|
||||
|
||||
中文正文里的标点应是**中文标点**：
|
||||
- `，` 不是 `,`
|
||||
- `。` 不是 `.`
|
||||
- `；` 不是 `;`
|
||||
- `：` 不是 `:`
|
||||
- `"..."` 不是 `"..."`（除了直接引用英文）
|
||||
- `（...）` 不是 `(...)`
|
||||
|
||||
例外：行内英文术语、代码、URL、数据单位前后保持英文标点合理。
|
||||
|
||||
---
|
||||
|
||||
## 三、参考文献完整性校验（最关键）
|
||||
|
||||
dr-reporter 出稿前**必须**执行：
|
||||
|
||||
```bash
|
||||
# 1. 从 final.md 提取所有引用的 src_id
|
||||
grep -oE '\[src_[0-9]+\]' projects/<slug>/phase4/final.md | sort -u > /tmp/cited.txt
|
||||
|
||||
# 2. 从 citations.md / sources.jsonl 提取所有已登记的 src_id
|
||||
grep -oE 'src_[0-9]+' projects/<slug>/phase4/citations.md | sort -u > /tmp/registered.txt
|
||||
# 或从 sources.jsonl
|
||||
python3 -c "
|
||||
import json
|
||||
with open('projects/<slug>/phase2/sources.jsonl') as f:
|
||||
for line in f:
|
||||
d = json.loads(line)
|
||||
print(d['id'])
|
||||
" | sort -u > /tmp/registered.txt
|
||||
|
||||
# 3. 差集：cited 里有但 registered 里没有 → 严重错误
|
||||
comm -23 /tmp/cited.txt <(sed 's/[][]//g' /tmp/registered.txt) > /tmp/missing.txt
|
||||
|
||||
# 4. 反向差集：registered 有但从未被 cited → 孤立信源，可剔除
|
||||
comm -13 /tmp/cited.txt <(sed 's/[][]//g' /tmp/registered.txt) > /tmp/orphan.txt
|
||||
```
|
||||
|
||||
### 处理规则
|
||||
|
||||
- 有 missing 信源（引用了但无记录）→ **致命错误**，dr-reporter 拒绝出稿，抛回上游排查
|
||||
- 有 orphan 信源（有记录但未被引用）→ 警告，从 citations.md 剔除
|
||||
- final.md 里的"参考文献"段落**必须包含完整的编号清单**，不能是 `[由 dr-reporter 自动生成]` 之类的占位符
|
||||
- 如果 final.md 的参考文献段落是占位符 → 读 citations.md 内容回填
|
||||
|
||||
---
|
||||
|
||||
## 四、标题规范
|
||||
|
||||
### 章标题
|
||||
|
||||
- 观点型判断句，不是"概述/现状/背景"
|
||||
- 长度 15-40 字（中）/ 10-25 词（英）
|
||||
- 不以动词开头（如"分析/探讨/研究"），改为判断句
|
||||
|
||||
**反例**：
|
||||
- 第 2 章 分析中国 GLP-1 市场的现状
|
||||
- 第 3 章 探讨 NEB 产品的竞争优势
|
||||
|
||||
**正例**：
|
||||
- 第 2 章 中国 GLP-1 市场 2025 年已跨越 10 亿美元门槛
|
||||
- 第 3 章 NEB 的 30 年专利丛林将在 2028 年后开始瓦解
|
||||
|
||||
### 节标题
|
||||
|
||||
- 同样要求观点型
|
||||
- 长度 10-25 字 / 8-15 词
|
||||
- 禁止 `2.1 背景 / 2.2 现状 / 2.3 趋势` 这种模板化结构
|
||||
|
||||
---
|
||||
|
||||
## 五、图表与数据卫生
|
||||
|
||||
### 表格
|
||||
|
||||
- 表头第一行要有单位（金额 USD / 百分比 % / 年份等）
|
||||
- 所有数据有来源标注（行内 [src_xxx] 或表脚注）
|
||||
- 避免超过 10 列宽表（PDF 会被截断）
|
||||
|
||||
### 图表标题
|
||||
|
||||
格式：`图 X-Y：<内容描述>（数据来源：[src_xxx]）`
|
||||
|
||||
### 数字规范
|
||||
|
||||
- 阿拉伯数字 + 中文量词：`12 项研究` / `3.2 亿元`
|
||||
- 大数字三位分节：`12,000` 而非 `12000`
|
||||
- 百分比带 `%`，不写"百分之十二"
|
||||
- 时间范围用连字符：`2020-2025 年` 不是 `2020 至 2025 年`
|
||||
|
||||
---
|
||||
|
||||
## 六、自动化检查脚本（dr-polisher / dr-reporter 必跑）
|
||||
|
||||
```python
|
||||
# hygiene_check.py
|
||||
import re, sys
|
||||
|
||||
BLACKLIST_ZH = [
|
||||
"章节定位", "字数配额", "研究员：dr-",
|
||||
"P0 核心章", "P1 主干章", "P2 辅助章",
|
||||
"Phase 1", "Phase 2", "Phase 3", "Phase 4",
|
||||
"dr-plan", "dr-pm", "dr-analyst", "dr-verifier",
|
||||
"dr-chief-editor", "dr-editor-in-chief", "dr-polisher",
|
||||
"dr-reporter", "dr-translator",
|
||||
"[由 dr-reporter 自动生成]", "[待填]", "[TBD]", "[TODO]",
|
||||
"详见 phase2/", "详见 sources.jsonl",
|
||||
"本章信源索引", "⚠️ 待验证", "⚠️ [待验证]",
|
||||
"**Situation（背景）**", "**Complication（张力）**",
|
||||
"**Question（问题）**", "**Answer（答案）**",
|
||||
"**S（背景）**", "**C（挑战）**",
|
||||
"Answer-First", "核心结论（Answer-First）",
|
||||
"研究思路：", "核心研究问题：", "初步假设：",
|
||||
"预期信源：", "预期篇幅：",
|
||||
"硬性要求：", "必读 skill：", "产出：",
|
||||
]
|
||||
|
||||
path = sys.argv[1]
|
||||
text = open(path, encoding='utf-8').read()
|
||||
issues = []
|
||||
for pattern in BLACKLIST_ZH:
|
||||
if pattern in text:
|
||||
count = text.count(pattern)
|
||||
issues.append(f" × '{pattern}' 出现 {count} 次")
|
||||
|
||||
if issues:
|
||||
print(f"{path} 存在 {len(issues)} 项卫生问题：")
|
||||
for i in issues:
|
||||
print(i)
|
||||
sys.exit(1)
|
||||
else:
|
||||
print(f"{path} 输出卫生检查通过")
|
||||
sys.exit(0)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 七、硬规则
|
||||
|
||||
1. ✅ dr-polisher 润色的最后一步跑 hygiene_check
|
||||
2. ✅ dr-reporter 出稿前再跑一次 hygiene_check + 参考文献完整性校验
|
||||
3. ✅ 任何禁止词残留都必须修正，不能"放过一马"
|
||||
4. ✅ 参考文献段落必须包含完整编号清单，不允许占位符
|
||||
5. ❌ 禁止把"⚠️ 待验证"这种过程标注留到读者版
|
||||
6. ❌ 禁止三级以上嵌套标题
|
||||
Reference in New Issue
Block a user