v0.20 alpha skill-driven python core

2026-05-06 16:26:41 +08:00
parent d1169646b8
commit db626f1d58
87 changed files with 5213 additions and 2865 deletions
@@ -1,120 +1,26 @@
 ---
-description: Phase 4 - 成稿（v0.12）。dr-editor-in-chief 写 ES/Abstract/Glossary，然后调统一 Python pipeline（phase4_pipeline.py）。用法：/dr-finalize [slug]
+description: Phase 4 - v0.20 中文原生成稿。用法：/dr-finalize [slug]
 agent: dr-editor-in-chief
 ---

-你是 dr-editor-in-chief。用户执行了 `/dr-finalize $ARGUMENTS`，进入 Phase 4 成稿链路（v0.12 架构）。
+你是 OpenCode 表层接口。v0.20 默认不走英译中链路。

-## 架构变更说明（v0.12）
-
-**Phase 4 的翻译/润色/出稿已从 LLM agent 改为 Python 脚本**。原因：
- LLM agent 一次性处理整篇报告（19k+ 词）会超 Sonnet output token 上限（~32k），不稳定
- Python 脚本按 H2 section 切块循环调用 LLM，每块独立，100% 稳定，支持断点续传
-
-你仍负责**创作性工作**：合并章节、写 Executive Summary / Abstract / Glossary。其余机械工作全部交给脚本。
-
-## Step 1: 定位项目与健康检查
-
- `$ARGUMENTS` 非空：用该 slug
- 空：取最近项目
-
-读取 `projects/<slug>/manifest.json`：
- `phase2.status == "completed"`
- `phase3.approved == true`（如跳过审校，询问用户确认）
-
-## Step 2: 合并英文稿 + 原创写作（LLM 工作）
-
-加载 skills：`mckinsey-method` / `output-hygiene` / `length-budget`。
-
-按 `.opencode/agents/dr-editor-in-chief.md` §Step 3-7 的方式：
-1. 合并 `phase2/drafts/ch01.md...chN.md` → `phase4/final_en.md`
-2. 写 Executive Summary（800-1000 英文词，融合式 SCQA）
-3. 写 Abstract（500-600 英文词）
-4. 写 Glossary（双语对照表，按字母序）
-5. 插入占位符：
-   - `## Table of Contents\n\n[TOC will be generated at final rendering.]`
-   - `## References\n\n[REFERENCES will be filled by rendering step from sources.jsonl.]`
-
-**禁止**：
- 改写 dr-analyst 写好的章节正文
- 给每章强加 SCQA 或小节标题
- 保留调度元数据（字数配额/研究员/quota 等）
-
-## Step 3: 执行统一 Phase 4 pipeline（Python 脚本）
+运行项目自有 Python core：

 ```bash
-uv run python scripts/phase4_pipeline.py <slug>
+uv run python scripts/dr.py finalize $ARGUMENTS
 ```

-默认行为：
- 自动估算 translate / polish 并发
- glossary 仅核查低置信度术语（`--glossary-mode low-confidence`）
- 统一串联 translate → glossary(optional) → apply_glossary → polish → build_report
-
-可选参数示例：
+如果用户明确要求兼容旧项目的 `final_en.md -> translate -> polish` 链路，才使用：

 ```bash
-uv run python scripts/phase4_pipeline.py <slug> --glossary-mode full
-uv run python scripts/phase4_pipeline.py <slug> --glossary-mode off
+uv run python scripts/dr.py finalize $ARGUMENTS --legacy-translate
 ```

-完成条件：`phase4/final_zh_polished.md`、PDF、DOCX 全部生成，且无致命报错。
+如需 Quarto/xelatex：

-## Step 4: （可选）分步重跑
-
-当你只想重跑单环节时，仍可手动调用：
- `translate.py`
- `build_glossary.py`
- `apply_glossary.py`
- `polish.py`
- `build_report.py`
-
-自动：
- 按 `manifest.report_title` 命名输出（`<Title>.pdf` + `<Title>.docx`）
- PDF 自动插 TOC + 从 `phase2/sources.jsonl` 生成参考文献
-
-## Step 5: 更新 manifest
-
-```json
-{
-  "phase4": {
-    "status": "completed",
-    "started_at": "...",
-    "completed_at": "...",
-    "word_count_en": X,
-    "word_count_zh": X,
-    "glossary_terms": X,
-    "glossary_corrections_applied": X,
-    "pages_pdf": X,
-    "files": {
-      "final_en_md": "phase4/final_en.md",
-      "final_zh_md": "phase4/final_zh.md",
-      "final_zh_polished_md": "phase4/final_zh_polished.md",
-      "glossary_json": "phase4/glossary.json",
-      "pdf": "phase4/<Title>.pdf",
-      "docx": "phase4/<Title>.docx"
-    }
-  }
-}
+```bash
+uv run python scripts/dr.py finalize $ARGUMENTS --report-engine quarto
 ```

-## Step 6: 汇报
-
-向用户展示：
- 各阶段耗时和成本
- glossary 核查发现的问题数 + 自动修复数
- PDF 页数 / 文件大小
- 如有 low-confidence 术语，提示人工复核
-
-## 失败处理
-
- translate.py 中断：直接重跑（断点续传）
- build_glossary 大量失败：通常是代理/网络问题，降 workers 到 3 重跑
- polish.py 某块失败：用 `--only N,M` 单独重跑
- build_report 参考文献缺失：查看 warning 列表，补 sources.jsonl
-
-## 关键提示（不变）
-
- **不要给每章强加 SCQA**（v0.4 老问题）
- **元数据清理是合并阶段的事**，不要把章节 frontmatter 或 quota 带进 final_en.md
- **Exa 在 macOS + Clash socks 代理下需要 `trust_env=False`**（已在 SearchClient 处理）
+不要在 OpenCode 会话中手工翻译整篇报告；只调用 Python CLI 并汇报输出文件、引用检查风险和 PDF/DOCX 路径。
@@ -1,216 +1,13 @@
 ---
-description: Phase 1 - 触发 dr-plan 进行深度初扫并生成双语研究框架（中文大纲 + 英文研究思路）。完成后暂停等用户确认。用法：/dr-frame [slug]
+description: Phase 1 生成研究框架。薄封装：调用 Python core。用法：/dr-frame <slug-or-path> [--method ... --chapters ...]
 agent: dr-plan
 subtask: false
 ---

-你是 dr-plan。用户执行了 `/dr-frame $ARGUMENTS`，驱动 Phase 1 的框架规划。
+执行 Python core 框架入口：

-## Step 1: 定位项目
-
- 如果 `$ARGUMENTS` 非空：用该 slug
- 为空：`ls -t projects/*/manifest.json | head -1` 找最近项目
- 项目不存在：报错"请先 /dr-init 初始化项目"
-
-## Step 2: 前置检查
-
- `phase1.status` 必须是 `interview_done`
- `target_words_zh` 和 `target_words_en` 必须都存在
- `core_questions` 必须非空
- `report_title` 必须非空（v0.5 新增检查）
- `model_profile` 必须存在（v0.12 新增检查，确保全流程模型策略一致）
-
-任一检查不通过 → 回报用户"访谈不完整"，停止。
-
-## Step 3: 加载 Skills
-
-必读：
-1. `search-strategy` — 检索策略
-2. `source-quality` — 信源评级
-3. `length-budget` — 字数配额（用英文词数为基准）
-4. `mckinsey-method` — 结构方法论
-5. `humanizer-cn` — 避免 AI 套路
-
-## Step 4: 并行初扫（委派 dr-searcher）
-
-把主题拆成 3-4 个互补的关键词组，每组一个 dr-searcher Task。
-
-**在同一条消息里发多个 Task 调用**（并行），不要串行等。
-
-关键词组示例（以 "自研 O-糖苷酶立项" 为例）：
- 组 A：Scientific mechanism (GH101 family, endoglycosidase mechanism, Core 1/3 activity)
- 组 B：Clinical and regulatory (FDA/NMPA disclosures, clinical trial registries)
- 组 C：Market and competition (market size, CAGR, competitor analysis)
- 组 D：IP and supply chain (USPTO/EPO patents, CDMO capacity, supply risks)
-
-Task 模板：
-
-```
-description: "Initial scan keyword group A - <category>"
-prompt: |
-  You are dr-searcher. Conduct Phase 1 initial scan for the topic "<topic>", focus area: <category>.
-
-  Required skills: search-strategy, source-quality
-
-  Tasks:
-  1. 3 rounds of search through `scripts/search.py`: scholar/patents/news/general as appropriate; Tavily/Brave/Exa MCP only as gap-fill
-  2. Both English and Chinese keywords
-  3. Return 10-20 Tier 1-2 sources (score ≥6), exclude Tier 4 and blacklist
-  4. 1-2 sentence outline per source
-  5. 200-word summary of this direction's core findings (in English)
-
-  Output format (Markdown):
-  ## Keyword Group <A>: <category>
-### Keywords Used
- English: ...
- Chinese: ...
- Routes used: scholar / patents / news / general
-  ### Initial Sources (≥10, Tier 1-2)
-  1. [src_xxx] <title> | <author/institution> | <year> | <Tier> | <score>
-     - <core finding one sentence>
-  ### Direction Summary (200 words, English)
-  ...
-
-  Return as markdown directly, don't write to files.
+```bash
+uv run python scripts/dr.py frame $ARGUMENTS
 ```

-**硬限制**：一次性并行发 3-4 个 Task，不要分批。
-
-## Step 5: 汇总初扫结果
-
-收到 3-4 个 dr-searcher 返回后：
-1. 汇总到 `projects/<slug>/phase1/initial-scan.md`（中英双语，按组分节）
-2. 去重
-3. 按 score 排序
-
-## Step 6: 生成双语框架（v0.5 关键升级）
-
-基于初扫结果，生成 `projects/<slug>/phase1/framework.md`。
-
-**结构**：
- **顶部元信息**：中文摘要（研究类型、目标字数、核心问题等）
- **全局论点 Central Thesis**：一句话中英双语
- **章节大纲**：
-  - 每章用**双语标题**（中文标题 + 英文标题）
-  - 字数配额按英文词数（en_words），括号里附中文字数预估
-  - 每节的研究思路用英文写（因为 Phase 2 dr-analyst 用英文工作）
- **替代框架**：至少 2 个备选切法
-
-### framework.md 模板
-
-```markdown
-# <报告主标题>
-
-**副标题**：<报告副标题>
-
-## 元信息
- 研究类型：<type>
- 字数模式：<word_budget_mode>
- 目标字数：<target_words_en> EN / <target_words_zh> ZH
- 核心受众：<audience>
- 时间范围：<time_range>
- 地理范围：<geography>
- 核心问题（中文）：
-  1. ...
-  2. ...
- Core Questions (English):
-  1. ...
-  2. ...
- 禁区：<exclusions>
-
-## Central Thesis / 全局论点
-
-**EN**: <one sentence, ≤30 words, the judgment the whole report proves>
-
-**中文**：<一句话，≤50 字，整份报告论证的核心判断>
-
-## 章节大纲 / Chapter Outline
-
-### Chapter 1: <EN title> / <中文标题>
- Priority: intro
- Word quota: 1260 EN (≈ 1800 ZH)
- Core research question (EN): ...
- Preliminary hypothesis (EN): ...
- Expected sources: ...
- **1.1** <EN section title> / <中文>
-  - Research thinking (EN): ...
- **1.2** <EN section title> / <中文>
-  - Research thinking (EN): ...
-
-### Chapter 2: <EN title> / <中文标题>
- Priority: P0
- Word quota: 3150 EN (≈ 4400 ZH)
- Core research question (EN): ...
- **2.1** <...>
-...
-
-## 替代框架 / Alternative Frameworks
-
-> 如果用户不接受主方案：
-
-### Alternative A: 按技术路线组织 (Technology-path organization)
-<3-5 章大纲，双语简述>
-
-### Alternative B: 按竞争对象分章 (Competitor-focused organization)
-<3-5 章大纲，双语简述>
-
-## 预计风险与依赖
- 关键信源可获取性风险
- 哪些章节可能因数据缺失降级
-```
-
-## Step 7: 更新 manifest
-
-```json
-{
-  "phase1": {
-    "status": "framework_generated",
-    "framework_path": "projects/<slug>/phase1/framework.md",
-    "chapter_count": N,
-    "chapter_quotas_en": [
-      {"index": 1, "title_en": "...", "title_zh": "...", "en_words": 1260, "priority": "intro"},
-      {"index": 2, "title_en": "...", "title_zh": "...", "en_words": 3150, "priority": "P0"}
-    ]
-  }
-}
-```
-
-## Step 8: 暂停等确认
-
-告知用户：
-
-```
-Phase 1 框架已生成：projects/<slug>/phase1/framework.md
-
-摘要：
- 报告主标题：<report_title>
- 副标题：<report_subtitle>
- 目标：<target_words_en> EN words / <target_words_zh> 中文字
- 章节数：N
- 全局论点：<Central Thesis EN/中文>
- 替代框架：2 个
-
-请审核 framework.md，然后：
-✅ 满意 → 回复"确认框架"
-✏️ 修改 → 告诉我改什么（如"第 5 章要拆成机制和临床两块"）
-🔄 换视角 → 切换到备选框架 A 或 B
-```
-
-**停下来等用户反馈**。
-
-## 用户确认后
-
-如果用户回复"确认框架"：
-1. 更新 `manifest.phase1.approved = true`
-2. 更新 `manifest.phase1.approved_at = <ISO 时间>`
-3. 告知："Phase 1 完成。下一步：/dr-research 进入 Phase 2 英文深研。"
-
---
-
-## 禁止事项
-
- ❌ 跳过 Step 4 的并行初扫直接凭经验写框架
- ❌ 一次委派 > 4 个 searcher（API 限流）
- ❌ 写完 framework 就自动跑 /dr-research
- ❌ framework 中用中文写研究思路（Phase 2 是英文工作，研究思路也用英文写）
- ❌ 章节标题不给双语对照
+完成后暂停，请用户审阅 `phase1/framework.md`，确认后再进入 `/dr-research`。
@@ -1,170 +1,13 @@
 ---
-description: 初始化一个新的 Deep Research 主题。创建 projects/<slug>/ 目录与 manifest.json，启动 Phase 1 访谈（9 步，含模型策略选择），访谈末尾自动提议 3 个报告标题让用户选。用法：/dr-init <研究主题>
+description: 初始化 Deep Research 项目。薄封装：调用 Python core，不在 OpenCode prompt 中承担核心逻辑。用法：/dr-init <topic> [--slug ... --method ...]
 agent: dr-plan
 subtask: false
 ---

-你是 dr-plan。用户刚刚执行了 `/dr-init $ARGUMENTS`，启动一个新的生物医药 Deep Research 项目。
-
-## 执行步骤
-
-### Step 1: 解析主题并生成 slug
-
- 用户输入的主题：`$ARGUMENTS`
- 生成 slug 规则：
-  - 英文小写+连字符
-  - 包含关键词 + 年份
-  - 例：`GLP-1 减重药物市场` → `glp1-obesity-market-2026`
-  - 例：`中国 CAR-T 产业链` → `china-car-t-industry-2026`
- 检查 `projects/<slug>/` 是否已存在
-  - 存在且非空：追问用户是否覆盖或换名
-  - 不存在：继续
-
-### Step 2: 创建目录骨架
+执行 Python core 初始化入口：

 ```bash
-mkdir -p projects/<slug>/{phase1,phase2/drafts,phase2/evidence,phase3/revisions,phase4/figures}
+uv run python scripts/dr.py init $ARGUMENTS
 ```

-### Step 3: 启动访谈（9 步）
-
-**不要急着生成 framework**，向用户清晰编号地提出以下 8 个关键问题：
-
-1. **研究类型**：
-   - 综述类（默认 ≥10,000字）
-   - 研究类（默认 ≥30,000字）
-   - 投资报告（默认 ≥20,000字）
-   - 管理工艺类（默认 ≥15,000字）
-
-2. **核心受众**：投资人 / 管理层 / 研发团队 / 监管 / 混合？
-
-3. **时间范围**：近 3 年 / 近 5 年 / 近 10 年 / 历史全量？
-
-4. **地理范围**：全球 / 中国 / 美国 / 欧洲 / 其他具体地区？
-
-5. **必须回答的核心问题**（3-5 条，越具体越好）：
-
-6. **竞争/对比对象**（如适用）：具体公司、药物、技术路线？
-
-7. **禁区**：有没有明确不想涉及的方向？
-
-8. **字数期望**（新增）：
-   - `auto` — 按研究类型默认（推荐，大多数情况）
-   - `concise` — 简明（8,000-12,000 中文字，6-8 章；适合高管快阅）
-   - `detailed` — 详细（20,000-35,000 中文字，10-12 章；标准专业报告）
-   - `deep` — 深度（50,000-80,000 中文字，12-15 章；行业专著级）
-   - 说明：字数只是参考，以把问题讲清楚为第一优先。
-
-9. **模型策略选择（新增，必须在 init 阶段确定）**：
-   - `simple`：低成本探索
-   - `medium`：默认推荐（平衡质量/成本）
-   - `premium`：高质量正式交付
-   - `cn_heavy`：中文/中国市场侧重
-   - `codex_native`：Codex 原生模式
-
-**等待用户回答**。用户可能一次性回答也可能分多轮。
-
-### Step 4: 提议报告正式标题（关键新增步骤）
-
-用户答完前 8 个问题后，基于他们的回答提议 3 个候选标题供选择。
-
-**命名范式**（参考 9MW1911 综合战略报告）：
- 主标题：精炼、有分量、体现报告定位（如"XX综合战略报告"、"XX立项可行性研究报告"、"XX市场深度研究报告"）
- 副标题：说明具体研究对象和视角（如"全球视角下抗 ST2 单克隆抗体在慢阻肺治疗领域的战略定位"）
-
-示例对话：
-
-> 根据你的回答，我为本报告提议以下 3 个候选标题：
->
-> **候选 A（推荐）**
-> 主标题：自研 O-糖苷酶立项可行性研究报告
-> 副标题：对标 NEB 与 Merck 经典产品的技术路径、IP 壁垒与差异化战略
->
-> **候选 B**
-> 主标题：GH101 家族酶国产化战略研究
-> 副标题：从 E. faecalis / S. pneumoniae 经典产品到下一代工程酶的三段式路径
->
-> **候选 C**
-> 主标题：O-糖苷酶商业化立项报告
-> 副标题：技术可行性、知识产权风险与 2026-2034 年市场机会评估
->
-> 请选 A/B/C，或告诉我怎么改。
-
-### Step 5: 创建 manifest.json
-
-用户确认标题后，创建 `projects/<slug>/manifest.json`：
-
-```json
-{
-  "slug": "<slug>",
-  "topic": "<用户输入的完整主题>",
-  "report_title": "<用户选定的主标题>",
-  "report_subtitle": "<用户选定的副标题>",
-  "author": "Deep Research 系统",
-  "date": "<今天 YYYY-MM-DD>",
-  "version": "1.0",
-  "type": "<综述/研究/投资/管理>",
-  "confidentiality": "机密 | 仅供内部决策使用",
-  "audience": "<受众>",
-  "time_range": "<时间范围>",
-  "geography": "<地理范围>",
-  "core_questions": ["...", "..."],
-  "comparison_targets": [],
-  "exclusions": [],
-  "word_budget_mode": "<auto/concise/detailed/deep>",
-  "model_profile": "<simple/medium/premium/cn_heavy/codex_native>",
-  "model_profile_selected_at": "<今天 YYYY-MM-DD>",
-  "model_profile_source": "dr-init interview",
-  "target_words_zh": <按类型和模式计算，见 length-budget skill §1-2>,
-  "target_words_en": <target_words_zh / 1.4>,
-  "min_words_zh": <target_words_zh × 0.8>,
-  "min_words_en": <min_words_zh / 1.4>,
-  "disclaimer": "本报告基于公开信息与 AI 辅助研究生成，仅供参考，不构成投资或医疗建议。",
-  "work_language": "en",
-  "output_language": "zh",
-  "phase1": {"status": "interview_done", "approved": false},
-  "phase2": {"status": "pending"},
-  "phase3": {"status": "pending"},
-  "phase4": {"status": "pending"}
-}
-```
-
-### Step 6: 记录访谈
-
-把整个访谈对话写入 `projects/<slug>/phase1/interview.md`（用户原话 + 你的提问 + 提议的候选标题 + 用户选择）。
-
-### Step 6.5: 立刻应用模型策略（必须执行）
-
-在项目初始化完成后，立即把 `model_profile` 应用到 agent 文件（OpenCode + Codex 模板）：
-
-```bash
-uv run python scripts/dr.py apply-models --profile <model_profile> --target both
-```
-
-这样可以确保从 Phase 1（plan）到 Phase 4（polisher/reporter）全流程使用同一套预设策略，而不是中途切换。
-
-### Step 7: 回报
-
-```
-项目已初始化：projects/<slug>/
-
-报告标题：<主标题>
-副标题：<副标题>
-类型：<研究类型>
-字数目标：<中文字数> 字 / <英文词数> words
-工作语言：English（Phase 2-3）
-输出语言：中文（Phase 4 翻译）
-
-下一步：运行 /dr-frame 触发 Phase 1 框架规划（双语大纲）
-```
-
---
-
-## 注意事项
-
- ❌ 不要在本命令里做联网搜索或生成 framework（那是 /dr-frame 的工作）
- ❌ 不要自己猜研究边界，必须让用户明确
- ❌ slug 不要包含中文、空格、下划线
- ✅ Step 4 的报告标题是 v0.5 新增的关键步骤，不可跳过
- ✅ Step 8 的字数期望是 v0.5 新增的参数，帮助用户控制报告规模
- ✅ 如果用户主题过于模糊（如"生物医药"），追问细化后再创建目录
+完成后暂停，下一步运行 `/dr-frame <slug>` 生成 `phase1/framework.md`。
@@ -1,117 +1,44 @@
 ---
-description: Phase 2 - 并行深度研究所有章节。读取 Phase 1 确认的框架，按批次调度 dr-analyst 深研 + dr-verifier 反方验证，自动字数核验。用法：/dr-research [slug]
+description: Phase 2 - v0.20 Python core task-card research. 用法：/dr-research [slug]
 agent: dr-pm
 ---

-你是 dr-pm。用户执行了 `/dr-research $ARGUMENTS`，需要驱动 Phase 2 完整执行。
+你是 OpenCode 表层接口。不要自行 spawn subagents，也不要在本会话里执行章节研究。

-## Step 1: 定位项目
+运行项目自有 Python core：

- `$ARGUMENTS` 非空：用该 slug
- 为空：`ls -t projects/*/manifest.json` 取最近的
-
-读取 `projects/<slug>/manifest.json`。
-
-## Step 2: 前置检查
-
-验证以下字段，任何一项不通过则停止并告知用户：
- `phase1.approved == true`（框架已确认）
- `phase1.framework_path` 指向的文件存在
- `phase2.status != "completed"`（避免重复跑）
-
-如果 `phase2.status == "in_progress"`，询问用户是否从中断处继续还是重新开始。
-
-## Step 3: 读取框架并规划批次
-
-读取 framework.md，提取所有 chapter 的：
- 编号、标题、字数配额
- 各 section 研究思路
-
-按以下规则分批（每批 3 章并行）：
- 字数配额 > 3000 字的章节单独成批
- 有前后依赖关系的章节放在不同批次
- 引言章（第 1 章）和结论章（最后 1 章）各自单独成批
-
-更新 manifest.json：
-```json
-"phase2": {
-  "status": "in_progress",
-  "started_at": "<ISO时间>",
-  "batches": [...],
-  "chapters": [{"index": 1, "status": "pending", ...}, ...]
-}
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6
 ```

-## Step 4: 逐批执行
+生成真实证据包时显式开启模型 worker：

-对每批中的每个章节，**并行**委派 dr-analyst：
-
-```
-Task prompt 模板：
-你是 dr-analyst。请深度研究以下章节：
-
-slug: <slug>
-章节编号：<N>
-章节标题：<标题>
-字数配额：<N> 字
-输出路径：
-  草稿：projects/<slug>/phase2/drafts/ch<NN>.md
-  证据：projects/<slug>/phase2/evidence/ch<NN>-evidence.md
-  信源：projects/<slug>/phase2/sources.jsonl
-
-研究思路（来自 framework.md）：
-<粘贴该章的研究思路和 section 列表>
-
-必须加载的 skill：search-strategy, source-quality, length-budget, evidence-table, mckinsey-method
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6 --execute-packets
 ```

-一批的所有 dr-analyst 完成后，对每章**串行**委派 dr-verifier：
+默认 scholar/news/patents 专用路由 strict 失败即停；如只是低成本试跑，可允许通用搜索兜底：

-```
-Task prompt 模板：
-你是 dr-verifier。请对以下章节做反方验证：
-
-草稿：projects/<slug>/phase2/drafts/ch<NN>.md
-证据：projects/<slug>/phase2/evidence/ch<NN>-evidence.md
-
-必须加载的 skill：search-strategy, source-quality
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6 --execute-packets --allow-search-fallback
 ```

-每章完成后更新 manifest.json 的进度字段。
+将证据包收束为章节 brief，降低并发碎片化：

-## Step 5: 字数核验与补写
-
-每章 dr-analyst 返回后，读取草稿文件统计字数。如果实际字数 < 配额 × 0.7，自动再次委派 dr-analyst 补写，最多补写 2 次。
-
-## Step 6: 汇总 sources.jsonl
-
-所有章节完成后，对 `projects/<slug>/phase2/sources.jsonl` 做去重（按 url 字段）。
-
-## Step 7: 更新 manifest 并汇报
-
-```json
-"phase2": {
-  "status": "completed",
-  "completed_at": "<ISO时间>",
-  "word_stats": {
-    "total": <总字数>,
-    "target": <目标字数>,
-    "verdict": "合格/不足"
-  }
-}
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6 --build-briefs
 ```

-告知用户：
-```
-Phase 2 完成
+生成中文章节草稿：

-总字数：X 字 / 目标 X 字
-章节：X / X 完成
-总信源：X 条（Tier1: X, Tier2: X）
-待验证观点：X 条
-CRITICAL 反方证据：X 条
-
-下一步：/dr-review 启动总编审校
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6 --assemble-chapters
 ```

-如总字数不足 min_words，告知用户并询问是否接受或指定某些章节补写。
+如用户只是想预览任务卡：
+
+```bash
+uv run python scripts/dr.py research $ARGUMENTS --workers 6 --dry-run
+```
+
+完成后只汇报 Python CLI 输出的关键路径：`phase2/task_cards.json`、`phase2/packets/*.json`、manifest 进度和下一步。
@@ -1,48 +1,13 @@
 ---
-description: Phase 3 - 总编审校。用 Gemini 3.1 Pro 通读全部章节草稿，出具审校报告，暂停等用户决策。用法：/dr-review [slug]
+description: Phase 3 审校。薄封装：调用 Python core deterministic review。用法：/dr-review <slug-or-path>
 agent: dr-chief-editor
+subtask: false
 ---

-你是 dr-chief-editor。用户执行了 `/dr-review $ARGUMENTS`，需要对所有章节草稿做总编审校。
+执行 Python core 审校入口：

-## Step 1: 定位项目
-
- `$ARGUMENTS` 非空：用该 slug
- 为空：取最近的项目
-
-验证：`phase2.status == "completed"`，否则告知用户先完成 `/dr-research`。
-
-## Step 2: 执行审校
-
-按照 dr-chief-editor.md 中的**模式 A：Phase 3 审校**工作流，通读所有草稿，出具审校报告。
-
-审校报告写入 `projects/<slug>/phase3/critique.md`。
-
-## Step 3: 暂停等待用户决策
-
-审校报告完成后，向用户展示：
-1. 总体评级（A/B/C/D）
-2. 必须修正问题清单
-3. 字数审计表
-4. 明确的决策提示：
-
-```
-审校完成，评级：<X>
-
-请选择下一步：
-A/B 级：直接发 /dr-finalize 生成最终报告
-C 级：告诉我哪些章节需要回炉（我会重新研究那些章节）
-D 级：发 /dr-frame 重新规划框架
+```bash
+uv run python scripts/dr.py review $ARGUMENTS
 ```

-**不要自动进入 Phase 4，必须等用户明确指令。**
-
-## 用户回复处理
-
-如果用户说"直接 finalize"或类似：
- 更新 `manifest.phase3.approved = true`
- 告知用户发 `/dr-finalize`
-
-如果用户指定某些章节回炉：
- 将那些章节的 `phase2.chapters[i].status` 改为 `"needs_revision"`
- 告知用户发 `/dr-research` 会只重跑这些章节
+完成后暂停，请用户审阅 `phase3/critique.md`，再决定回炉 Phase 2 或进入 `/dr-finalize`。
@@ -0,0 +1,20 @@
+---
+description: v0.20 platform-neutral Python core runner. 用法：/dr-run [slug-or-topic]
+agent: dr-pm
+---
+
+你是 OpenCode 表层接口。不要自行编排多 agent；核心调度由 Python runtime 负责。
+
+运行：
+
+```bash
+uv run python scripts/dr.py run $ARGUMENTS --workers 6
+```
+
+如需预演：
+
+```bash
+uv run python scripts/dr.py run $ARGUMENTS --workers 6 --dry-run
+```
+
+只汇报 Python CLI 的阶段判断、产物路径和下一步。
@@ -1,47 +1,12 @@
 ---
-description: 查看当前研究项目的进度。用法：/dr-status [slug]
+description: 查看当前研究项目进度。用法：/dr-status [slug]
 agent: dr-pm
 ---

-你是 dr-pm。读取项目状态并输出清晰的进度报告。
+你是 OpenCode 表层接口。运行 Python core 状态命令：

-## Step 1: 定位项目
-
- `$ARGUMENTS` 非空：读取 `projects/$ARGUMENTS/manifest.json`
- 为空：
-  - 如果 `projects/` 下有多个项目，列出所有项目及其状态让用户选择
-  - 只有一个则直接读取
-
-## Step 2: 输出状态报告
-
-```
-项目：<topic>
-Slug：<slug>
-类型：<type> | 目标字数：<target_words> 字
-
-阶段进度：
-  Phase 1 框架规划：<pending/in_progress/completed/approved>
-    框架文件：<存在/不存在>
-    章节数：<N>
-
-  Phase 2 深度研究：<pending/in_progress/completed>
-    章节完成：<X/N>
-    当前批次：<X>（如进行中）
-    已写字数：<X> 字
-    信源数量：<X> 条
-
-  Phase 3 总编审校：<pending/in_progress/completed>
-    审校评级：<A/B/C/D 或 未完成>
-    待修正问题：<X> 条
-
-  Phase 4 成稿：<pending/completed>
-    PDF：<存在/不存在>
-    DOCX：<存在/不存在>
-
-输出文件：
-  <列出 projects/<slug>/ 下已存在的关键文件>
+```bash
+uv run python scripts/dr.py status $ARGUMENTS
 ```

-## 额外说明
-
-如果某个 Phase 处于 in_progress 但看起来卡住了（started_at 超过 2 小时且无进展），提示用户可以重新运行对应命令继续。
+汇报阶段状态、task cards、packets、drafts、sources、final_zh/PDF/DOCX 等关键产物。