Files

T

Deep Research System bb2c91754b v0.20.5 add antigravity clean workspace

2026-05-07 20:47:33 +08:00

8.8 KiB

Raw Blame History

name, description

name	description
output-hygiene	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。

J. Emoji（强制禁用）

正文与表格中严禁使用任何 emoji / 彩色符号：

禁用清单（但不限于）： ✅ ❌ ✔ ✖ 🔶 🔷 ⭐ 🟢 🔴 🟡 🟠 ⚠️ ⚠ 💡 📌 🔑 📊 📈 📉 🔥 ✨ 🎯 🎉 ➔ ➜

原因：PDF 使用的思源字体子集不包含这些字符的 glyph，渲染为空白方框（□）。

替代写法：

表格标记"有/无"：用 ✓ ×（思源字体支持）或中文字 是 / 否
强调状态：用 ◆ ● 等几何符号（字体支持）
警示：用 注： 警告： ※ 等文字前缀
重点：用粗体或引用块，不用 emoji

扫描命令：

python3 -c "
import re
txt = open('final_zh_polished.md').read()
pat = re.compile(r'[\u2700-\u27BF]|[\U0001F300-\U0001F9FF]|[\u2B00-\u2BFF]')
hits = [(i, m.group()) for i, m in enumerate(pat.finditer(txt))]
print(f'emoji 命中：{len(hits)} 处')
for i, c in hits[:10]:
    print(f'  位置 {i}: {c!r} (U+{ord(c):04X})')
"

三、参考文献完整性校验（最关键）

dr-reporter 出稿前必须执行：

# 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）

# 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

✅ dr-polisher 润色的最后一步跑 hygiene_check
✅ dr-reporter 出稿前再跑一次 hygiene_check + 参考文献完整性校验
✅ 任何禁止词残留都必须修正，不能"放过一马"
✅ 参考文献段落必须包含完整编号清单，不允许占位符
❌ 禁止把"⚠️ 待验证"这种过程标注留到读者版
❌ 禁止三级以上嵌套标题

8.8 KiB Raw Blame History Unescape Escape