@hawk2048/oh-my-dsh 0.3.2 → 0.3.4

package/CHANGELOG.md

@@ -0,0 +1,41 @@
+# 变更记录
+
+## 0.3.4 — 2026-11-04
+
+按两份独立评审的意见修 omd-autoresearch 的六处问题。
+
+- 数字密度不再把引用编号算成数据；表格按块计，不再按行累加。
+- 事实性数据更正不再被判为对偶句；引用他人原话时工程词放行。
+- 缩写统一展开（「机器判」「人判」「判死」等），新增半截词规则一节。
+- 事实检查加回读动作；轮次边界补两条（复核不计轮次、达标后关闭目标）。
+- 评分表标明脚本只覆盖语言与格式层。
+- 调研记录补记三家外部项目的脚本面，并把 huashu-report 的星数更新为 484。
+
+## 0.3.3 — 2026-11-04
+
+omd-autoresearch 升到 2.0，从纯提示词改成带检查脚本的流程。
+
+### 新增
+
+- `skills/omd-autoresearch/references/report_lint.py`：可执行的写作检查脚本，覆盖对偶句、生造词、工程词外泄、比喻、句长、段长、破折号、密度、篇幅、标题层级。
+- `skills/omd-autoresearch/references/`：评分模板、评估提示词模板、证据与结构规范、语言规范、外部项目调研记录。
+- 写作阶段的分段检查与字数额度表。
+- 语域规则：给读者的正文不出现工具内部词。
+
+### 修正
+
+- 破折号重复计数（一处被算成三处）。
+- 同一句被多条规则重复命中。
+- `--scale` 对下限型密度方向相反。
+- 两份文档的篇幅数字不一致。
+- 段落长度口径不一致。
+- 引用他人原话被误判为对偶句。
+- 字面义术语被误判为生造词。
+
+### 文档
+
+- README 与 README.zh 的 Autoresearch 行补充检查脚本说明。
+
+## 0.3.2
+
+上一个发布版本。

package/README.md

@@ -59,7 +59,7 @@ Aligned to OMC **v5.3.0** (the `plan → execute → review → verify` pipeline
 | Deep Interview | [`omd-deep-interview`](skills/omd-deep-interview/SKILL.md) | `ask_user_question` |
 | Ralplan | [`omd-ralplan`](skills/omd-ralplan/SKILL.md) | parallel `subagent` drafts + arbitration |
 | Research | [`omd-research`](skills/omd-research/SKILL.md) | `web_search`/`web_fetch` + parallel `subagent` |
-| Autoresearch | [`omd-autoresearch`](skills/omd-autoresearch/SKILL.md) | `goal` + evaluator loop |
+| Autoresearch | [`omd-autoresearch`](skills/omd-autoresearch/SKILL.md) | `goal` + evaluator loop + writing checker (`references/report_lint.py`) |
 | Ultragoal | [`omd-ultragoal`](skills/omd-ultragoal/SKILL.md) | `goal` + `todo_write` + checkpoint artifacts |
 | HUD | [`omd-hud`](skills/omd-hud/SKILL.md) | inline `dsh-ui` dashboard (genui) |
 

package/README.zh.md

@@ -59,7 +59,7 @@ dsh plugin --profile web add @hawk2048/oh-my-dsh
 | Deep Interview（需求澄清） | [`omd-deep-interview`](skills/omd-deep-interview/SKILL.md) | `ask_user_question` |
 | Ralplan（共识规划） | [`omd-ralplan`](skills/omd-ralplan/SKILL.md) | 并行 `subagent` 草案 + 仲裁收敛 |
 | Research（有据调研） | [`omd-research`](skills/omd-research/SKILL.md) | `web_search`/`web_fetch` + 并行 `subagent` |
-| Autoresearch（评估驱动改进） | [`omd-autoresearch`](skills/omd-autoresearch/SKILL.md) | `goal` + 评估子代理循环 |
+| Autoresearch（评估驱动改进） | [`omd-autoresearch`](skills/omd-autoresearch/SKILL.md) | `goal` + 评估子代理循环 + 写作检查脚本（`references/report_lint.py`） |
 | Ultragoal（持久多目标） | [`omd-ultragoal`](skills/omd-ultragoal/SKILL.md) | `goal` + `todo_write` + checkpoint 工件 |
 | HUD（状态栏） | [`omd-hud`](skills/omd-hud/SKILL.md) | `dsh-ui` 内联仪表盘（genui） |
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@hawk2048/oh-my-dsh",
-  "version": "0.3.2",
+  "version": "0.3.4",
   "description": "oh-my-dsh: DeepSeek Harness multi-agent orchestration layer — OMC-style workflow skills, slash commands, and an agent preset.",
   "type": "module",
   "main": "index.js",
@@ -21,7 +21,8 @@
     "install.sh",
     "install.ps1",
     "README.md",
-    "README.zh.md"
+    "README.zh.md",
+    "CHANGELOG.md"
   ],
   "dsh": {
     "bundle": {
@@ -42,3 +43,4 @@
     "url": "git+https://github.com/hawk2048/oh-my-dsh.git"
   }
 }
+

package/skills/omd-autoresearch/CHANGELOG.md

@@ -0,0 +1,69 @@
+## 2.1.0 — 2026-11-04
+
+按两份独立评审的结果修的六处。
+
+### 修正
+
+- 数字密度不再把 `[S07]` 里的编号算成数据。
+- 表格与列表按块计，一张六行表算一处，不再按行累加。
+- 事实性数据更正（两侧都带数字）不再被判为对偶句。
+- 引用他人原话时，工程词与缩写一并放行。
+- 规则文档与脚本里的缩写统一展开：「机器判」「人判」「判死」等收进工程词一档，命中判不合格。
+- 语言规则新增一节，讲半截词与内部缩写，附对照表。
+
+### 新增
+
+- 事实检查加了回读动作：写入或改动后回读被引记录，逐字核对句子在不在记录里。
+- 轮次边界补两条：收尾复核不计入轮次，达标只能由计入轮次的评估给出；达标后关闭目标。
+
+### 文档
+
+- 评分表第三列改为「谁来查」，并写明脚本目前只覆盖语言与格式层。
+- 外部项目调研补记三家的脚本面：huashu-report 的 `render.py`、industry-research 的 `validate_report.py` 与测试、deep-research-plus 的 89.8 KB 闸门脚本与八个测试文件。
+
+# 变更记录 · omd-autoresearch
+
+## 2.0.0 — 2026-11-04
+
+这一版把「评估器驱动的改进循环」从提示词改成带检查脚本的流程，并补上了语言层面的判定。
+
+### 新增
+
+- `references/report_lint.py`：可执行的检查脚本，覆盖禁句、句式、句长、段长、破折号、密度、篇幅、标题层级。
+- `references/rubric.md`：五维评分模板，含四条不合格项与差距清单格式。
+- `references/eval-prompt.md`：评估子代理的提示词模板。
+- `references/report-rules.md`：来源分级、证据清单、反面证据写法、结构、篇幅。
+- `references/report-style.md`：语言规范，按处置力度分为三档，含黑话表、语域说明、比喻禁用表。
+- `references/skill-survey.md`：十三个外部项目的调研结论与采纳记录。
+- 写作阶段的分段检查：每写完一节先过四道检查，再写下一节。
+- 字数与结构额度表：按读者需要分三档，先定额度再动笔。
+
+### 检查脚本规则
+
+- 对偶转折句（不是…而是…，含省略「而」的变体）：按篇幅给豁免额度，超出判不合格。
+- 报告正文出现自我更正：判不合格。
+- 生造黑话（`钉死`、`抓手`、`小疤`、`打穿` 等）：判不合格，另设字面义白名单。
+- 工程词外泄（报警项、判死、落盘、跑通）：判不合格；闸门、拆轮一类只提示。
+- 比喻与借代（`骨架`、`台账`、`三角验证`、`双轴` 等）：提示。
+- 超长句、超长段、破折号过密、标题跳级：判不合格。
+- 数字密度、图表密度、AI 腔词密度、加粗密度：严格模式判不合格，默认只提示。
+- 规则文档本身用 `--doc` 跳过工程词与密度检查。
+
+### 修正
+
+- 「——」被重复计数（一个破折号算成三处）。
+- 同一句被多条正则重复计数，改为按字符位置合并。
+- `--scale` 对下限型密度方向相反，改为上限除以倍数、下限乘以倍数。
+- 两份文档的篇幅表数字不一致，统一到一处。
+- 段落长度口径三处不一致，统一为七行、暂以 300 字近似判定。
+- 引用他人原话（中文引号、直角引号、Markdown 引用块）被误判为对偶句，已放行。
+- 字面义术语（水位、体感温度、资金沉淀、打通最后一公里）被误判为黑话，已放行。
+- 删除陈旧的重复目录 `omd-autoresearch/omd-autoresearch/`。
+
+### 兼容
+
+- 触发词保留 autoresearch、自动调研改进、边做边评、持续打磨到达标，新增写报告、报告太长、太干、边写边改。
+
+## 1.0.0 — 2026-09-12
+
+初版：产出、评估、改进三步循环，无评分模板与检查脚本。

package/skills/omd-autoresearch/SKILL.md

@@ -1,45 +1,140 @@
 ---
 name: omd-autoresearch
-description: "自动调研改进：有界的评估器驱动改进循环——产出一版，评估子代理对照目标标准打分，再改进、再评，直到达标或到达轮次上限。触发词：autoresearch / 自动调研改进 / 边做边评 / 持续打磨到达标。"
+description: "自动调研改进：有界的评估器驱动改进循环——先定额度、分节落笔、一节一闸、独立打分、定点改到达标。产出调研报告/行业研究/方案对比时用它，也用于修掉报告「太长、太干、AI 腔」。触发词：autoresearch / 自动调研改进 / 边做边评 / 持续打磨到达标 / 写报告 / 报告太长 / 太干 / 报告有AI腔 / 边写边改。"
 ---
 
-# oh-my-dsh · Autoresearch 评估器驱动的改进循环
+# oh-my-dsh · Autoresearch 评估器驱动的有界改进循环
 
-不是单趟调研，而是**「产出 → 评估打分 → 按差距改进 → 再评估」的有界循环**，直到达标或达到轮次上限。对应 OMC 的 `autoresearch`。
+一句话：**先定额度，分节落笔，一节一闸，独立打分，定点改到达标。**
+
+跑起来：`create_goal` 立标准 → 证据表 → 逐节写（每节四闸）→ 独立评估 → 定点改 → 达标或到上限停。
 
 ## 何时用
 
-- 产出物有明确的"达标标准"，但第一版通常不够好，需要迭代打磨（调研报告、设计文档、方案对比）。
-- 用户说"autoresearch""自动调研改进""边做边评""持续打磨""做到达标为止"。
+- 产出物有明确达标线，第一版通常不够好：调研报告、行业/竞品研究、方案对比、设计文档。
+- 用户抱怨报告「太长」「太干」「像 AI 写的」「通篇对偶句式」——直接用本技能的写作检查，别等写完再润色。
+- 用户说「autoresearch」「自动调研改进」「边做边评」「做到达标为止」。
 
-## 有界循环
+## 旧版（v1）的三个洞
 
-```
-create_goal(达标目标) → 产出当前版 → 评估子代理打分/找差距 → 按差距改进 → 再评估 → 达标或达上限即停
-```
+| 洞 | 后果 | 本版补法 |
+|---|---|---|
+| 达标标准是自然语言 | 评分不可复现，两轮分数没法比 | 固定 rubric：5 维 + 硬伤清单（`references/rubric.md`） |
+| 只在「产出当前版」之后评估 | 第一版是废话最多的一版，白烧一轮 | 闸门前移到每一节（第 3 步） |
+| 没有篇幅预算 | 写多少算多少，「太长」无解 | 写前定额度（第 0 步） |
+
+## 第 0 步 · 先定额度（别跳）
+
+字数上限先定死，再动笔。超了砍，不靠「写得紧凑一点」。
+
+| 档位 | 总字数 | 小节 | 每节字数 | 每节图表 | 独立来源下限 | 适用 |
+|---|---|---|---|---|---|---|
+| brief | 600–1500 | 3–5 | 200–300 | 0–1 | 3 | 一页纸结论、决策备忘 |
+| standard | 2000–5600 | 5–8 | 400–700 | ≥1 | 6 | 常规行业/竞品/技术调研 |
+| comprehensive | 6400–14400 | 8–12 | 800–1200 | 1–2 | 12 | 决策级深度报告 |
+
+总字数 = 小节数 × 每节字数，区间相乘，别单方面调其中一列。超了砍节或砍字，不靠「写得紧凑一点」。
+
+读者没要求深度时，默认 brief 或 standard。写 15 页没人看的报告，是这行最常见的浪费。
+
+## 第 1 步 · 立标准（rubric 落盘）
+
+1. `create_goal`，objective 写成可验收，例：*8 节 ≤6000 字、每节 ≥1 表、≥12 个独立来源、lint 全绿、独立评估 ≥85 分*。
+2. 把 `references/rubric.md` 和 `references/report_lint.py` **复制到工作区**（脚本不复制，后面所有闸门命令都跑不起来；用技能目录全路径也行）。
+3. 判据分两类。**可以交给脚本的**：字数、图表数量、来源数量、章节完整性、检查脚本报出的数字。**只能靠人看的**：结论有没有洞察、解释是否站得住、反面证据是否诚实。先跑脚本，再请人看，后者只留 2–3 项。
+
+## 第 2 步 · 证据表先于正文
+
+- 先建 `evidence.md`，一行一条：`编号 | 事实或数字 | 来源URL | 来源级别 | 日期 | 置信度`。
+- 来源分四级，能用的只有前三级：**A** 一手（官方披露、原始数据、公告原文、专利、财报）；**B** 权威二手（券商研报、咨询报告、权威媒体调查）；**C** 弱线索（转载、榜单、未标口径的市占率、自媒体）；**D** 不可用（聚合页、洗稿、AI 生成内容），只能用来找线索。
+- C 级不得单独支撑关键结论；同源转载只算一个来源；超过 180 天的数据按「历史参考」处理。
+- 正文每个数字回指证据编号。回指不上的论断，删掉，或降级成「有说法称……（待核实）」。
+- 先写正文再补证据，一定会出现「这句很顺，但我不确定那个数字的口径」，然后这句就被留下了。
+
+## 第 3 步 · 分节写，一节一闸（生成期优化就在这里）
 
-1. **定达标标准**：`create_goal` 写一个可验收的 objective（"有 3 个以上来源、覆盖性能与安全两个维度、无未决存疑项的报告"优于"好好调研一下"）。
-2. **产出当前版**：先出一版（可并行 `subagent` 分工）。
-3. **评估**：派评估子代理**独立**对照达标标准打分，返回「差距清单」（哪里不达标、差在哪、怎么改），只允许"达标 / 具体差距"，不允许"差不多"。
-4. **改进**：按差距清单修，回到第 3 步。
-5. **有界退出**：达标 → `update_goal complete`；达到轮次上限仍未达标 → 显式报告剩余差距，别装作完成。
+先出骨架：一句结论 + 3–8 个小节标题（判断句，不写「背景」「分析」这种标签）+ 每节字数预算。
+然后逐节循环：**写第 N 节 → 过四闸 → 过了再写 N+1**。
 
-## 状态与可恢复
+| 闸 | 通过条件 | 不过怎么改 |
+|---|---|---|
+| 事实闸 | 每个硬结论挂证据编号，置信度标了；写入或改动后回读该编号对应的记录，逐字核对这句话在不在记录里 | 补来源；补不到就降级并标「待核实」；再不行删句 |
+| 结构闸 | 本节首句是判断句；标题是判断句；一节只讲一个主张 | 标签改判断句；首句换成结论；一个主张拆成两节 |
+| 语言闸 | `python report_lint.py 节.md --scale 0.6 --strict --quiet` 返回 PASS，且本节逐句自问「这句话删掉，读者判断会变吗」，不变就删 | 按输出的 fix 就地改，重跑直到 PASS |
+| 篇幅闸 | 本节字数在预算 ±10% 内 | 砍铺垫、砍复述、砍「本节小结」 |
 
-- 用 goal 工具承载循环状态，跨轮持续。
-- 每轮把「当前版 + 评估结论」写进工作区文件（如 `AUTORESEARCH.md`），保证会话恢复后能接着改。
+`--strict` 让数字密度和图表密度也参与判死：没有数字、没有表格的段落就是「太干」的直接来源，节级就要拦下来，别等整篇评估。图表密度只对 ≥400 字的节生效，200 字的短节不强制塞表。
 
-## 与其它模式的关系
+**降级规则**：同一节改 2 次仍过不了语言闸 → 保留结论 + 1 条证据，其余删掉，标 `[待补]`。宁可短，别灌水。
 
-- `research` = 单趟查证；`autoresearch` = research + 评估循环，目标是"持续改进到达标"。
-- 评估是**独立评估**，别让产出代理自我打分。
+**每节落盘**：写完一节立刻追加进 `REPORT.md`，并在 `AUTORESEARCH.md` 记一行（节号 / 字数 / lint 结果）。断在第 4 节可以接着写第 5 节，不用从头。
+
+**为什么要在生成期做**：整篇返工只有两种结局，全篇重写（把已经过闸的部分重新弄坏）或局部打补丁（前后语感断裂）。节级闸门把返工拆成能承受的小步，下一节直接继承上一节的语感。
+
+## 第 4 步 · 独立评估（不许自评）
+
+- 派评估子代理，输入只有三样：**文档 + rubric + 用户诉求**。不给你的推理过程，不给「我觉得哪里不好」。
+- 派发用的 prompt 模板在 `references/eval-prompt.md`，复制后改路径即可。
+- 输出固定格式：各维度得分 + 证据（引原文）+ 差距清单。
+- 差距清单每条五列：**位置 / 现状 / 目标 / 改法 / 严重度**。缺一列视为不合格评估，退回重评。
+- 能脚本检查的先跑 `report_lint.py` 和字数统计，把数字交给评估者，压低主观漂移。
+- 评估不许写「还行」「建议再丰富一点」。写不出差距项，就是没评估。
+
+## 第 5 步 · 定点改，不重写
+
+- 只改差距项，改动范围以「节」为单位，不动已过闸的节。
+- 改完重跑 lint，再用同一份 rubric、同一达标线重评。
+- 每轮把「当前版 + 分数 + 差距」写进 `AUTORESEARCH.md`，会话断了能接着改。
+
+## 有界退出
+
+- 默认上限 **3 轮**，用户指定则从用户。
+- 达标（总分 ≥ 线 且 无硬伤）→ 交付 + HUD。
+- 到上限未达标 → 交付当前最好版本 + 剩余差距清单，明说没达标，不装完成。
+- 停滞（连续两轮同一维度不涨）→ 早停，报「这个维度靠改文字解决不了，需要补证据或换角度」。
+- 收尾复核不计入轮次；达标判定只能由计入轮次的评估给出，不能用一次额外复核把未达标改判为达标。
+- 达标后关闭目标（`update_goal`）；轮次用满仍未达标，交付当前版本并写明未达标，目标留待用户决定。
+
+## 报告硬规则（交付前逐条过）
+
+1. 每个百分比带 N 和来源。删掉形容词代替数据：「显著提升」→「提升 34%（n=210，A 级）」。
+2. 趋势不写成因果，除非做了识别；否则写「与……同时发生」。
+3. 反证必须写：列替代解释 → 各自怎么排除 → 没排除掉的 → 结论降级。找不到反证数据就说找不到，不编风险。
+4. 局限单独成节，不塞进结论最后一句。
+5. 不写工作日志、不写「我是怎么做的」、不写自我更正过程。方法论该写，过程记录不写。
+6. 附录不超过正文 10%。附录是来源表，一条来源一行，不印数据表。
+7. 语言细则见 `references/report-style.md`；它的机器版是 `references/report_lint.py`，整篇收尾用 `python report_lint.py REPORT.md --strict`，不过不交。
+8. 交付前问一句：这份报告我敢不敢直接发给那个最挑的人？不敢的话，问题通常在第 3 条（没有反证）或第 1 条（没有数字）。
+9. 语域：给读者看的正文用日常词；行业术语首次出现加一句白话；工具内部词（`报警项`、`判死`、`落盘`）不出现。判据：读者没装这个工具，也读得懂吗。
+
+## 与其它技能的关系
+
+- `omd-research` 单趟查证；本技能是多轮 + 闸门 + 达标线。
+- `omd-pyramid` 管结构（结论先行、MECE）；`references/report-style.md` 管字面；`report_lint.py` 管机械下限。
+- `omd-ai-slop-cleaner` 是事后清理；本技能把清理放进写作过程，一节一清。
+- 外部报告类技能（huashu-report、industry-research、deep-research-plus 等）的机制吸收记录在 `references/skill-survey.md`。
 
 ## 收尾：HUD
 
-用 `omd-hud` 输出：轮次 + 评分趋势 + 差距清单（未达标项）。让"离达标还差什么"始终可见。
+```dsh-ui
+{"title":"Autoresearch · 报告改进","gap":14,"items":[
+  {"type":"row","wrap":true,"items":[
+    {"type":"stat","label":"轮次","value":"2 / 3"},
+    {"type":"stat","label":"评分","value":"88","delta":"+9"},
+    {"type":"stat","label":"未达标项","value":"1"}
+  ]},
+  {"type":"progress","label":"到达标线","value":88},
+  {"type":"table","columns":["维度","上一轮","本轮","差距"],
+   "rows":[["语言","62","84","对偶句仍有 3 处"],["结构","80","88","—"]]},
+  {"type":"callout","tone":"warn","title":"剩余差距","content":"第 3 节仍缺反证段，补完再评一轮"}
+]}
+```
 
 ## 反模式
 
-- 别无界循环——必须有轮次上限 + 明确的达标退出条件。
-- 别把"评估分数"当最终结论——评估也是证据之一，最后仍要独立核验。
-- 别把评估做模糊（"还行"）——要具体到差距项。
+- 没有轮次上限、没有达标线——v1 的通病，等于没有循环。
+- 让产出者自己打分，或让评估者拿到产出者的自我评价。
+- 评估写成「还行」「可以更丰富」——必须落到差距项。
+- 先写正文再补证据。
+- 用形容词和总结句凑篇幅——这是「太长太干」的直接来源。
+- 在报告正文里表演自我更正（`前面说的有误` / `纠正一下`）——删掉，直接写正确版本。

package/skills/omd-autoresearch/references/eval-prompt.md

@@ -0,0 +1,79 @@
+# 评估子代理 prompt 模板（直接复制）
+
+评估必须由**另一个 agent** 做。产出者自己判卷，循环就失效了。
+
+---
+
+## 派发前准备（产出者做，3 件事）
+
+1. 把 `rubric.md` 填好：权重、达标线、本轮的特别关注项（例如「本轮重点看第 3 节」）。
+2. 准备好三份输入：文档全文路径、填好的 rubric、用户原始诉求（原话）。
+3. 跑一遍机器闸门，把数字准备好：`python report_lint.py REPORT.md --json`，与字数统计。
+
+**不要**把自己的推理过程、自评、「我哪里没写好」交给评估者。
+
+---
+
+## 可复制的 prompt
+
+```
+你是独立评估者。你评估一份报告，按给定 rubric 打分并给出差距清单。
+你没有看过产出者的推理与自评，也不需要问。
+
+输入：
+1. 被评文档：<绝对路径>
+2. rubric：<绝对路径>
+3. 用户原始诉求（原话）：<粘贴>
+4. 机器闸门结果（产出者跑的，供参考，不代替你的判断）：
+   <粘贴 report_lint.py --json 的 metrics 与 fails/warns>
+
+要做：
+1. 读完整文档（不要只读开头）。
+2. 按 rubric 的 D1–D5 逐维度打分，每维度必须引 1–3 段原文作为依据。
+   不许写「还行」「可以更丰富」，写不出依据就是没读。
+3. 检查硬伤 H1–H4 是否命中。
+4. 输出差距清单，每条五列：位置 | 现状 | 目标 | 改法 | 严重度。
+   位置要能定位到节/段/句；严重度只有 高/中/低。
+   至少 3 条，最多 12 条；挑能改的，不要凑数。
+
+输出格式（严格）：
+总分：XX/100    达标：是/否
+硬伤：H1 命中/未命中 ……
+
+## D1 来源与事实 (x/25)
+依据：<引原文>
+扣分：<具体>
+
+## D2 洞察与机制 (x/25)
+……
+
+## D3 语言与可读性 (x/20)
+……
+
+## D4 结构 (x/15)
+……
+
+## D5 篇幅与呈现 (x/15)
+……
+
+## 差距清单
+| # | 位置 | 现状 | 目标 | 改法 | 严重度 |
+
+## 一句话裁决
+能交付 / 还需改，以及最该改的那一条。
+```
+
+---
+
+## 拿到结果后（产出者做）
+
+1. 逐条判断差距是否成立。不成立的（误判）要在 `AUTORESEARCH.md` 里写清理由，**不许默默忽略**。
+2. 定点改：以「节」为单位，不动已过闸的部分。
+3. 改完重跑 `report_lint.py`，再用同一 rubric 重评。
+4. 记录：轮次 / 总分 / 各维度 / 差距条数 / 本轮改了什么。
+
+## 三条防止评估失效的规矩
+
+- 评估者不能是产出者，也不能是产出者的子代理。
+- 评分锚点要先看（95+/85–94/70–84/<70），别凭感觉给分。
+- 若两轮总分不涨但差距条数在减少，说明在真改；若总分涨而差距条数不减，大概率是评分放宽了。

package/skills/omd-autoresearch/references/report-rules.md

@@ -0,0 +1,121 @@
+# 报告证据与结构规范
+
+`report-style.md` 管怎么说，本文档管**说了算不算数**。
+
+---
+
+## 一、证据表（正文之前必须存在）
+
+`evidence.md`，一行一条：
+
+```
+S07 | 美国户储 2025 新增装机 12.4GWh，同比 +34% | bnef.com/xxx | A | 2026-01-15 | 高
+S08 | 加州 NEM 3.0 余电收购价降至批发电价 | cpuc.ca.gov/xxx | A | 2023-11-02 | 高
+S09 | 某券商测算美国户储 2026 增速 28% | 券商研报 | B | 2026-02-01 | 中
+```
+
+字段：编号 / 事实或数字 / 来源 / 级别 / 日期 / 置信度。
+
+正文每个数字回指编号（`[S07]`）。回指不上的论断只有两条路：删掉，或降级成「有报道称……（待核实）」。
+
+先写正文再补证据，一定会出现「这句很顺，但我不确定那个数字的口径」，然后这句就被留下了。
+
+---
+
+## 二、来源分级
+
+| 级别 | 定义 | 能不能单独支撑关键结论 |
+|---|---|---|
+| **A** | 一手：官方披露、公告、财报、法律文本、原始数据库、代码/规范、可验证的经营痕迹 | 能 |
+| **B** | 权威二手：署名研报、咨询报告、权威媒体原创调查、专家署名分析 | 能，但需说明分析方 |
+| **C** | 弱线索：转载、榜单、未标口径的市占率/GMV/门店数、自媒体、社区讨论 | 不能；只能证明「有人这样说过」 |
+| **D** | 不可用：聚合页、SEO 内容、无署名洗稿、AI 生成内容 | 只能用来找线索 |
+
+三条硬规矩：
+
+1. **去重**：多篇转载同一原始报道，算一个来源。
+2. **家族去重**：同一来源体系的多条信号只算一个独立来源（官网 + 官方公众号 + 官方 App 算一家）。
+3. **时效**：超过 180 天的数据按历史参考，不单独支撑「当前状态」判断；必须用时标时滞。
+
+---
+
+## 三、主张-证据矩阵
+
+把关键结论拆成可核查主张，每条两边对齐：主张 → 证据编号。
+
+| 缺口类型 | 标注写法 |
+|---|---|
+| 只有一个来源 | `单一来源` |
+| 来源存在但未交叉 | `未充分交叉验证` |
+| 两个来源打架 | `来源冲突：A 说 X（S03），B 说 Y（S05）` |
+| 找不到一手 | `截至访问日未找到一手来源` |
+
+**承重引用要开页核对**：TL;DR 里 3–4 条决策级结论，逐条打开来源页确认「内容确实支撑这句话」，不能只看链接能打开。行业里最常见的引用错误在「链接有效但内容不支撑」这一档，链接失效反倒少见。
+
+**决策级结论由 C 级来源单独支撑** → 直接降级，或删。带脚注的谣言仍然是谣言。
+
+---
+
+## 四、反证（这是报告与资料汇编的分界线）
+
+写完结论，专门写一段「它可能错在哪」：
+
+1. 列出所有可能的替代解释（还有哪些原因能解释这个现象）。
+2. 说明各自怎么排除的（控制了什么变量、交叉了哪个数据）。
+3. **诚实说出没排除掉的。**
+4. 主动降级结论（「这是早期描述性指标，不是因果估计」）。
+
+第 3、4 步最容易跳过，也最值钱：你主动认领局限，读的人才不用替你找。
+
+**找不到反证数据时怎么写**：
+
+> 我们尝试查找 X 方面的反证（关键词……，来源范围……），未找到可用数据。因此这条结论的置信度下调为中等，需后续验证。
+
+不许为了凑反方而编造风险，也不许把「数据缺失」写成「已被证伪」。
+
+---
+
+## 五、结构骨架（标准六章，缺章即不合格）
+
+1. **核心结论**（TL;DR）：3–5 条，每条一句，带数字。
+2. **对比总表**：一张能独立读懂的表，标「数据截点」。
+3. **逐项详析**：一节一个主张，首句是判断句。
+4. **冲突与存疑**：来源打架的地方，给最可能解释 + 下一步验证动作。
+5. **未覆盖与限制**：没查的、查不到的、口径不一致的。
+6. **来源清单**：S 编号 + 标题 + 发布方 + 日期 + URL。
+
+brief 档可合并 3 与 4；comprehensive 档把 3 拆成多章。缺第 1、4、5、6 章一律不算完成。
+
+---
+
+## 六、篇幅与图表
+
+**权威表在 `SKILL.md` 第 0 步**（brief 600–1500 / standard 2000–5600 / comprehensive 6400–14400，总字数 = 小节数 × 每节字数）。两份文件出现分歧时以 SKILL.md 为准。
+
+- 附录 ≤ 正文 10%，附录是来源表，一条来源一行，不印数据表。
+- 图表标题写结论，不写主题：`按职能划分的招聘计划` ✗ → `研发与销售扩张，客服与 G&A 收缩` ✓（研报型例外，查数的人要中性索引）。
+- 图表下必须有数据源行：`来源：BNEF 2026.1 ｜ 制图：本文`，区分谁采的数、谁做的图。
+- 百分比一律带分母：`7%（951 家企业，Bain 2026）`。
+- 单段 ≤7 行（约 300 字），超了拆段。
+
+---
+
+## 七、结论要分层
+
+- **我们发现**：跟着数据走，可复核。
+- **我们认为**：跟着判断走，标出这是我的判断。
+
+两样混在一起写，整段可信度按最弱的那句算。
+
+---
+
+## 八、交付前自检清单
+
+- [ ] 每个硬结论都有 S 编号；每个百分比都有分母和来源。
+- [ ] 有一条讲「没排除掉的替代解释」。
+- [ ] 冲突写进「冲突与存疑」，没拿「综合判断」蒙过去。
+- [ ] 局限单独成节。
+- [ ] 附录 ≤10%，是来源表不是数据表。
+- [ ] 六章齐全（或按档位合并后齐全）。
+- [ ] `report_lint.py --strict` PASS。
+- [ ] 逐句自问过一遍：删掉这句，读者对结论的判断会变吗？不变就删。