LLMSkillHub
mirroredCopied from ZimoLiao/scholaraio under MIT. ZimoLiao has not claimed this page, and is not affiliated with LLM SkillHub.

zimoliao / audit

Use when the user wants to check paper-library data quality, diagnose missing metadata, filename issues, DOI duplicates, title mismatches, or repairable metadata problems.

0
SKILL.md
2.5 KB

论文审计

检查已入库论文的数据质量。分阶段：规则化检查（自动）+ LLM 深度诊断（对可疑项）+ 自动修复。

阶段一：规则化检查

scholaraio audit [--severity error|warning|info]

问题按严重程度分类：

  • 错误：缺少标题、缺少 MD 文件、JSON 解析失败、DOI 重复
  • 警告：缺少 DOI/摘要/年份/作者/期刊、MD 过短、标题不一致、文件名年份不匹配
  • 提示：文件名不符合规范格式

阶段二：LLM 深度诊断（title_mismatch 专项）

对每篇 title_mismatch 论文，用 Read 工具读取 meta.json 和 paper.md（前 80 行），提取最像标题的候选（不只看首个 H1），判断：

  • MD 正文的实际主题/标题是否与 JSON 元数据一致
  • 无害（封面/前言页、MinerU 标题识别问题）vs 真正的内容错配

阶段三：修复

对确认的错配，使用 repair 命令：

# 先 dry-run 预览
scholaraio repair "<paper-id>" --title "正确标题" [--author "一作"] [--year YYYY] [--doi "10.xxx/..."] --dry-run

# 确认后执行
scholaraio repair "<paper-id>" --title "正确标题" [--author "一作"] [--year YYYY] [--doi "10.xxx/..."] [--no-api]

# 修复后重建索引
scholaraio pipeline reindex

检查规则

规则级别说明
missing_titleerror缺少标题
missing_mderrorJSON 无对应 MD 文件
duplicate_doierrorDOI 重复
missing_doiwarning缺少 DOI（document / patent 等非论文类型通常不报）
missing_abstractwarning缺少摘要
title_mismatchwarningJSON 标题与 MD 前 80 行里的标题候选不一致
nonstandard_filenameinfo文件名不符合规范格式

补充判断口径：

  • paper_type 为空时，仍按普通论文保守检查 missing_doi / missing_journal
  • dissertation、document、technical-report、lecture-notes 等非 article 类型，优先警惕封面/前言页导致的 title_mismatch 误报

示例

用户说："帮我检查一下论文库有没有问题"
→ 执行阶段一规则化检查

用户说："深度检查"
→ 执行阶段一 + 阶段二（LLM 逐篇诊断 title_mismatch）

用户说："修复那些错配的论文"
→ 执行阶段三