技能介绍

它解决什么问题

长文档——研究报告、政策草案、技术文章——里的逻辑断裂、未言明的前提和措辞偏向，通常散落在不同段落中，人工通读很难给出一致结论。更实际的麻烦是，不同审阅者关注的角度并不相同：有人盯逻辑自洽，有人看方法论是否严谨，有人关心利益相关方有没有被公平对待。最后的产出往往是一组零散批注，缺少一个可以横向比较的总分。这个技能把「读一遍文档、给出意见」拆成固定流程，使审计结果可复现、可比较。

六阶段流水线如何运转

AuditAgent 按顺序执行六个独立模块，每个模块由 LLM 驱动，并接收上一阶段传递下来的上下文：

连贯性检查（权重 0.20）：找出文档内部的自相矛盾、表述不一致与逻辑缺口。
主张抽取（权重 0.15）：识别事实性论断、断言及其支撑证据。
前提浮现（权重 0.15）：暴露未被说明的假设、隐含前提与隐藏公理。
利益相关方分析（权重 0.15）：定位受影响方、他们的利益与权力关系。
方法论审查（权重 0.20）：评估研究方法、数据质量、研究设计与分析严谨性。
偏向检测（权重 0.15）：识别框架偏向、选择偏向、确认偏向与倾向性措辞。

评分与报告输出

AuditScorer 依据发现项的严重程度计算各阶段 0–100 分，再按权重合成总分，默认阈值 70 判定通过。同时输出严重程度分布直方图、跨阶段的 critical 与 high 红旗项摘要，以及红绿灯地图（≥80 绿、50–79 黄、<50 红）。报告支持结构化文本、受字数限制的单页执行摘要、按优先级排序的行动项、自包含 HTML（含严重程度徽章、红绿灯指示器、分布条形图与证据引用块），以及机器可读的 JSON。阶段权重与通过阈值都可在 AuditScorer 配置中调整。

适用边界与注意点

它不审计代码、财务报表或需要领域规则的法律合同；不保证发现项本身的事实正确性，LLM 输出是概率性的；不会修改或标注原文；也不是实时方案，而是批处理流水线——六个阶段各一次 LLM 调用，本地 Ollama 默认模型下通常需要数十秒到两分钟。文档语言不限，阶段提示词为中文，系统提示会要求 LLM 跟随文档自身的语言处理。