前言¶
論文、技術報告和基金本子寫完之後，常見做法是通讀一遍、憑直覺改幾處措辭再投稿。問題在於：邏輯跳躍、斷言過強、證據鏈斷裂往往藏在段落銜接處，一次性通讀很難穩定找出來，審稿意見回來後又容易「大改一片」而不是隻動有問題的句子。
下面介紹 SkillHub 上的社區 Skill「報告/論文/基金項目申請嚴謹寫作（循環駕馭正反面論證）」（座標 @user_d0deb03a/minimal-counterexample-repair-v2）。它把軟件測試裏「參照標準、找反例、縮小範圍、最小修復、迴歸驗證」的思路，遷移到學術寫作與課題論證上，用「雙層 Loop Harness」元框架把邏輯脆性變成可定位、可修復、可複驗的結構化缺陷。
這是什麼¶
一句話定位：基於「雙層 Loop Harness」的學術寫作與科研驗證方法論 Skill，通過 Oracle 錨定、反例生成、Shrinking 壓縮、上下文注入、並行 Agent 五層機制，持續對正文做邏輯校驗與最小化修復。
來源與維護：SkillHub 社區來源（community），發佈者 user_d0deb03a，當前版本 1.0.0，分類 professional，標籤標明 requires_api_key=false（不依賴額外 API Key）。頁面統計（以 SkillHub 展示爲準）：評分 100000，下載 3811。
官方入口：
- Skill 包地址：
https://api.skillhub.cn/user_d0deb03a/minimal-counterexample-repair-v2 - 介紹頁：
https://www.skillhub.cn/skills/user_d0deb03a/minimal-counterexample-repair-v2
Skill 主文檔中的英文標識爲 minimal_counterexample_repair，副標題爲「最小化反例修復 · 學術寫作與研究驗證 Harness 系統」，與 SkillHub 中文名稱指向同一套能力。
核心功能¶
以下能力均來自 Skill 自帶的 SKILL.md 與參考文檔，可按需裁剪使用強度。
五層 Harness 架構¶
-
Layer 1 — Oracle（參照標準錨定）
顯式定義「好論證」的參照：如 IMRaD 邏輯鏈、目標期刊結構、基金評審指標，或實驗設計中的基線。科研場景常需指定多篇相關頂會論文作爲「多 Oracle」，避免單一標準。 -
Layer 2 — 反例生成
四種模式可組合使用：
- 模式 A 逆向提綱法：段落壓成 Claim 鏈，檢查相鄰斷言是否存在蘊含缺口。
- 模式 B 模擬審稿人：從數據支撐、術語一致、混雜變量、替代解釋等維度攻擊。
- 模式 C 邊界條件搜索：極端樣本、缺失數據、適用邊界等。
- 模式 D 找茬隊列：寫新章節前先列若干條最致命的反對意見。 -
Layer 3 — Shrinking（反例最小化）
三步壓縮：斷言提取（含 2×2 證據表）→ 精確對標 → 鎖定最小修復點。快速版爲「5 分鐘電梯測試」：將核心段落壓到約 50 字，若壓縮後邏輯斷裂則定位問題句。 -
Layer 4 — Context Management（上下文注入）
修復前重新注入研究問題、Thesis Statement、目標期刊/評審規範、當前最小反例，避免改局部時偏離主線。 -
Layer 5 — Parallel Agents（並行 Agent）
批判路徑（Critic）與辯護路徑（Defender）並行，合併後由操作者決策，再進入 Shrinking 與最小修復。
完整工作流（Phase 0–5）¶
| 階段 | 內容 |
|---|---|
| Phase 0 | 準備 — 錨定 Oracle |
| Phase 1 | 生成 — 初稿產出 |
| Phase 2 | 校驗 — 反例生成（四種模式） |
| Phase 3 | 壓縮 — Shrinking |
| Phase 4 | 修復 — 僅針對最小反例改動 |
| Phase 5 | 迭代 — 迴歸驗證 |
時間緊時可按 Skill 建議的優先級：先做 Phase 2 模式 D + Phase 3，再補模式 A，完整體驗再走全流程與並行 Agent。
觸發與輸入輸出約定¶
適合觸發的任務（Skill 的 when_to_use）：學術論文/學位論文/會議論文撰寫與修改、研究報告與技術報告、基金申請書（含 NSFC 等）、文獻綜述與批判性分析、實驗設計與結論一致性檢查、模擬審稿、邏輯一致性審計；用戶提到「找茬」「邏輯檢查」「反例」「Harness」「證僞」「審稿人視角」等也可啓用。
輸入校驗要點：正文類檢查建議 ≥500 字；不足 200 字時 Claim 鏈分析價值有限，可僅用電梯測試；需可複製的純文本，非掃描 PDF/圖片需先 OCR 或抄寫。Skill 明確不承擔語言潤色、排版、翻譯、替代統計軟件、事實覈查引用真僞等職責。
輸出類型（按任務）：修復後文本與反例隊列、含 Claim 鏈與支撐評級的審計報告、基金指標覆蓋矩陣、文獻批判矩陣、電梯測試通過/不通過判定等；可選缺陷追蹤表（Skill 註明可與生成 Excel 類 Skill 配合）。
運行環境：無需瀏覽器登錄；Sandbox 可選（用於結構化輸出文件）；不強制 MCP 或頁面腳本。
安裝與啓用¶
SkillHub 頁面給出的安裝提示是：讓 Agent 按官方安裝說明文檔安裝指定座標。
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_d0deb03a/minimal-counterexample-repair-v2`。
若本機已有 SkillHub CLI，安裝時需用 --dir 指向當前 Agent 的 skills 目錄（裝到默認 ./skills/ 可能不會被識別）。官方文檔中的檢查與安裝示例：
command -v skillhub && skillhub --version
未安裝 CLI 時，完整安裝（CLI + 默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅安裝 CLI：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安裝本 Skill 到 Agent skills 目錄（將 <skills 目錄> 換成你環境對應路徑）：
skillhub install @user_d0deb03a/minimal-counterexample-repair-v2 --dir <skills 目錄>
官方文檔列出的常用路徑包括：Cursor ~/.cursor/skills/、Claude Code ~/.claude/skills/、Codex ~/.codex/skills/ 或項目下 .agents/skills/ 等。不同客戶端目錄不同，以 skillhub.md 與各自文檔爲準。安裝後按各 Agent 要求刷新或重啓以加載 Skill。
典型用法¶
1、用自然語言直接調用¶
把待檢查章節粘貼給已啓用 Skill 的 Agent，並說明意圖，例如：
幫我檢查這篇論文的邏輯問題
或指定模式：
用逆向提綱法分析這段論述
對這段話做邊界條件攻擊
把這個問題壓縮到最小反例
指定輸出形式時，可要求缺陷追蹤表、審計報告或 Oracle 錨定工作表（模板見 Skill 內 references/templates.md）。
2、5 分鐘電梯測試（quick-start 可復現流程）¶
以 Skill 新手指南中的結論段爲例：將一段論述壓縮到約 50 字，檢查覈心意思是否完整、邏輯鏈是否斷裂。若出現「基準性能高」直接推出「可用於安全關鍵場景」之類跳躍，即用 2×2 證據表標出「無支撐斷言」，再只對問題句做最小修改（弱化措辭、加限定或縮結論），並記錄一條迴歸測試條目，防止同類斷言再次出現。
3、全流程示例¶
Skill 內 examples/paper-review-workflow.md 演示了從 Phase 0 Oracle 錨定、四種反例模式、Shrinking 定位 CE-02 類「工業應用」過強斷言，到 Phase 4 最小修復與 Phase 5 迴歸驗證的完整鏈條。學習時可對照該文件理解「多輪生成—校驗—壓縮—修復」而非一次性通讀。
安裝後 Skill 目錄中的主要文件：SKILL.md（主入口）、references/quick-start.md、references/methodology.md、references/templates.md、references/faq.md、examples/paper-review-workflow.md。
適用場景與注意¶
適合誰
- 寫完初稿或某一章後，需要系統性檢查 Claim 鏈與證據支撐的研究人員與學生。
- 投稿前希望模擬審稿人視角、提前暴露可能被質疑的斷言。
- 處理 Reviewer Comments 時，想把意見壓縮成最小反例再改，避免全文重寫。
- 撰寫基金本子、文獻綜述，需要對照評審指標或批判性矩陣逐項覈對。
- 導師輔導學生時，需要統一、可操作的邏輯審計框架。
限制與坑
- 關注邏輯與論證結構，不替代語法潤色、期刊排版、統計計算或文獻真實性覈查。
- 極短文本（如單獨標題）不適合做完整 Claim 鏈分析。
- Oracle 若未用戶提供，Skill 會回退通用學術規範並說明侷限；質量依賴你提供的參照標準與頂會樣例。
- 反例由模型推理生成，最終是否修改仍由作者判斷；修復後可能引入新缺陷，需依賴迴歸測試集迭代。
- 上下文過長時可分塊注入，每次只帶與當前反例相關的 Context Pack。
結尾¶
「報告/論文/基金項目申請嚴謹寫作（循環駕馭正反面論證）」把「寫完再改」推進爲「邊寫邊做論證壓力測試」：用 Oracle 定標、用反例暴露缺口、用 Shrinking 釘到最小修復點，再用迴歸驗證守住已修部分。若你正在寫論文、報告或基金本子，並希望在投稿前把邏輯問題變成可追蹤的缺陷清單，可從 SkillHub 安裝 @user_d0deb03a/minimal-counterexample-repair-v2，並按 references/quick-start.md 跑一遍 5 分鐘電梯測試。
- Skill 包：
https://api.skillhub.cn/user_d0deb03a/minimal-counterexample-repair-v2 - 介紹頁：
https://www.skillhub.cn/skills/user_d0deb03a/minimal-counterexample-repair-v2
