前言¶
論文補充材料裏的源數據經常是幾十行乘幾十列的表格，散落在多個 Excel、CSV 文件裏，也有直接貼進 PDF 和 Word 的。人工想排查結構異常——某一列是不是固定倍數關係、某幾行是不是重複出現在別處、一批數字是不是共享同一段小數尾巴——成本很高，也容易漏看。
下面介紹的 PaperConan論文柯南，就是針對這個場景的工具：一組確定性數值檢測器，加上配套的 AI 解讀規程，把值得人工複覈的位置定位到文件、sheet、行列和觸發的規則。
這是 PaperConan論文柯南¶
一句話定位：給論文補充材料裏的源數據表格做”數值體檢”的開源命令行工具 + AI 技能。
它由社區發佈者 user_a26c8b8f 維護，分類 data-analysis，當前版本 1.0.2，來源標註爲 community。官方地址是 https://api.skillhub.cn/user_a26c8b8f/paperconan ，源碼與完整文檔在 https://github.com/zixixr/paperconan 。截至抓取時，SkillHub 頁面顯示評分 100000、下載 939 次。
分工是：命令行負責掃描、抓取、輸出結構化結果；AI 技能按內置規程解讀結果，產出複覈建議和解讀報告。
核心功能：確定性檢測器，不是語義判斷¶
覆蓋範圍：
.xlsx/.xls/.csv/.tsv文件；.pdf、.docx文檔中的表格；- 註冊的圖片資產走圖審：由外部多模態 Agent 做自適應複查（adaptive image review）。
檢測信號共 30 餘種，常見的幾類：
- 跨列恆定倍數、跨列恆定偏移；
- 跨表 / 跨 sheet 複製；
- 行向複用；
- 共享小數尾；
- GRIM / GRIMMER 均值一致性；
- 末位數字分佈異常。
所有命中都是統計信號：工具報告文件、sheet、行、列的位置和觸發的規則名，不判斷動機，也不指控任何人。掃描結果寫入 audit/scan.json（結構化，程序可讀），並生成可視化 report.html。
安裝與啓用¶
需要 Python 3.10+。
pip install "paperconan[all]"
若 pip 報 externally-managed-environment（PEP 668，Homebrew、Debian 自帶 Python 上常見），改用以下任一種方式：
uv tool install "paperconan[all]"
pipx install "paperconan[all]"
技能本身是通用 SKILL.md 格式，從官方地址頁安裝後在 Agent 側加載即可；接入細節以官方頁面和倉庫文檔爲準。
典型用法¶
按順序走一遍：
1、掃描一個源數據目錄：
paperconan <dir>
掃描完成後，輸出 audit/scan.json 與 report.html。
2、只有 DOI 或標題時，先抓公開數據：
paperconan fetch "DOI或標題"
fetch 按 DOI 查找並下載公開的補充數據；0.8.4 起恢復了對 Nature 系補充材料的抓取。
3、解讀掃描結果：
paperconan overview
paperconan drill
paperconan explain
這三個命令由粗到細分層解讀掃描結果。具體字段含義以倉庫文檔爲準。
4、配合技能生成解讀：加載技能後，AI 會按內置規程工作——分層讀取（layered reading）、誤報甄別（false-positive screening）、中立措辭（neutral language），給出複覈建議與解讀報告。
結果怎麼讀¶
所有命中都只是統計信號，不是結論。report.html 裏的每一條標註都是”值得看一眼”，不是”有問題”；真正的解釋需要原始數據、圖注、Methods 和作者說明。誤報甄別是技能內置規程的一部分：AI 在給建議前先自查一輪。
適用場景與注意¶
適合的場景包括：論文數據檢查、source data audit / paper data audit、suspicious numeric tables 的初步排查、figure review、multimodal image review、準備謹慎的 PubPeer 或研究誠信（research integrity）備註、按 DOI / 標題找公開補充數據。
兩個明確不在範圍內的：
- 不做圖表數字化（chart digitization）；
- 不做自主語義判斷（autonomous semantic judgment）。
需要注意的點：掃描範圍是確定性的數值與表格結構檢查，圖片部分依賴外部多模態 Agent 的複審；所有結果都只是信號，最終解釋需要人工結合原始數據與作者說明來做。
小結¶
PaperConan論文柯南的價值，是在論文發表或公開質疑之前，用一組確定性檢測器把源數據表格裏值得複覈的結構異常先篩出來，降低逐行手工排查的成本。它負責定位信號，不負責下結論；把結果交給人，人再結合原始數據與作者說明來判斷。
官方地址：https://api.skillhub.cn/user_a26c8b8f/paperconan
源碼與文檔：https://github.com/zixixr/paperconan
