/audit — 論文一貫性監査スキル
目的
すべての論文章をスキャンし、内部データの一貫性に関する問題（矛盾する数値、不統一な用語、壊れた相互参照、計算ミス）を検出します。これは提出前の品質チェックです。
トリガーワード
このスキルは次のキーワードで起動します: audit、consistency check、check numbers、/audit。
ワークフロー
-
chapters/ディレクトリ内のすべての章ファイルをスキャンします（Globを使用）。各ファイルを読み込み、数値的な主張、用語、相互参照を抽出します。 -
以下のカテゴリをチェック:
A. 数値の一貫性
- 同じ統計（例：精度、サンプルサイズ、p値）が複数の章で引用されている場合、同じ値でなければなりません。
- 分布内のパーセンテージは合計が100%になる必要があります（丸め誤差のため±1%の許容範囲）。
- カウント（例：「42モデル」）は章間で一致しなければなりません。
B. 用語の一貫性
- 同じ概念は全体を通じて同じ用語を使用する必要があります。同義語が不統一に使用されている場合（例：同じ概念に対して「疑似理解」と「誤った理解」）をフラグします。
- 略語は各章で最初に使用される際に定義されていなければなりません。
C. 相互参照の有効性
- 他のセクションへの参照（例：「3.2節で議論したように」）は、存在するセクションを指していなければなりません。
- 表や図への参照は、実際の表・図番号と一致する必要があります。
- 前方参照（「第6章で示すように...」）は満たされていなければなりません。
D. 引用の一貫性
python3 scripts/audit-citations.py --base-dir . --style $(grep -oP '(?<=Citation style: )\S+' CLAUDE.md) --jsonを実行し、JSON出力を解析します。このスクリプトは4つの階層を実装しています:- Tier 0 —
literature/reading_notes/*_NOTES.md上のソース行lint。欠落または不正な**Source**:行をフラグします。重要度medium（notes-source-missing）またはmedium（notes-source-malformed）。 - Tier 1 — ペアリング。すべての本文引用は
**Source**:エントリと一致しなければならず、すべてのSourceは少なくとも1回引用されなければなりません。3つのモード:- Author-Year（Harvard、APA、Chicago Author-Date、GB/T 7714-2015）:
(姓, 年)でペアリング。ファントムと未使用 → 重要度high。 - Author-Page（MLA）:
姓のみでペアリング。 - 数値形式（IEEE、Vancouver）: カウントバランス + 整数ギャップ検出でペアリング。
- Author-Year（Harvard、APA、Chicago Author-Date、GB/T 7714-2015）:
- Tier 2 — すべての本文引用にわたるスタイルモード検出。原稿が揺れた場合（例：
(Smith 2024)と(Smith, 2024)の混在）に外れ値をフラグします。重要度medium。 - Tier 3 —
CLAUDE.mdで宣言されたCitation style:に対するスタイル別フォーマット検証。誤ったコンマ、et al.閾値違反、誤った複数著者接続詞をフラグします。重要度low。
スクリプトの終了コードは
0（問題なし）、1（任意の階層で問題あり）、2（無効な引数）です。スクリプトの問題を以下のIssuesテーブルに新しい行として追加します。重要度の語彙は直接マッピングされます（critical | high | medium | low | info）。JSONスキーマとサポートされるスタイルの一覧については、
docs/superpowers/specs/2026-04-27-c-rest-citation-design.mdを参照してください。 -
監査レポートを出力 以下のフォーマットを使用します。
出力フォーマット
## 監査レポート -- {YYYY-MM-DD}
### サマリー
- **Critical**: {N} 件（矛盾するデータ）
- **High**: {N} 件（壊れた参照、欠落した定義）
- **Medium**: {N} 件（用語の不統一、軽微な計算ミス）
### 問題一覧
| # | 重要度 | カテゴリ | 場所 | 問題 | 現在の値 | 期待される値 |
|---|--------|----------|------|------|----------|--------------|
| 1 | Critical | 数値 | 第3章 3.2節、第5章 5.4節 | PUR値が異なる | 22.5%（第3章） vs 23.1%（第5章） | 一致すべき |
| 2 | High | 相互参照 | 第4章 4.1節 | 「3.7節」への参照 | 3.7節 | セクションが存在しない |
### 推奨事項
{重要度ごとにグループ化、各問題の解決方法に関する簡単なメモ。}
重要度レベル
- Critical: 同じ定量的主張が異なる章で異なる値を持つ。これは直接論文の信頼性を損なう。
- High: 壊れた相互参照、最初の使用時に未定義の略語、欠落した表/図番号。
- Medium: 事実誤認を引き起こさない不統一な用語、許容範囲内の軽微な丸め誤差。
制約
- 決して自動修正しない。 すべての問題をリストアップし、ユーザーが確認して判断できるようにする。ユーザーは選択的に修正することを選べる。
- 出力に絵文字は使用しない。
- すべてのインスタンスを報告する、最初の出現だけでなく。ある統計が4つの章に2つの異なる値で現れる場合、4つの場所すべてをリストする。
- 場所を具体的に指定する。 章番号、節番号、周辺の文脈を提供し、ユーザーが問題を素早く見つけられるようにする。
- スタイル上の問題はフラグしない。 このスキルはデータの一貫性をチェックし、散文の品質はチェックしない。