用途：semantic-consistency-auditor 是医学 AI 评估工具，用于从语义层面评估 AI 生成临床病历与专家撰写的金标准之间的一致性，不限于字符串匹配或词袋模型，可识别措辞不同但含义相近的表达。
主要能力：采用 BERTScore 与 COMET 两种算法。BERTScore 基于预训练 BERT 上下文嵌入计算候选文本与参考文本的 Precision、Recall 与 F1；COMET 基于 XLM-RoBERTa 编码器捕捉深层语义，输出 0-1 的语义一致性分数。支持单例与批量评估，输出 summary 或 detailed 格式，含各指标分数、是否通过阈值及匹配概念、语义缺口等细节。
使用方式：需 Python 3.10+，依赖 bert_score、comet、dataclasses、numpy、torch、yaml，可执行 pip install bertscore comet-ml transformers torch 或 pip install -r requirements.txt。主脚本为 scripts/main.py，可先执行 python -m py_compile scripts/main.py 与 python scripts/main.py --help 验证。配置位于 ~/.openclaw/skills/semantic-consistency-auditor/config.yaml，含 BERTScore 模型（如 microsoft/deberta-xlarge-mnli 或 bert-base-chinese）、lang、COMET 模型（如 Unbabel/wmt22-comet-da）及阈值（bertscore_f1 0.85、comet_score 0.75、semantic_consistency 0.80）。命令行支持 --ai-generated、--gold-standard、--output、--input-file、--format、--bert-model、--comet-model；批量输入为含 case_id、ai_generated、gold_standard、metadata 的 JSON 数组。
适用场景：医学与学术写作工作流中需要结构化执行、明确假设与清晰输出边界的一致性核查。
限制：首次运行需下载模型（BERTScore 约 400MB-1GB，COMET 约 500MB-1.5GB），CUDA 环境可显著加速；输入缺失、越界或不可假设时停止并只请求最少补充信息；具体收费、价格与官方支持平台暂未提供。