用途：对科研论文 PDF 做严格多轮审查，识别可能的图片复用、实验数据异常、数字模式异常、表格不一致等疑点，并输出带证据定位的审计报告。
主要能力：
- 用 MinerU 将 PDF 转为 Markdown 及结构化输出（full.md、_content_list.json、_middle.json、图片、mineru_manifest.json）。
- 构建证据台账（evidence_ledger.json），索引文本、表格、图表、图注、页码、边界框、图片路径、Markdown 行、内容块、表格行列单元格值及原始值。
- 运行确定性数值取证（numeric_forensics.py），检查完全重复、重复小数、末位数字、整数化、本福特定律适用性与偏差、简单列关系提示。
- 支持多智能体审计：图片取证、数据重复、数字模式、数学一致性、本福特、分布、领域合理性、辩护、裁判等角色。
- 可生成标注证据图（render_evidence_tables.py），保留源文件、工作表、范围、示例与风险说明。
使用方式：
- 在环境变量中设置 MINERU_API_TOKEN（不得写入技能文件、脚本、报告或命令历史）。
- 运行 python3 scripts/mineru_convert.py /path/to/paper.pdf --output /path/to/audit-workdir。
- 运行 python3 scripts/build_evidence_ledger.py /path/to/audit-workdir --output /path/to/audit-workdir/evidence_ledger.json。
- 运行 python3 scripts/numeric_forensics.py /path/to/audit-workdir --output /path/to/audit-workdir/numeric_forensics.json。
- 如需证据图：python3 scripts/render_evidence_tables.py --audit-json /path/to/blind_source_audit.json --xlsx-root /path/to/source-data-xlsx-folder --output /path/to/audit-workdir/evidence_images。
适用场景：论文造假疑点审查、图片/表格/实验数据异常检查、本福特定律分析、高风险表格标注与证据图生成。
限制与纪律：不得凭单一信号判定造假，只能表述为异常、疑点、需人工复核或高风险证据链；每项发现须引用页码、图表编号、Markdown 行、图片路径、表格行列及原始值；本福特定律须先判断适用性，不适用时改用末位/整数化检查；证据图须可追溯，优先确定性标注渲染，生成式图片仅用于展示层；报告需列出 MinerU 提取质量、PDF 图片分辨率、样本量限制等局限。风险分级为低、中、高、严重。