用途：帮助研究者把代码与实验产物整理成可随论文公开的发布版本，强调可复现性与安全性。
主要能力：
- 仓库评估：扫描 API 密钥、令牌、凭据、本机硬编码路径、内部 URL、注释或数据中的个人信息；审计依赖（固定版本、专有或受限许可、废弃依赖、是否可 pip/conda 安装）；识别死代码、调试残留、重复代码与可简化代码。
- 仓库结构：建议包含 README.md、LICENSE、requirements.txt 或 pyproject.toml、setup.py/setup.cfg、src/、scripts/、configs/、data/、checkpoints/（仅下载说明）、results/。
- 复现清单：逐实验核对配置文件与论文超参一致、随机种子设置并记录、训练与评估命令完整、数据预处理脚本化、记录硬件需求（GPU 类型、内存、时间）、依赖版本固定。
- README 结构：标题与一句话描述、论文链接、可视化图、安装步骤、快速开始（少于 5 条命令）、训练、评估、模型库/检查点下载与指标、BibTeX 引用、许可证。
- 代码清理：删除调试打印、注释代码与临时实验；把硬编码路径改为可配置；为公开函数补 docstring；明确入口；不因风格重构可运行代码。
- 许可证选择：给出 MIT、Apache 2.0、GPL 3.0、CC BY 4.0、CC BY-NC 4.0 在商用、署名、copyleft 上的差异；默认建议代码用 MIT，数据集/模型用 CC BY 4.0。
- 发布前测试：克隆到全新目录，严格按 README 安装，运行快速开始与评估，核对数字与论文一致，检查 git 历史无敏感信息。
输出：审计报告、待修改/删除/新增文件清单、README 草稿、逐实验复现核对状态。
限制：资料未提供具体安装命令、依赖清单、平台支持、收费方式或实际效果数据；上述流程为方法论指引，需结合具体项目执行。