用途：审计 Markdown 白皮书或长篇技术文档，按基于研究的最佳实践清单输出一份合并、按优先级排序的报告。输入需为 Markdown 源文件，不是 PDF；还需要说明目标受众（未提供时默认“technical practitioners, non-academic”），并可选择模式：推荐（默认，只建议不改）或修复（仅在明确要求时）。
工作流分两通道：第一通道是确定性脚本，运行 python3 scripts/check_doc.py <doc.md> --offline [--target-grade N] [--allow ACRO]，去掉 --offline 还可检查 http(s) 链接（HEAD→GET、超时，仅失效链接算发现），输出 JSON。第二通道是 LLM 评审，派发一个全新上下文的子代理，填入 references/audit-prompt.md 中的 {PATH} 与 {AUDIENCE} 以及清单里的 judge 标准，评审返回 JSON；其校准规则具约束力：要求逐字引用、低置信度不得标 P0、只写“needs verification”而不写“factually wrong”。随后合并：按（位置、问题类型）去重并保留两通道归属，按 P0→P1→P2 再按置信度排序，并交叉引用（支持某主张的失效链接根据重要性归 P1，装饰性归 P2）。默认模式输出 Markdown 报告，含结论、发现表和详情；修复模式按 P0 优先应用修改，涉及代码的改动须经过测试驱动开发，文字修改后重跑完整审计。
限制与文件：仅覆盖 Markdown 文档；脚本仅用标准库（--help 查看参数）。相关文件有 references/checklist.md、references/audit-prompt.md、evals/ 与 DESIGN.md。若新增或修改评审提示词，需先按 evals/README.md 运行评估，第一通道由 scripts/tests/test_check_doc.py（pytest）覆盖。具体收费、平台与效果资料暂未提供。