Research Guardian 是用于 AI 研究品质防护的 skill，核心思路是在研究流程的关键节点加入验证闸门，使输出更接近同行评审级别的可检验性。其原则是每条研究性断言至少经过两道独立验证，且产生内容的 agent 不能评估自己的输出，评估须由独立 subagent 在干净 context 中执行，以避免 context rot 与自我评估偏差。
用途与触发：当 AI 被要求生成研究假设、撰写文献回顾、设计实验、分析数据、撰写论文段落或评估研究结果时，自动启动对应模块，包括 Hypothesis Guard、Literature Guard、Experiment Guard、Result Guard、Writing Guard，以及贯穿各闸门的 Logic Fallacy Chain 推理验证层。
主要能力：提供 Pre-scan 快速扫描、平行执行架构、标准化 Issue Schema（含 evidence anchoring、confidence、suggested_fix）、Issue Normalization 去重与严重度校准、10 对跨章节一致性检查、引用伦理分析（自我引用率、citation clustering、掠夺性期刊）、反幻觉 grounding，以及 Reviewer Persona 模拟、Counter-Arguments、Version Diff、Rejection Risk Score、Fix Examples 等扩展功能。输出附信心等级：HIGH、MEDIUM、LOW、UNVERIFIED。
使用方式：先读取 quick-modes 选择 QUICK、STANDARD 或 FULL 模式及场景 Preset；可用 scripts/runner.py 管理流程，例如 python scripts/runner.py review paper.txt、--mode full、--preset ml、resume、status、dashboard。支持 checkpoint 与 resume，输出位于 /tmp/research-guardian/。指令接口包括 /review、/batch-review、/audit、/compare、/risk、/fix 等。
适用场景：机器学习投稿、临床报告、社科调查、文献回顾、假设生成、多篇论文批次审查、造假侦测与论文比较。
限制：资料未提供具体收费、价格、平台支持范围与实测效果数据；若只启用一个闸门，建议优先 Literature Guard。新增 Gate 属重量级变更，需修改多个文件。