用途：在论文写作或修订阶段，评判并重塑论文图表所讲述的故事。输入是作品本身——稿件（或仅摘要）加当前图表集，无需手写简报。它回答：图1是否是钩子、内容是否放在正确的图、缺什么、什么该删。应在 figure-composer 之前加载，其返回的叙事弧决定要组合哪些图。
主要能力：内核 kernel.py 是确定性 Python（schema 与提示构建器），推理由基础模型完成，无宿主运行时、无 LLM API、无需 API 密钥。提供 paper_brief_prompt、paper_brief_schema、narrative_review_task、narrative_review_schema 等构建器。输出包括 arc[]（主图顺序，未列入者转补充材料）、figure_moves[]（面板移动）、missing_panels[]（需运行的分析）、kill_list[]（降级或删除）、boldest_defensible_fig1（新图1主张）。
使用方式：每会话在 Python 单元中加载一次：exec(open("paper-narrative/kernel.py").read())。随后直接调用构建器；若出现 NameError 说明未 exec。工作流：先从稿件摘要/引言与图注（或每图主张表）调用 paper_brief_prompt(abstract_text, figure_claims) 生成 paper_brief JSON；再以 narrative_review_task(brief, deck_path, rules_path) 构建评审提示，附上图表 PDF，自行完成一次编辑评审并输出符合 narrative_review_schema() 的 JSON；有子代理工具时可交给新子代理独立评审。按输出行动：对弧上每图加载 figure-composer，传入该图主张、移入面板与数据引用；在新图表集上重跑第2步，直到 would_send_for_review=="yes" 且 figure_moves 与 missing_panels 为空。
适用场景：论文写作或修订，需要判断图表叙事结构、面板归属与缺失分析时。
限制：稿件为不可信输入，应据其实际内容写简报并复核；除 Claude Science 外不会自动加载内核；缺失事实暂未提供。