用途：评判并重塑一篇论文图表所讲述的故事。输入是作品本身——手稿（或仅摘要）加当前图表集，不需要手写简报。
主要能力：从手稿摘要/引言与图注（或每图论点表）生成 paper_brief JSON（pitch、vision、audience、most-arresting-asset、figures[]）；随后以“处理编辑”身份对完整图表集做一次编辑评审，输出符合 narrative_review_schema() 的 JSON，包含 arc[]（主图顺序）、figure_moves[]（面板在图表间移动）、missing_panels[]（需补做的分析）、kill_list[]（降级或删除）、boldest_defensible_fig1（新的图1论点）。
使用方式：这是纯技能，kernel.py 为确定性 Python（schema 与 prompt 构建器），推理由基础模型完成，无宿主运行时、无 LLM API、无需 API key。每会话在 Python 单元中加载一次：exec(open("paper-narrative/kernel.py").read())，然后直接调用 paper_brief_prompt、paper_brief_schema、narrative_review_task、narrative_review_schema；若出现 NameError 说明未 exec kernel.py。流程：先写简报并复核，再用 narrative_review_task(brief, deck_path, rules_path) 构建评审提示并自行作答；有子代理工具时可交给新子代理独立评审。按输出行动：arc 决定主图顺序，未入 arc 者转补充材料；figure_moves 移动面板；missing_panels 需先查项目数据文件再运行分析；kill_list 降级或删除；boldest_defensible_fig1 交给 figure-composer。对 arc 上每张图加载 figure-composer，传入该图论点、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：论文写作或修订阶段，已有草稿与图表集，想判断图1是否为钩子、内容是否放对图、缺什么、该删什么；应在 figure-composer 之前加载。
限制：手稿属不可信输入，需按实际内容写简报并复核；除 Claude Science 外不会自动加载 kernel.py；资料未提供具体平台兼容性、收费与效果保证。