ara-rigor-reviewer 是一款针对 Agent-Native Research Artifacts（ARA，智能体原生研究工件）的审阅技能，定位为 ARA Seal 的 Level 2：Semantic Epistemic Review（语义认知评审）。它的前一步是 Level 1 结构校验：引用可解析、必填字段存在、探索树可解析、跨层链接双向一致。Level 2 不再重复检查这些结构性问题，而是评估 ARA 的内容在认知层面是否站得住脚——证据是否真的支持声明、论证是否连贯、研究过程是否诚实记录。
用途
该技能接收一个 ARA 目录路径，产出位于工件根目录的 level2_report.json。它被设计为一名客观的研究评审者，同时强调建设性：既要识别优点，也要指出缺点，提供可执行的改进建议，并给出经过校准的总体评价。它不是缺陷探测器，而是帮助作者改进工作的评审者。
主要能力：六个评审维度
每个维度按 1-5 分评分，并附优点、缺点与建议。所有检查都是语义性的，需要阅读理解与推理，而非结构校验：
- D1 证据相关性（Evidence Relevance）：被引证据是否在实质上支持每一条声明，而不仅仅是存在引用关系。评估时结合声明类型判断实验设计是否匹配——因果类声明需要隔离性消融，泛化类声明需要异构测试条件，改进类声明需要基线对比，描述类声明需要代表性采样，范围限定类声明需要明确声明的边界。同时判断单一实验是否足以支撑该声明。
- D2 可证伪性质量（Falsifiability Quality）：证伪标准是否有意义、可操作、范围恰当。关注可操作性（独立研究者能否执行，是否规定测量对象、失败阈值与条件）、非平凡性（避免“如果方法不奏效”这类套话）、范围匹配（证伪标准与声明范围一致）、独立性（能否不依赖作者专有数据或系统即可检验）。
- D3 范围校准（Scope Calibration）：声明是否恰好断言了证据所支持的内容。检查过度声明（如“所有模型”“任何数据集”等全称限定词而证据只覆盖狭窄条件）、声明不足（证据中存在但未被任何声明覆盖的重要结果）、假设显式性（关键假设是否写在 problem.md 的 Assumptions 或 constraints.md 中）、泛化边界（是否清楚说明声明不适用的范围）、限定词一致性（“倾向于”“多数情况下”等模糊表达是否与证据强度一致）。
- D4 论证连贯性（Argument Coherence）：叙事是否沿问题—方案—证据的逻辑弧线展开。检查观察→差距推导、差距→洞察连接、洞察→方案对齐、方案→声明覆盖、跨层一致性（声明、探索树与证据是否讲同一个故事）、叙事完整性（有待回答却未回答也未明确推迟的问题）、差距覆盖（每个差距是否至少有一条声明实质回应）。
- D5 探索完整性（Exploration Integrity）：探索树是否记录了真实的研究过程，包括失败。检查死胡同质量（failure_mode 是否具体可执行、lesson 是否是可迁移的真知）、决策理据质量（是否解释为何选此路径而非替代方案、替代方案是否真实而非稻草人）、被否定分支一致性（是否有声明主张了树中被标为 dead_end 或 pivot 的方法）、探索广度（主要设计选择是否至少考虑并记录了两个替代方案）、诚实信号（是否为零死胡同或仅琐碎失败，可能暗示事后合理化）。
- D6 方法学严谨性（Methodological Rigor）：实验是否设计良好，具备充分基线、消融与报告。检查基线充分性、消融覆盖、统计报告（方差、置信区间、运行次数、统计检验）、指标与声明对齐、可复现性信号（模型名、数据集、硬件、超参数）。
使用方式
技能通过原生工具（Read、Write、Glob、Grep）运行，不执行代码、不抓取 URL、不查阅外部来源。流程如下：
- 按固定顺序读取 ARA 文件，并记录为报告中的 read_order：PAPER.md；logic/claims.md；logic/experiments.md；logic/problem.md；logic/concepts.md；logic/solution/architecture.md、algorithm.md、constraints.md、heuristics.md；logic/related_work.md；trace/exploration_tree.yaml；evidence/README.md（若存在）；并从 evidence/tables/ 或 evidence/figures/ 抽查 2-3 个证据文件。
- 解析实体：从 logic/claims.md 提取每条 ## C{NN} 声明的 Statement、Status、Falsification criteria、Proof（实验 ID）、Dependencies（声明 ID）、Tags；从 logic/experiments.md 提取每条 ## E{NN} 实验的 Verifies（声明 ID）、Setup、Procedure、Metrics、Expected outcome、Baselines、Dependencies；从 logic/solution/heuristics.md 提取 ## H{NN} 的 Rationale、Sensitivity、Bounds、Code ref；从 logic/problem.md 提取 O{N} 与 G{N}；从探索树提取所有节点的 id、type、title 及类型特定字段。
- 构建工作映射：claim_proof_map、experiment_verifies_map、claim_dependency_edges、gap_set、rejected_nodes、decision_nodes（不校验结构完整性）。
- 对每个维度进行语义推理并记录优点、缺点、建议。
- 汇总发现：为每条发现分配 finding_id（F01、F02…）、dimension（D1-D6）、severity（critical / major / minor / suggestion）、target_file、target_entity、evidence_span（必须逐字引用，若针对缺失则为空）、observation、reasoning、suggestion，并按严重程度排序。
- 计算总体评级：六个维度得分的均值，按映射给出 Strong Accept（均值 ≥ 4.5 且无维度 < 3）、Accept（均值 ≥ 3.8 且无维度 < 2）、Weak Accept（均值 ≥ 3.0 且无维度 < 2）、Weak Reject（均值 ≥ 2.0 且均值 < 3.0 或任一维度 < 2）、Reject（均值 < 2.0 或任一维度 = 1）。
- 写出 level2_report.json，包含 artifact、artifact_dir、review_version、prerequisite、overall（grade、mean_score、one_line_summary、strengths_summary、weaknesses_summary）、dimensions（六个维度的 score、strengths、weaknesses、suggestions）、findings、questions_for_authors、read_order。
适用场景
适用于已通过 Level 1 结构校验的 Agent-Native Research Artifacts，需要对其内容进行语义层面的认知评审时。目标用户是希望获得可执行改进建议、了解声明与证据是否匹配、论证是否连贯、探索过程是否诚实记录的研究作者或评审流程。
限制
技能明确不执行代码、不抓取 URL、不查阅外部来源，对 ARA 所报告的证据按字面接受。它不重复校验引用解析、字段存在、YAML 解析或跨链接一致性，这些由 Level 1 保证。评分需经过校准：多数合格 ARA 应落在 3-4 分区间，5 分代表真正优秀而不仅是“未发现问题”，1 分代表存在根本性问题。发现内容若涉及 ARA 中已存在的内容，必须引用精确子串；若针对缺失内容（如缺少基线、范围不匹配）则可省略引用。每条缺点都应附带建议，以保持建设性基调。关于定价、收费、平台支持或具体运行步骤等未在资料中提供的细节，暂未提供。