用途：这是一个元技能（meta-skill），在工具包中其他技能产出稿件后运行，回答一个诚实的问题——这次改动真的让论文更好，还是只是变得不同。它对照四类锚点进行批判：目标、论文的 .paper-memory/profile.yml、与任务匹配的评分量表、以及 .paper-memory/lessons.md 中的历史教训；在硬性预算内迭代，拒绝接受会降低可测量分数的改动，并记录所学以便下一篇论文更聪明。它是副驾驶而非主驾驶：只提建议，由作者决定和编辑。
主要能力：建立基线（优先复用产出技能自带的检查器，否则按量表打 1–5 分）；读取记忆与 profile 以个性化批判；按目标/画像/量表/教训逐条给出发现、证据与最小修复；用回归守卫比较改动前后分数，给出 KEEP / REVERT / TIE 判定；在迭代上限（默认 3 轮）内迭代，连续两轮无增益即停；追加去重、带日期的教训。
使用方式：在 polish-prose、write-rebuttal、write-abstract、preflight-check、tailor-to-venue、draft-related-work 等技能产出稿件后使用。示例命令：python3 scripts/reflect_log.py score --memory .paper-memory --skill polish-prose --metric hedge-count --before 11；python3 scripts/reflect_log.py recurring --memory .paper-memory；python3 scripts/reflect_log.py append --memory .paper-memory --skill polish-prose --scope recurring --issue "abstract over-hedges the contribution" --rec "state the result as a claim once, then qualify in the body"；python3 scripts/reflect_log.py prune --memory .paper-memory --keep 50 --stale-days 365。
适用场景：需要可测量或量表锚定目标的二次把关，例如“这次改写是否引入回归”“该保留还是回退”，以及沉淀跨论文的持久教训。
限制：反思需要额外 LLM 调用与作者注意力，仅在存在可测量目标时值得；纯偏好编辑、产出技能已给出未变化的硬分数、或极小改动（一行修复）时应跳过或只做单次快速通读。不得接受可测量的回归；不得自我谄媚、编造分数或“改进”；引用问题转交 verify-citations，格式退稿问题转交 preflight-check；不代投稿、不承诺录用。.paper-memory/ 保存在本地，建议加入 .gitignore。评分量表与指标偏计算机领域，其他学科可替换为本领域的评审表、篇幅格式限制与引用风格，.paper-memory/ 模式不变。