用途：对体育相关的图表、表格、笔记本、报告或公开帖进行演示层审计，输出逐项的 keep（保留）、fix（修复）或 kill（删除）结论。每个保留项都须能支撑可辩护的主张，并披露总体、时期、分母、比较基线、不确定性与复现线索。
适用场景：探索性或诊断性图、模型对比与校准图、仪表盘、笔记本、报告、论文、公开帖，以及要求让结果显得更干净或更有说服力的请求。若尚无可视化产物，应先用 sports-visualization 构建图形、用 validation-design 完成评估、用 results-reporting 组织叙事；本技能只审计呈现，不修复底层研究设计。
主要能力：清点每个图形与表格；写出各项要支持的主张；核对运动项目、赛事、粒度、时期、总体、样本量、排除项与分母；检查坐标轴、变换、分箱、平滑、颜色、排序；区分训练、样本内、留出与前瞻证据；审查不确定性、多重性、选择偏差与缺失段；为每项指定最小且诚实的替换方案。附带失败目录（如无 n 的确定性、截断坐标轴、挑选时间窗、基线抹除、指标偷换、把训练当验证、双轴等）及替换建议。
使用方式：可通过绝对路径运行附带助手生成审计清单：python <path-to-anti-slop-analytics>/scripts/figure_audit_template.py --title "NBA walk-forward log-loss" --claim "Candidate improves held-out log-loss versus the locked baseline" --out data/figure_audit.md。助手只生成 Markdown 审计脚手架，不决定结论。分类可疑项可读 references/slop_catalog.md，选择重绘可读 references/replacements.md。
限制与约束：若证据缺失，只审计可见内容，将不可验证属性标为未知，不凭视觉精致度推断来源、样本量或留出状态。不得为制造效应而截断坐标轴且不作醒目披露；不得静默丢弃失败折、球队或赛季；样本内曲线不得当作验证；比较性模型主张必须有基线；公开主张需有复现路径；不得由观察性关联暗示因果；未经校准检查不得称概率已校准。执行辅助脚本需 Python 环境，其余平台或收费信息暂未提供。