用途：在声明实验结果之前审计实验完整性。该技能用于识别优化型智能体常见的失真失效模式，例如用模型输出伪造真值、用自身输出统计做分数归一化、引用不存在的结果文件、报告小规模试点却称全面评估等，不是检测有意欺骗，而是增加完整性约束。
主要能力与流程：执行器（Claude）只负责定位并列出文件路径，不读取或概括内容，包括评估脚本、结果文件、真值路径、实验跟踪表、论文声明与配置文件。随后把路径和审计检查清单交给外部审查后端由其直接读代码判定。默认后端为 Codex MCP（ultra），可用 reviewer: oracle-pro 切到 Oracle MCP，或用 reviewer: manual 切到 Manual Review MCP；若 Manual Review MCP 不可用应停止并打印安装命令，不要退回 Codex。调用约定：codex 用 mcp__codex__codex 和 mcp__codex__codex-reply（复用 threadId），manual 用 mcp__manual_review__review 和 mcp__manual_review__review_reply，config 需含 model_reasoning_effort 为 xhigh 等字段，且 prompt 必须与发给 Codex 的完全一致。
审计检查项：A 真值来源（是否来自数据集，还是由模型输出生成且未标注为代理评估）；B 分数归一化（分母是否来自预测统计，是否同时报告原始分数）；C 结果文件存在性（文件、指标键、数值、跟踪状态是否一致）；D 死代码检测（指标函数是否被调用、输出是否出现在结果文件）；E 范围评估（实际场景数、随机种子数是否支撑全面、稳健等措辞）；F 评估类型分类（real_gt、synthetic_proxy、self_supervised_proxy、simulation_only、human_eval）。每项输出 PASS/WARN/FAIL 及文件行号证据，并给出总体结论。
输出与集成：执行器解析审查结果并写 EXPERIMENT_AUDIT.md 与 EXPERIMENT_AUDIT.json，再打印摘要。在 /research-pipeline 中它于 /experiment-bridge 之后、/auto-review-loop 之前自动运行，仅为建议性，永不阻塞流程：PASS 正常继续，WARN 打印警告并给声明打 [INTEGRITY: WARN] 标签，FAIL 打印警报并打 [INTEGRITY CONCERN] 标签。/result-to-claim 会读取 integrity_status 并附加到结论，FAIL 时降级显示；/paper-write 在 FAIL 时为受影响声明加脚注。规则包括审查者必须与执行器不同模型家族、手动审查的裁决性回复须以 Reviewer-Model 开头，无法命名执行器模型时不得断言跨家族结论而应输出 REVIEW_UNAVAILABLE。限制：该审计只能捕捉常见模式，不保证发现所有可能的伪造；缺少 EXPERIMENT_AUDIT.md 时对既有行为零影响。技能明确要求不要将其包进 /loop、/schedule 或 CronCreate，因为其结论具有裁决性，定时重跑不增加新信号且自循环接受自身输出会构成自我脱罪；应调度其前的外部等待，实验完成后再审计一次。