Auto-Paper: Autonomous and Human-Guided Writing Guide

完整的自動論文撰寫系統文件 — 13 個主線 gate checkpoint + Phase 2.1 fulltext/source-material sub-gate

概觀

Auto-Paper 是 MedPaper Assistant 的可稽核學術寫作技能；它可在明確邊界內自主推進，也可讓研究者逐 gate 審閱：

• 13 個主線 gate checkpoint（Phase 0-11 + Phase 6.5）：從素材登記到 final delivery 的可審計流程
• Phase 2.1 sub-gate：全文與用戶原始素材解析，透過 phase=21 獨立驗證，不計入主線 13 checkpoints
• 79 項品質檢查（56 Code-Enforced / 23 Agent-Driven）：寫作過程即時回饋，必要時升級人工判斷
• 段落級 Section Brief：manuscript-plan.yaml 控制每段的論點、引用、字數
• 結構化 Autonomous Review：模擬 4 種審稿角色，產出 Review Report + Author Response
• 閉環自我改進（Meta-Learning）：Hook D 根據統計調整閾值，系統會越來越好
• Checkpoint 恢復：任何階段中斷都可從斷點繼續

架構圖

Instructions (AGENTS.md)
    ↓
Skill (auto-paper SKILL.md)  ← 定義「何時」做什麼
    ↓
Writing (drafts/)             ← Skill 呼叫工具產出草稿
    ↓
Hooks (A-D audit)             ← 定義「品質」標準
    ↓ 回饋
Meta-Learning (Phase 10)      ← 更新 Skill / Hook / Instructions

觸發方式

在 Copilot Chat 中使用以下任一方式啟動：

方式	指令
Prompt	在 Copilot Chat 輸入 /mdpaper.write-paper
自然語言	「全自動寫論文」「autopilot」「一鍵寫論文」「幫我寫完整篇」

---

快速開始

最簡流程（5 步驟）：

1. 啟動：在 Copilot Chat 輸入 /mdpaper.write-paper
2. 登記素材與設定期刊：先執行 project_action(action="source_materials") 掃描用戶提供的 DOCX/XLSX/PDF/CSV，再提供目標期刊名稱（Agent 會自動產生 journal-profile.yaml）
3. 通過計畫 gate：Agent 搜尋文獻 → 發展概念 → 產出 manuscript-plan.yaml；manual mode 由你確認，autopilot 留下自審與核准紀錄
4. 等待寫作：Agent 撰寫各 section，先跑 A/B checks，再以 C/F、R1-R6 與 D1-D9 完成全稿、審稿和回顧
5. 匯出：Agent 產出 Word 檔 + 必要投稿文件

💡 Manual mode 在 Phase 4 等待研究者核准；autopilot 可在 Phase 4 完成可稽核自審。高風險決策、連續退步、超出預算或用戶指定的 checkpoint 仍會升級人工介入。

---

13 Main Gate Checkpoints

Phase 0: Pre-Planning

目的：先登記用戶原始素材，再建立期刊約束，生成 source-materials.yaml + journal-profile.yaml

項目	說明
輸入	workspace root 的 DOCX/XLSX/PDF/CSV 等原始素材 + 期刊資訊
輸出	projects/{slug}/.audit/source-materials.yaml + journal-profile.yaml
Gate	source-material scan manifest 存在 + journal profile 存在

Agent 按優先順序取得資訊：

1. project_action(action="source_materials") 掃描用戶提供素材，若有 pending_asset_aware 則先交給 asset-aware ingestion。
2. 用戶提供 submission guide → 自動解析（字數、圖表限制、引用格式等）
3. 用戶口頭說明 → 查詢內建期刊庫補全
4. 無明確期刊 → 使用 paper_type 預設值

journal-profile.yaml 驅動後續所有 Phase 的行為（字數限制、圖表上限、Hook 閾值等）。 source-materials.yaml 驅動後續 concept、asset plan、Methods/Results 寫作，防止 agent 只讀摘要而漏掉正式資料表。

Phase 1: Project Setup

技能：project-management

建立專案結構，載入 journal-profile，確認 paper_type 一致。

Phase 2: Literature Search

技能：literature-review + parallel-search
外部 MCP：pubmed-search、zotero-keeper（選用）

1. 生成搜尋策略（MeSH + 同義詞）
2. 並行搜尋 3-5 組
3. 依 question/claim coverage、研究設計、來源角色、可取得全文與時間範圍篩選；citation metrics（如 RCR）只作背景訊號，不作硬排序或排除門檻
4. 儲存足以覆蓋 evidence map 的候選文獻 → save_reference_mcp(pmid)（MCP-to-MCP verified metadata）
5. 可選：從 Zotero 匯入

Code hard gate：依 paper type 達到最低文獻數，而且每筆 reference 有穩定 identity 與誠實 trust provenance。搜尋策略與 selection artifacts 缺失只警告。PubMed Search MCP 0.6.3 提供 45 個搜尋/檢索工具。

Phase 2.1: Fulltext & Source-Material Ingestion

定位：獨立 sub-gate（phase=21），位於 Phase 2 與 Phase 3 之間；不計入主線 13 個 checkpoint。

1. 對可取得全文的文獻執行 fulltext ingestion。
2. 對 Phase 0 標記為 pending_asset_aware 的 DOCX/XLSX/PDF/PPTX/CSV 原始素材執行 asset-aware ingestion。
3. 將 ingestion receipt 寫回 .audit/source-materials.yaml / fulltext status artifact。

Code hard gate：status file 非空；每筆 reference 都有可驗證的 ingestion evidence 或明確 fallback，且 source-bound analysis 完成；需要 asset-aware 的 primary source materials 皆有 receipt。

Phase 3: Concept Development

技能：concept-development
外部 MCP：CGU（創意發想，當 novelty 不足時）

1. 分析文獻 → 識別 Gap
2. 撰寫 concept.md（含 🔒 NOVELTY STATEMENT + 🔒 KEY SELLING POINTS）
3. validate_concept() → 三輪獨立評分
4. 分數 < 75 → 自動修正 1 次 → 仍不足 → CGU deep_think / spark_collision → 再修正
5. 分數 < 60（兩次）→ 硬停止，回報用戶

Gate：concept score ≥ 75（readiness=ready），或可信 host/UI 依用戶明確決定簽發 mdpaper.concept_review_override.v3 Ed25519 receipt。MCP/Agent 只能查詢或撤銷，不能把自己的輸入標成 human 來放行。

Phase 4: Manuscript Planning

Mode-aware gate：manual 人工核准；autopilot 稽核自審

產出：manuscript-plan.yaml（段落級 Section Brief）

這是整個 Pipeline 的核心規劃文件，包含：

• 寫作順序：依期刊 / paper type 決定（例：Methods → Results → Introduction → Discussion → Abstract）
• 段落級 Brief：每段有 topic、key_claims、must_cite、word_target
• 🔒 保護段落：Novelty Statement / Selling Points 標記 protected: true
• Asset Plan：圖表、統計檢定的生成計畫（含工具、參數、caption）
• 投稿清單：依 journal-profile 列出需準備文件

Manual mode：Agent 呈現摘要 → 你確認或調整。Autopilot：Agent 應以獨立 plan review 檢查 evidence coverage、預算、寫作順序與 asset plan，並留下自審紀錄。

Code hard gate：Phase 3 concept review 仍可採用，而且 manuscript-plan.yaml 或 legacy drafts/manuscript-plan.md 存在。approver、reason、coverage 與圖表上限目前是 workflow contract，Phase 4 validator 尚未逐欄重算；完整邊界見Phase gate 契約。

Phase 5: Section Writing

技能：draft-writing
外部 MCP：drawio（流程圖）、CGU（強化論點）

這是最複雜的 Phase，包含段落級寫作 + 即時品質檢查的 cascading loop：

FOR section IN writing_order:
  1. 準備：讀取 plan + 已完成 sections + 可用引用
  2. Asset 生成：依 asset_plan 產生圖表（Table 1、統計圖、流程圖等）
  3. 段落級寫作：依 manuscript-plan.yaml 的 brief 逐段撰寫
  4. Hook A（post-write）：字數 / 引用密度 / 語體與作者責任訊號 / Wikilink → 最多 3 rounds
  5. Hook B（post-section）：概念一致 / 🔒 保護 / 方法學 / Brief 合規 → 回溯修正
  6. 記錄 audit trail + 更新 checkpoint

圖像或表格在插入前經 review_asset_for_insertion 建立 SHA-256/MIME、可選 C2PA 與版本鎖定的 removal-package receipt。remove-ai-watermarks 只以離線、逐 detector 的唯讀路徑檢查已知可見標記與公開 DWT-DCT signal，不呼叫 aggregate identify 或 removal API、不改原檔、不寫衍生檔；invalid provenance、hash 變更、影像尺寸不受 detector 支援或必要 detector 缺席都會阻擋，任何 signal／不確定結果仍需有紀錄的 reviewer 判斷。詳見 MCP 2 與內容完整性。

Code hard gate：稿件與五個核心 sections 存在；必要的 data provenance 和 planned assets 可驗證；required assets 已登記、放置、可匯出且有 review receipt；所有必需 sections 有 recorded approval。

Phase 6: Cross-Section Audit

三階段審計：

1. 全稿掃描：Hook C（C1-C14）檢查全稿一致性、數值合規、時間一致性、claim-evidence 對齊
2. 分層回溯修正（Cascading Fix）：CRITICAL issues → 回溯到對應 section 的 Hook A/B 修正 → 最多 3 rounds
3. 流程收斂目標：處理 C/F CRITICAL findings → 生成 quality-scorecard；Phase 6 code gate 另驗稽核資料是否有效

Code hard gate：品質與 hook-effectiveness 報告存在、scorecard 至少四個有效維度、至少一個 hook 有真實事件；若有 data artifacts，也必須有 validation report。處理完 C/F critical findings 是 workflow contract；目前 Phase 6 validator 不會在 gate 內重跑全部 A/B/C checks，也沒有單獨解析「0 unresolved critical」。

Phase 6.5: Evolution Gate

目的：建立 revision baseline，強制進入 Phase 7 review loop，避免 Hook A-C 全過時跳過審稿。

1. 建立 baseline snapshot。
2. 寫入 evolution log。
3. 生成/更新 quality-scorecard。

Gate：baseline snapshot + evolution-log entry + quality-scorecard 存在。

Phase 7: Autonomous Review

模擬同行審查，產出結構化 Review Report + Author Response。

4 種審稿角色：

• Methodology Expert：研究設計、統計方法、可再現性
• Domain Specialist：文獻引用、領域 gap、臨床意義
• Statistician：統計假設、結果呈現、圖表有效性
• Editor：寫作品質、期刊風格、邏輯流

每輪產出：

• review-report-{round}.md（YAML front matter + 結構化 issues）
• author-response-{round}.md（逐條回應 + Completeness Check）
• 更新 quality-scorecard

Loop 停止條件：

• 總分 ≥ quality_threshold → ✅ PASS
• 達到 max_rounds 仍未達標 → gate 不會自動放行；呈現問題並讓用戶決定
• 連續 2 輪分數無改善 → gate 不會自動放行；詢問用戶
• Phase 7 的安全下限固定為 min_rounds >= 2、quality_threshold >= 7.0、max_rounds <= 10；設定或序列化狀態不能調低
• 人類若接受低於門檻的版本 → 可信 host/UI 簽發 mdpaper.review_completion_override.v3 Ed25519 receipt，綁定 project、目前 manuscript 與 loop SHA-256；pipeline_action(action="approve_review_completion", decision="status") 只驗證 receipt，原分數與非 quality_met verdict 保持不變

Code hard gate：至少兩輪、state 可重算、每輪 artifacts/EQUATOR/hash chain 完整、R1–R6 對目前 artifacts 重跑通過、evolution events 相符、最後 hash 等於目前稿件，並以 quality_met 或有效的外部 acceptance receipt 結束。

Phase 8: Reference Sync

1. sync_references() → 生成 References section
2. 確認所有 [[wikilinks]] 已解析
3. 格式化引用（依 journal-profile.references.style）
4. 驗證引用數量 ≤ 上限

Code hard gate：Phase 7 已完成、References section 存在、所有 citation wikilinks 都能解析。引用格式、分布與預算由 reference workflow、C-series 與 Phase 7 R6 處理，不是 Phase 8 validator 額外重算的 hard checks。

Phase 9: Export

技能：word-export

1. 選擇 Word 模板（匹配期刊）
2. 匯出 Word 與 PDF 文件
3. 產生必要投稿文件（cover letter、author contributions 等）
4. 執行 inspect_export(action="docx_smoke") 檢查 DOCX zip/XML 結構、段落與可見文字
5. 驗證投稿清單完成

Phase 10: Retrospective

技能：meta-learning（Hook D1-D9）

閉環核心 — 系統從自身的執行經驗學習：

1. 回顧 Hook 觸發統計 + Review 輪次
2. 調整 Hook 閾值（±20%，CONSTITUTION §23）
3. 更新 SKILL.md Lessons Learned
4. 分析 journal-profile 設定合理性
5. D7: Review Retrospective — 分析 reviewer 效能，演化審稿指令
6. D8: EQUATOR Retrospective — 回顧報告指引缺口
7. D9: Tool Telemetry — 回顧工具誤用與描述改善建議

Code hard gate：正確命名的 pipeline run 含 D7/D8；hook-effectiveness report 存在；meta-learning audit 的 v2 schema、source tool、D1–D9、counts/lists 與 evolution event 可以互相核對。Project Memory 缺失只警告。

Phase 11: Final Delivery

目的：確認最終交付物完整；Git provenance 是可用時的加分資訊，不是阻擋所有 paper delivery 的必要條件。

1. 再次確認 DOCX/PDF 都存在且通過結構 smoke。
2. 確認 Phase 10 retrospective gate 仍通過。
3. 如在 git workspace 中，回報 clean status、commit 與 remote sync 等 provenance。

Code hard gate：有效 DOCX/PDF + 通過 Phase 10。Git provenance 只警告；目前 validator 不要求額外的 pipeline-completed 或 final-delivery marker。

---

Hook 品質保證系統

79 項品質檢查包含 56 項 deterministic code checks 和 23 項需要語義判斷的 Agent checks。編號不是連續功能數量；例如 A3b、A3c、C7a 都是獨立 code checks。

發生時機	程式實際執行的 checks	Agent／流程補充
寫完一段或 section	A1–A7、A3b、A3c；B2、B8–B16	B1、B3–B7 的概念／方法／Brief 判讀
全稿完成	C2–C6、C7a、C7b、C7d、C9–C14、F	C1 全稿語義一致、C8 時間一致
Phase 7 每輪 review	R1–R6	四種 reviewer 與 EQUATOR 逐條判讀
commit／一般維護	P1、P2、P4–P7、G9	P3、P8、G1–G8
Phase 10	D1–D9 MetaLearningEngine	對建議是否採納的治理判斷

Hook A: post-write

每次寫完立即執行，失敗時定點修正後重跑同一 check：

#	程式檢查	常見修正
A1	section 字數與 profile 目標	精簡贅文或補必要內容
A2	引用密度	補真正支持 claim 的 citation，或刪弱 claim
A3/A3b/A3c	空泛模板語、結構訊號、跨段語體一致與作者責任訊號	改成具體可驗證內容；不以規避 detector 為目標
A4	Wikilink 格式	修正括號與 citekey
A5	語言一致	統一成 project 指定語言
A6	段落重複	合併或刪除重複論述
A7	paper-type-aware 文獻數量	補可信 references；不足時不得硬寫

語體完整性：In recent years, It is worth noting, plays a crucial role, has garnered significant attention 等空泛模板語應替換成具體內容。這個 legacy A3 hook 不用來通過 AI authorship detector、不隱匿 AI 協助，也不能判定作者身份。

引用密度標準：Introduction ≥ 1/100 words, Discussion ≥ 1/150 words。

Hook B: post-section

類型	Checks	看什麼
Code	B2	🔒 protected content 未被未授權修改
Code	B8–B10	數據與 claim 對齊、section 時態、段落品質
Code	B11–B13	Results 不偷渡解釋、Introduction 與 Discussion 結構
Code	B14–B16	倫理聲明、hedging 密度、效果量報告
Agent 語義	B1、B3–B7	concept／selling points／跨節一致、方法學、寫作順序、Section Brief

修正時優先回到 evidence、concept 或 Section Brief；不要只為了讓句子看起來通順而掩蓋資料矛盾。

Hook C: post-manuscript

類型	Checks	看什麼
Code	C2–C6	投稿清單、N 值、縮寫、可解析 wikilinks、總字數
Code	C7a、C7b、C7d	圖表數量、asset-plan coverage、圖表交叉引用
Code	C9–C11	補充材料交叉引用、全文狀態、引用分布
Code	C12–C14	引用決策稽核、圖表品質、強 claim 與 evidence 對齊
Agent 語義	C1、C8	全稿概念一致與因寫作順序產生的時間／狀態矛盾
Code	F	data artifacts、provenance、data anchors 與 validation report

常見修正包括統一 N 值與縮寫、補存可信 reference、移除 phantom cross-reference、補 asset review、重新驗證全文狀態，以及為強 claim 補證據或降低措辭強度。

Review、commit 與一般維護 checks

• R1–R6：Phase 7 每輪重算 review 深度、author response 完整性、EQUATOR、修正追蹤、修後語體／作者責任訊號與引用預算。
• P1/P2/P4–P7：提交前重查引用、語體、字數、protected content、Memory 與 reference integrity。
• G9：回報 Git 狀態；G1–G8 的 README、CHANGELOG、ROADMAP、架構與文件同步仍屬 Agent-driven 維護責任。

Hook D: meta-learning

#	功能
D1	效能統計：觸發率/通過率/誤報率
D2	品質維度趨勢分析
D3	Hook 自我改進：自動微調閾值（±20%）
D4	SKILL 改進建議
D5	Instruction 改進建議
D6	審計軌跡記錄
D7	Review Retrospective：分析 reviewer 效能 + 演化審稿指令
D8	EQUATOR Retrospective：分析 reporting checklist 效能
D9	Tool Telemetry：分析工具描述與 pending evolution 建議

---

manuscript-plan.yaml 規格

Phase 4 產出的核心規劃文件：

writing_order:
  - Methods
  - Results
  - Introduction
  - Discussion
  - Abstract

sections:
  Methods:
    word_budget: 1200
    paragraphs:
      - id: methods-p1
        function: "Study Design"
        topic: "研究設計與倫理"
        key_claims:
          - "回顧性世代研究設計"
          - "IRB 核准 #2024-XXX"
        must_cite: []
        word_target: 200
        checklist_items:
          - "研究設計描述"
          - "倫理聲明"
      - id: methods-p2
        function: "Participants"
        topic: "納入排除標準"
        key_claims:
          - "年齡 ≥ 18 + ICU > 24h"
        must_cite:
          - "[[greer2017_27345583]]"
        word_target: 250
        protected: false

  Introduction:
    word_budget: 800
    paragraphs:
      - id: intro-p3
        function: "Novelty Statement"
        topic: "本研究的創新點"
        key_claims:
          - "首個結合閉環品質保證 + meta-learning 的系統"
        must_cite: []
        word_target: 150
        protected: true # 🔒 不可刪除

asset_plan:
  - id: table-1
    type: table_one
    section: Results
    tool: generate_table_one
    tool_args:
      file: "data/baseline.csv"
      group_column: "group"
    caption: "Baseline characteristics of study participants"
    caption_requirements:
      - "包含 N 值"
      - "說明統計方法"
  - id: fig-1
    type: flow_diagram
    section: Methods
    tool: drawio
    caption: "Study flow diagram"

submission_checklist:
  - cover_letter
  - title_page
  - author_contributions

metadata:
  generated_at: "2025-01-15T10:30:00Z"
  based_on:
    concept: "concept.md"
    journal_profile: "journal-profile.yaml"
  changelog:
    - date: "2025-01-15"
      change: "Initial plan generated"

Plan 修改規則

• Agent 可新增段落 / 修改 claims / 調字數 → 需寫入 metadata.changelog
• Agent 禁止刪除 protected: true 段落
• 用戶自由修改，changelog 自動追蹤

---

journal-profile.yaml 規格

Phase 0 產出的期刊約束文件，驅動所有後續 Phase：

YAML 欄位	影響
paper.type	Phase 1 設定 / Phase 4 寫作順序
paper.sections	Phase 4 大綱結構
word_limits.*	Hook A1 / C6 字數檢查
assets.figures_max / tables_max	Phase 4 Asset Plan / C7a 數量檢查
references.max_references	Phase 7 R6 / Phase 8 reference workflow
references.style	Phase 8 reference workflow
pipeline.writing.citation_density	Hook A2 引用密度
reporting_guidelines.checklist	Hook B5 方法學 / C2 投稿清單
pipeline.hook_*_max_rounds	Hook A/B/C cascading 上限
pipeline.review_max_rounds	Phase 7 Review 輪數
pipeline.writing.anti_ai_*	Legacy 欄位：Hook A3 語體訊號嚴格度

source-materials.yaml 規格

Phase 0 產出的原始素材清單，驅動後續資料、圖表、Methods/Results 寫作：

YAML 欄位	影響
summary.total_candidates	是否已掃描 workspace 原始素材
materials[].evidence_priority	Phase 3 concept / Phase 5 drafting 證據優先級
materials[].ingestion.status	是否需先走 asset-aware
agent_next_steps.asset_aware_file_paths	agent 應交給 asset-aware 的具體檔案

data-artifacts.yaml 的 data_anchors 必須引用 ready/ingested source material、asset-aware doc、tracked data artifact，或可信 data file。若 anchor 來源是 concept.md、agent summary、inferred/estimated 值，或指向仍是 pending_asset_aware 的 DOCX/PDF，Hook F4 會以 CRITICAL 阻擋。

完整模板見：templates/journal-profile.template.yaml

---

Autonomous Review 機制

Phase 7 的結構化 Review Loop 模擬同行審查：

流程

FOR round = 1 TO review_max_rounds:
  1. Review Report: 4 位 reviewer 各角色審查 → 產出結構化 issues (MAJOR/MINOR/OPTIONAL)
  2. Author Response: 逐條回應每個 issue (ACCEPT/ACCEPT_MODIFIED/DECLINE)
  3. Completeness Check: 確保所有 issue 都被回應（禁止忽略）
  4. 執行修正: ACCEPTED issues → patch_draft + re-run Hook A
  5. 品質重評: 更新 quality-scorecard → 比對 threshold
  → quality_met → 結束 | 未達標 → 下一輪或明確的人類 acceptance receipt

max_rounds、stagnated 與 user_needed 只代表 loop 終止／需要升級，不代表品質已達標。自主模式只有重算後的 quality_met 能通過 Phase 7；人類協作模式可在看過剩餘問題後，由 MCP 之外的可信 host/UI 簽發 v3 Ed25519 receipt（含 rationale、accepted risks、具名 reviewer、project、目前稿件與 loop hash），再用 approve_review_completion 的 status 動作重新驗證。私鑰不得放入 workspace 或 MCP 環境；host 只以 MDPAPER_APPROVAL_ED25519_PUBLIC_KEYS 提供可驗證的公開金鑰。

Host 設定格式為 MDPAPER_APPROVAL_ED25519_PUBLIC_KEYS='{"trusted-host-2026":"<raw 32-byte Ed25519 public key 的 unpadded base64url>"}'（最多 64 keys，僅由 host process 注入，不從 workspace .env 讀取）。Receipt 的 signature 必須恰含 algorithm="Ed25519"、encoding="base64url"、key_id、value；value 是 64-byte detached signature 的 unpadded base64url。簽署內容為 mdpaper.external-approval.v3\0 加上整份 receipt 移除 signature.value 後的嚴格 canonical JSON（UTF-8、key 排序、無空白、禁止 NaN）。Concept v3 綁 concept artifact + review SHA-256；Review v3 綁 audit-loop + final manuscript SHA-256。

品質維度（quality-scorecard）

維度	評分 (0-10)	權重
引用品質	相關、方法適切、可定位	15%
方法學再現性	設計、統計、EQUATOR 合規	25%
文字品質	清晰、邏輯、具體且可追溯	20%
概念一致性	NOVELTY + SELLING POINTS	20%
格式合規	字數、圖表、引用數	10%
圖表品質	必要性、清晰度、caption	10%

---

Audit Trail 與 Checkpoint

審計檔案

每次執行在 projects/{slug}/.audit/ 產出：

檔案	時機	內容
pipeline-run-{ts}.md	每個 Phase 結束	Phase 摘要 + Hook 統計 + Decision Log
checkpoint.json	每個 Phase 結束	斷點恢復：last_completed_phase, phase_outputs
search-strategy.md	Phase 2 後	搜尋策略 + 結果數量 + 篩選標準
reference-selection.md	Phase 2 後	文獻選擇理由 + 排除理由
concept-validation.md	Phase 3 後	Novelty 分數 + 修正歷史
quality-scorecard.md	Phase 6 後	6 維品質評分
hook-effectiveness.md	Phase 6 後	Hook 觸發率/通過率/誤報率
review-report-{N}.md	Phase 7 每輪	結構化 Review Report（YAML front matter）
author-response-{N}.md	Phase 7 每輪	逐條 Author Response + Completeness Check

Checkpoint 恢復

Pipeline 啟動時自動偵測 checkpoint.json，提供選項：

• 從 Phase N+1 繼續
• 從當前 section 繼續
• 重新開始（保留文獻和 concept）
• 完全重來

---

跨 MCP 編排

Pipeline 編排 5 個 MCP Server + 外部工具：

Phase	內部 MCP	外部 MCP	說明
0	mdpaper	asset-aware, fetch_webpage	掃描原始素材 + 解析 submission guide
1	mdpaper	—	建立專案
2	mdpaper	pubmed-search, zotero	搜尋 + 儲存文獻
2.1	mdpaper	asset-aware, pubmed-search	文獻全文與素材解析
3	mdpaper	CGU	概念發展 + 創新性提升
4	mdpaper	—	產出 manuscript-plan
5	mdpaper	drawio, CGU, data tools	寫作 + 圖表 + 論點強化
6	mdpaper	—	全稿審計
7	mdpaper	CGU	Review + 論點補強
8	mdpaper	—	引用同步
9	mdpaper	—	DOCX / PDF 匯出
10	mdpaper	—	Retrospective + Meta-learning
11	mdpaper	—	Final delivery

跨 MCP 資料傳遞

來源	目標	傳遞物	規則
pubmed-search	mdpaper	PMID	save_reference_mcp(pmid) — 只傳 PMID，資料由 MCP 直接取得
zotero-keeper	mdpaper	PMID/DOI	取 PMID → save_reference_mcp()
asset-aware	mdpaper	sections/tables/doc_id	Phase 0/2.1 解析 DOCX/XLSX/PDF 後回填 source-material/fulltext context
CGU	concept.md	文字建議	Agent 整合到 write_draft()
drawio	mdpaper	XML	save_diagram(project, content)

---

自動決策邏輯

系統在大多數情況下自動決策，以下為關鍵決策規則：

自動繼續

情境	行為
Hook A/B WARNING	LOG → 下一步
Hook C WARNING	LOG → Phase 7
Review MINOR issues	batch fix → 下一輪
Asset fallback 成功	繼續
Concept 65-74	自動修正 1 次

必須停下

情境	行為
Concept < 60（兩次）	硬停止，回報用戶
Phase 4 manual mode 大綱	必須用戶確認
Phase 4 autopilot 缺少自審紀錄	Workflow 暫停，補齊紀錄；不是 validator hard gate
Phase 6 N 輪 cascading 仍 CRITICAL	呈現問題讓用戶決定
Review 連續 2 輪無分數改善	詢問用戶
需修改 AGENTS.md 核心原則	永遠需確認

---

示範專案（非獨立驗證）

Repo 內含一個由 Auto-Paper pipeline 產生的示範專案，可用來檢查 artifact 與 workflow wiring；它不是獨立 benchmark、臨床驗證或同行審查證據：

MedPaper Assistant: A Self-Evolving, MCP-Based Framework for AI-Assisted Medical Paper Writing with Closed-Loop Quality Assurance

• 專案：projects/self-evolving-ai-paper-writing-framework/
• 全稿：drafts/manuscript.md
• 匯出：exports/manuscript.docx + exports/arxiv/manuscript.pdf（LaTeX）
• 審計軌跡：.audit/ 目錄包含完整 Pipeline 執行紀錄

示範保留 10 篇 PubMed metadata 的 MCP-to-MCP receipt。這只能證明保存路徑與識別資料可追蹤，不能保證每個 claim 被全文支持；正式品質宣稱必須通過獨立 scorer 與 frozen fixtures，見 Evaluation contract。

---

相關文件

文件	說明
SKILL.md	完整技術定義（Hook 詳細規格 + cascading 流程）
multi-stage-review-architecture.md	設計文件（含所有設計決策）
journal-profile.template.yaml	journal-profile 模板
paper-reviewer.agent.md	唯讀 Reviewer Agent 模式
mdpaper.write-paper.prompt.md	觸發 Pipeline 的 Prompt
mdpaper.audit.prompt.md	獨立審計 Prompt（Phase 6+7）
evaluation-contract.md	solve→score、evidence locator 與 release gates