light-consistency
Light 跨材料一致性常驻机读门:在所有产出材料后台核查术语 / 指标(名+值)/ 创新点表述 / 方法名 在论文·PPT·软著·代码·项目文档之间是否统一,定义一改回扫所有已产出材料,把"各处说法对齐"从口头 建议落成**可机检、可阻断、可被总控 run_checkpoint 聚合的机读门**(产 light.findings.v1,术语/指标/ 创新点硬冲突 → Critical fail → exit 1)。何时用:任一材料产出或修改后、投稿/答辩/提交前的跨材料回扫、 受控定义(术语/指标/创新点)变更后。触发词:一致性 / 术语统一 / 指标对不上 / F1 vs 准确率 / 数值冲突 / 论文和PPT不一致 / 创新点表述 / 方法名 / 改名 / 软著与系统 / 术语表 / 回扫。核心纪律:事实源是项目 `.light/` 受控术语表(去本地知识库);脚本**只定位+建议、绝不自动改写**;**视觉一致性靠人工签字、脚本只核文本类**; 查不到权威值写"未登记/待核查",绝不编造；缺 registry / provenance 必须报部分覆盖，不能拿零 finding 冒充全查。
npx skills add Light0305/Light-skills --skill light-consistency --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 跨材料一致性维护(consistency)—— 常驻横切机读门 你是 Light 技能包的**常驻一致性门**:在任何产出材料的任务后台运行,守住"同一项目的术语 / 指标 / 创新点 / 方法名,在论文·PPT·软著·代码·项目文档之间**说法一致**"。你**不是文风裁判**,也**不替作者改写**——你把 "一个负责任的资深科研者会停下来核的跨材料偏差"落成**确定性、可机检、可阻断、可定位到 `材料:行号`** 的门; 每个命中都是**需人工裁定的信号**,改写权归作者。 > **一句话定位**:把"跨材料一致性维护"从"裸模型嘴上说要统一"降级成「**单一事实源(`.light/`)+ 机读门 + > 定位到行 + exit code + 人工拍板**」;把"确定性脏活"(扫禁用写法 / 核指标数值 / 判创新点漂移 / 自动发现近形变体 / > 核缩写首用)自己干净利落做掉。**它是横切 overlay,不是 DAG 节点**(orchestrator-spec §3.1),挂到各确认点。 > 对标判据**唯一真相源** = [`docs/competitors/consistency.md`](../../docs/competitors/consistency.md)。 > 真实用户 authority→材料清单→回扫→人裁→重扫工作流见 > [`references/consistency-resource-map.md`](references/consistency-resource-map.md)。 --- ## 何时启动(触发信号) **常驻后台**:任何**新增或修改**论文 / PPT / 软著 / 代码注释 / 项目文档的任务,默认后台回扫,发现冲突即提示—— 但**不打断小事**(单材料内的 info 级覆盖缺口只记不拦)。 **硬触发点(必须跑一次 `consistency_audit.py` 产出 findings,不是口头说"我对齐了")**:命中任一,在该节点完成**前**强制回扫: | 硬触发点 | 为什么 | 回扫范围 | |---|---|---| | **投稿 / 答辩 / 软著提交前** | 审稿人/评委最恨"论文表 87.6、PPT 写 81.0";数值/术语对不上=硬伤 | passport 各阶段 `artifacts:` 路径并集 | | **受控定义变更后(变更广播)** | `.light/` 术语/指标/创新点一改,所有下游材料即过期 | **全部已产出材料**(定义改→回扫,不漏一份) | | **distill / polish 改写后** | 润色最易把受控术语换近义词(F1→准确率、fine-tune→微调) | 改动的材料 + 与之同源的材料 | | **多版本图表 / 跨材料复
- 何时启动(触发信号)
- 你怎么工作:ACT / ASK / NEVER
- ACT — 跑确定性一致性门,自己做(不烦用户)
- ASK — 停下问用户,给「现状 + 推荐 + 备选」(决策点 🧑)
- NEVER — 绝不 [NON-NEGOTIABLE]
- 指令流:何时调脚本(引擎已就位,亲手 selftest 到 exit 0,直接调用勿重写)
- ① 语义对象注册表门 → 先判“是不是同一个事实”
- ② 跨材料回扫 → 产 findings 被总控聚合(核心,跨阶段一致性门)
- ③ 事实源不存在时:先建 .light/(归 memory-pm,本门只读)
- ④ 修复前后 delta：Fixed / New / Persistent / Regressed
- ⑤ 无参数 / --selftest:内置合成自测(10 类漂移 + AUTHORITYCOVERAGE + F-1..F-5 接线)
- 一致性检查维度(脚本兑现 10 类漂移 + 1 类覆盖诊断，视觉/逻辑人工)
- 收尾 self-check(对外输出 / 推进前过一遍)
- 名实对齐(诚实,不吹成卖点)
python scripts/consistency_registry_gate.py \ python scripts/consistency_registry_gate.py --selftest python scripts/consistency_audit.py --source .light/consistency --materials paper.md slides.md soft_copyright.md \ python ../light-orchestrator/scripts/run_checkpoint.py --file .light/passport.yaml --stage 8 \ python scripts/consistency_delta.py --before cons.before.findings.json --after cons.after.findings.json \ python scripts/consistency_delta.py --selftest python scripts/consistency_audit.py --selftest # exit 0 才算就位(铁律:亲手验) python scripts/fact_consistency.py --input examples/fact-bindings.example.json python scripts/fact_consistency.py --selftest
What does the light-consistency skill do?
Light 跨材料一致性常驻机读门:在所有产出材料后台核查术语 / 指标(名+值)/ 创新点表述 / 方法名 在论文·PPT·软著·代码·项目文档之间是否统一,定义一改回扫所有已产出材料,把"各处说法对齐"从口头 建议落成**可机检、可阻断、可被总控 run_checkpoint 聚合的机读门**(产 light.findings.v1,术语/指标/ 创新点硬冲突 → Critical fail → exit 1)。何时用:任一材料产出或修改后、投稿/答辩/提交前的跨材料回扫、 受控定义(术语/指标/创新点)变更后。触发词:一致性 / 术语统一 / 指标对不上 / F1 vs 准确率 / 数值冲突 / 论文和PPT不一致 / 创新点表述 / 方法名 / 改名 / 软著与系统 / 术语表 / 回扫。核心纪律:事实源是项目 `.light/` 受控术语表(去本地知识库);脚本**只定位+建议、绝不自动改写**;**视觉一致性靠人工签字、脚本只核文本类**; 查不到权威值写"未登记/待核查",绝不编造；缺 registry / provenance 必须报部分覆盖，不能拿零 finding 冒充全查。
How do I install it?
Run `npx skills add Light0305/Light-skills --skill light-consistency --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From Light0305/Light-skills, a repository with 505 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.