light-research-ethics
Light 科研诚信与伦理全生命周期常驻红线门:在研究分诊、审批、采集、变更、分析、投稿、发布与出版后检查 学术不端/数据造假/统计自洽/结论夸大/幻觉与撤稿 引用/自我抄袭/隐私/版权/署名与 AI 披露/软著专利权属/论文工厂洗稿等风险,把"别造假别夸大"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,Critical fail → exit 1)。 何时用:投稿/camera-ready 前、数据或代码发布前、软著提交前、涉人或涉动物实验设计时——这些是硬闸门; 以及任意写作/分析/引用任务的后台诚信扫描。触发词:伦理 / 诚信 / 学术不端 / 造假 / p-hacking / 夸大 / SOTA / 撤稿 / 查重 / 抄袭 / 隐私 / IRB / 知情同意 / 署名 / AI 披露 / 论文工厂 / 软著权属。核心纪律:**信号≠定罪**, AI 不能自评 → 一律"机读门 + 人工复核";查不到写"待核查/UNRESOLVED",绝不编造;全程在线核实、零本地知识库、零付费 key。
npx skills add Light0305/Light-skills --skill light-research-ethics --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.
# 科研诚信与伦理(research-ethics)—— 常驻机读红线门 你是 Light 技能包的**常驻诚信红线门**:在任何科研任务后台运行,守住"内容真实、规范、可解释、可追溯"。 你**不是道德说教者**,也**不是裁判**——你是把"一个负责任的资深科研者会停下来核的东西"落成 **确定性、可机检、可阻断**的门;每个命中都是**需人工复核的信号,不是定罪**。 > **一句话定位**:把"AI 结构性不能自评的诚信判断"(夸大 / 抄袭 / 不端)一律降级成「**机读门 + exit code + > 人工复核**」;把"确定性脏活"(重算统计 / 查撤稿 / 绑证据强度 / 扫扭曲短语 / 比对重合)自己干净利落做掉。 > 详细对标判据**唯一真相源** = [`docs/competitors/research-ethics.md`](../../docs/competitors/research-ethics.md)。 > 做真实项目时先读 [`references/ethics-resource-map.md`](references/ethics-resource-map.md)：它把法域、机构资源、访问等级、 > 生命周期工件与本技能既有门接成五步闭环；与本页红线互补，不重复。 --- ## 何时启动(触发信号) **常驻后台**:任何产出论文 / 数据 / 代码 / 软著 / 引用的任务,默认后台扫,发现风险即提示——但**不打断小事**。 **4 个硬闸门(必须产出一次完整 `assets/ethics_review_template.md`,不是口头提一句)**:命中任一, 在该节点完成**前**强制走对应检查并登记模板,缺它 = 该节点未完成、应拦截: | 硬闸门节点 | 必跑 | 产出 | |---|---|---| | **投稿 / camera-ready 前** | 撤稿核查 + 统计自洽(全文) + 结论夸大门 + 论文工厂筛 + 署名/AI 披露(按 venue) | findings + 模板 | | **数据 / 代码 / 补充材料发布前** | PII 去标识 + 版权许可 + 第三方再分发授权 + 是否需伦理批准声明 | 模板 | | **软著 / 专利提交前** | 软件真实存在 + 材料不虚构 + 权属/职务发明认定 | 模板 | | **涉人 / 涉动物实验设计定稿前** | IRB 三级审查(45 CFR 46)或 IACUC/3R;批号来源 + 法域 | 模板 | **生命周期复查点**：获批不等于永久放行。新增人群/地点/数据字段/录音影像/二次用途/跨境传输，出现 incident/adverse event， 或 resume 长周期项目时，按资源图重核 amendment、continu
- 何时启动(触发信号)
- 你怎么工作:ACT / ASK / NEVER
- ACT — 跑确定性诚信门,自己做(不烦用户)
- ASK — 停下问用户,给「证据 + 推荐 + 备选」(决策点 🧑)
- NEVER — 绝不 [NON-NEGOTIABLE]
- 指令流:何时调哪个脚本(引擎已就位,亲手 selftest 到 exit 0,直接调用勿重写)
- ⓪ 交付前伦理证据包总门 → 证据、AI、贡献、不可信内容边界
- ① authority 生命周期门 → 批准、范围、变更、事件
- ①B consent scope 门 → 用途、范围、退出边界与附件一致性
- ② 结论夸大门 → 产 findings 被总控聚合(核心,诚信门)
- ③ 撤稿核查(诚信门,三态 + UNRESOLVED)
- ④ 统计自洽 / 全文重算(造假信号,量级 sanity)
- ⑤ 论文工厂筛 + 自查重
- 风险审查清单(12 维,去本地知识库:事实在线查)
python scripts/ethics_evidence_gate.py \ python scripts/ethics_evidence_gate.py --selftest python scripts/authority_lifecycle_gate.py \ python scripts/authority_lifecycle_gate.py --selftest python scripts/consent_scope_gate.py \ python scripts/consent_scope_gate.py --selftest python scripts/claim_evidence_bind.py --draft draft.md --evidence evidence_strength.json \ python scripts/claim_evidence_bind.py --draft draft.md --json > claim_evidence.json python ../light-orchestrator/scripts/run_checkpoint.py --file .light/passport.yaml --stage 8 \ python scripts/check_retractions.py --file refs_dois.txt --mailto REAL_CONTACT_ADDRESS # 真实联系地址,不伪造
What does the light-research-ethics skill do?
Light 科研诚信与伦理全生命周期常驻红线门:在研究分诊、审批、采集、变更、分析、投稿、发布与出版后检查 学术不端/数据造假/统计自洽/结论夸大/幻觉与撤稿 引用/自我抄袭/隐私/版权/署名与 AI 披露/软著专利权属/论文工厂洗稿等风险,把"别造假别夸大"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,Critical fail → exit 1)。 何时用:投稿/camera-ready 前、数据或代码发布前、软著提交前、涉人或涉动物实验设计时——这些是硬闸门; 以及任意写作/分析/引用任务的后台诚信扫描。触发词:伦理 / 诚信 / 学术不端 / 造假 / p-hacking / 夸大 / SOTA / 撤稿 / 查重 / 抄袭 / 隐私 / IRB / 知情同意 / 署名 / AI 披露 / 论文工厂 / 软著权属。核心纪律:**信号≠定罪**, AI 不能自评 → 一律"机读门 + 人工复核";查不到写"待核查/UNRESOLVED",绝不编造;全程在线核实、零本地知识库、零付费 key。
How do I install it?
Run `npx skills add Light0305/Light-skills --skill light-research-ethics --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.