feat: add example plugins (ai_image, calendar, music, rss, weather), fix .gitignore, move gengskill to tools/

2026-10-03 23:54:12 +00:00 · 2026-07-21 12:45:17 +08:00
parent 75ae2b4692
commit 52dc22f86f
54 changed files with 13650 additions and 202 deletions
--- a/tools/gengskill/docs/DATA_SOURCES.md
+++ b/tools/gengskill/docs/DATA_SOURCES.md
@ -0,0 +1,294 @@
+# 📚 数据来源与参考文献标准化文档
+
+> Geng Skill v1.0.0 — 学术数据打假检测工具
+
+---
+
+## 1. 方法论来源
+
+### 1.1 直接灵感来源
+
+| 来源 | 描述 | 时间 |
+|------|------|------|
+| **耿同学讲故事** (B站/抖音科普博主) | 吉林大学生物学硕士、北航博士五年级退学。2026年4月起连续举报多所985高校教授论文造假，核心方法：末位数字集中度检测、固定差值/比例关系检测、AI图片查重 | 2026-04 至今 |
+| **澎湃新闻评论** | 《学术打假需要"耿同学"，更需要长效机制建设》— 详述耿同学方法论 | 2026-05-16 |
+| **虎嗅网** | 《我Skill化了耿同学的"学术打假方法论"，致敬》— 方法论结构化梳理 | 2026-05-08 |
+
+### 1.2 耿同学核心方法总结
+
+```
+┌────────────────────────────────────────────────────────────────┐
+│  耿同学打假方法论（从公开报道中提取）                           │
+├────────────────────────────────────────────────────────────────┤
+│  1. 末位数字集中度 — 某些数字出现频率异常高                    │
+│  2. 两列数据间固定差值/比例 — 不同组数据存在恒定数学关系       │
+│  3. 小数点后位数高度一致 — 编造数据的小数位呈现不自然规律      │
+│  4. AI图片查重 — 同一图片在不同实验条件下重复使用             │
+│  5. 从PDF/Source Data/图片/表格多维度扒取证据                  │
+│  6. 卡方检验等统计学方法验证异常的显著性                       │
+└────────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## 2. 统计学理论基础
+
+### 2.1 本福特定律 (Benford's Law)
+
+| 字段 | 内容 |
+|------|------|
+| **原始论文** | Benford, F. (1938). The law of anomalous numbers. *Proceedings of the American Philosophical Society*, 78(4), 551-572. |
+| **数学表述** | P(d) = log₁₀(1 + 1/d), d ∈ {1,2,...,9} |
+| **适用条件** | 数据跨越多个数量级（至少1个）；数据量≥100为佳 |
+| **不适用场景** | 范围有限的数据（百分比、pH值）；人为截断的数据 |
+| **权威教材** | Nigrini, M.J. (2012). *Benford's Law: Applications for Forensic Accounting, Auditing, and Fraud Detection*. Wiley. ISBN: 978-1118152850 |
+| **审计应用** | 美国注册欺诈审查师协会(ACFE)推荐用于财务审计 |
+| **学术验证** | Diekmann, A. (2007). Not the first digit! Using Benford's law to detect fraudulent scientific data. *Journal of Applied Statistics*, 34(3), 321-329. |
+
+### 2.2 GRIM 测试 (Granularity-Related Inconsistency of Means)
+
+| 字段 | 内容 |
+|------|------|
+| **原始论文** | Brown, N.J.L., & Heathers, J.A.J. (2017). The GRIM Test: A Simple Technique Detects Numerous Anomalies in the Reporting of Results in Psychology. *Social Psychological and Personality Science*, 8(4), 363-369. DOI: 10.1177/1948550616673876 |
+| **数学原理** | 对于整数取值数据，样本量为n时，合法均值只能是 k/n 形式（k为整数） |
+| **适用条件** | 离散整数取值数据（李克特量表、计数数据） |
+| **扩展** | SPRITE (Sample Parameter Reconstruction via Iterative TEchniques) — 更完整的数据重构验证 |
+| **参考** | Heathers, J.A.J., et al. (2018). SPRITE: A Response to Anaya's Critique. DOI: 10.31234/osf.io/qfk7d |
+
+### 2.3 末位数字均匀分布检验
+
+| 字段 | 内容 |
+|------|------|
+| **理论基础** | 连续测量数据在足够精度下，末位数字应服从离散均匀分布 U(0,9) |
+| **检验方法** | 皮尔逊卡方检验 (Pearson's chi-squared test), df=9 |
+| **参考文献** | Mosimann, J.E., et al. (2002). Terminal digits and the examination of questioned data. *Accountability in Research*, 9(2), 75-92. |
+| **典型案例** | Hill, T.P. (1998). The first digit phenomenon. *American Scientist*, 86, 358-363. |
+
+### 2.4 图像重复检测
+
+| 字段 | 内容 |
+|------|------|
+| **里程碑论文** | Bik, E.M., Casadevall, A., & Fang, F.C. (2016). The prevalence of inappropriate image duplication in biomedical research publications. *mBio*, 7(3), e00809-16. DOI: 10.1128/mBio.00809-16 |
+| **发现** | 分析20,621篇论文，3.8%存在图片问题 |
+| **技术方法** | 感知哈希(pHash)、差异哈希(dHash)、结构相似性(SSIM) |
+| **工具参考** | ImageTwin, Proofig, STM Integrity Hub |
+
+### 2.5 数据一致性综合检验
+
+| 字段 | 内容 |
+|------|------|
+| **中文权威** | 余菁, 邬加佳, 孙慧兰等 (2021). 科技论文数据造假的核查策略和统计学方法验证. *中国科技期刊研究*, 32(6), 770-776. DOI: 10.11946/cjstp.202012221043 |
+| **方法体系** | t检验、F检验、卡方检验、生存分析一致性 |
+| **国际标准** | COPE (Committee on Publication Ethics) Guidelines on Research Data |
+
+---
+
+## 3. 检测模块与理论对应关系
+
+```
+┌─────────────────────────────────────────────────────────────────────────────┐
+│  模块名称              │  理论基础           │  统计方法        │  适用领域    │
+├─────────────────────────────────────────────────────────────────────────────┤
+│  Last Digit Test       │  末位均匀分布       │  χ² 检验        │  全领域      │
+│  Benford's Law Test    │  本福特定律         │  χ² + MAD       │  跨数量级    │
+│  GRIM Test             │  离散粒度一致性     │  整除验证       │  社科/量表   │
+│  Fixed Relation Test   │  独立性原理         │  比值/回归      │  全领域(核心) │
+│  Decimal Consistency   │  随机性原理         │  自相关+χ²      │  全领域      │
+│  Image Duplication     │  唯一性原理         │  哈希+SSIM      │  生物医学    │
+└─────────────────────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## 4. 已验证的真实案例
+
+### 4.1 耿同学举报案例（2026年，已被机构确认）
+
+| 案例 | 机构 | 期刊 | 问题类型 | 结果 |
+|------|------|------|----------|------|
+| 王平团队 | 同济大学生科院 | *Nature* | 系统性数据造假（固定数学关系、图片重复） | ✅ 确认，院长免职，第一作者解聘 |
+| 陈佺团队 | 南开大学生科院 | *Nature* 子刊 | 数据异常 | 🔄 调查中 |
+| 上海大学案例 | 上海大学 | — | 数据异常 | 🔄 调查中 |
+| 中山大学案例 | 中山大学 | — | 数据异常 | 🔄 调查中 |
+
+### 4.2 国际经典案例
+
+| 案例 | 方法 | 年份 |
+|------|------|------|
+| Diederik Stapel (社会心理学) | GRIM + 统计不一致性 | 2011 |
+| Paolo Macchiarini (再生医学) | 图像重复 + 数据伪造 | 2016 |
+| Hwang Woo-suk (干细胞) | 图像篡改检测 | 2005 |
+| Jan Hendrik Schön (物理) | 数据重复模式 | 2002 |
+
+---
+
+## 5. 数据标准与输入规范
+
+### 5.1 CSV 输入格式标准
+
+```
+编码: UTF-8 (支持 UTF-8-BOM)
+分隔符: 逗号 (默认), 可配置为 TAB/分号
+表头: 必须有列名作为第一行
+数值: 支持整数、小数、科学计数法
+缺失值: 空字符串 (跳过处理)
+```
+
+**标准示例：**
+```csv
+sample_id,group,value,measurement,timepoint
+1,control,2.34,12.5,0
+2,control,3.12,15.8,0
+3,treatment,4.68,25.0,24
+```
+
+### 5.2 GRIM 批量输入 JSON 格式
+
+```json
+[
+  {
+    "label": "Table 1, Row 1",
+    "mean": "3.47",
+    "n": 25,
+    "decimals": 2,
+    "scale_min": 1,
+    "scale_max": 5
+  },
+  {
+    "label": "Table 1, Row 2",
+    "mean": "4.12",
+    "n": 30,
+    "decimals": 2,
+    "scale_min": 1,
+    "scale_max": 5
+  }
+]
+```
+
+### 5.3 图像输入规范
+
+```
+支持格式: PNG, JPG, JPEG, TIF, TIFF, BMP, GIF
+最小尺寸: 32×32 像素
+推荐: 原始分辨率（不要人为缩放）
+组织方式: 所有待比较图片放在同一目录下
+```
+
+---
+
+## 6. 输出标准化
+
+### 6.1 JSON 输出 Schema
+
+所有模块遵循统一输出结构：
+
+```json
+{
+  "$schema": "geng-skill-output-v1",
+  "test_name": "string — 模块名称（中英双语）",
+  "status": "enum: completed | insufficient_data | error",
+  "n_values": "integer — 有效数据点数",
+  "risk_level": "enum: low | medium | medium-high | high",
+  "risk_score": "number 0-100 — 风险评分",
+  "p_value": "number — 统计检验p值（如适用）",
+  "interpretation": "string — 中文可读解释（含emoji状态标识）",
+  "...": "模块特定字段"
+}
+```
+
+### 6.2 风险评分映射标准
+
+| p-value 范围 | 风险等级 | 评分范围 | 颜色代码 | 建议动作 |
+|-------------|----------|----------|----------|----------|
+| p > 0.05 | low | 0-25 | 🟢 #00C853 | 无需干预 |
+| 0.01 < p ≤ 0.05 | medium | 26-50 | 🟡 #FFD600 | 人工复核 |
+| 0.001 < p ≤ 0.01 | medium-high | 51-75 | 🟠 #FF6D00 | 深入调查 |
+| p ≤ 0.001 | high | 76-100 | 🔴 #D50000 | 正式举报 |
+
+### 6.3 Markdown 报告标准
+
+综合报告遵循以下结构：
+
+```markdown
+# 📋 Geng 学术数据打假检测报告
+## 📊 综合评估结果（表格）
+## 📝 结论（一段话）
+## 💡 建议（编号列表）
+## 🔬 各模块检测详情
+### Module N: 模块名称
+## ⚠️ 重要声明
+```
+
+---
+
+## 7. 学术伦理与法律合规
+
+### 7.1 合规框架
+
+| 标准/规范 | 发布机构 | 相关性 |
+|-----------|----------|--------|
+| COPE Retraction Guidelines | 出版伦理委员会 | 论文撤稿/更正流程 |
+| 科研诚信案件调查处理规则 | 中国科技部 (2019) | 国内学术不端处理 |
+| ORI Research Integrity Guidelines | 美国研究诚信办公室 | 国际标准 |
+| Singapore Statement | 全球科研诚信大会 | 负责任研究行为 |
+
+### 7.2 使用伦理准则
+
+1. **比例原则** — 检测强度应与嫌疑程度成正比
+2. **无罪推定** — 异常 ≠ 造假，需完整证据链
+3. **保密义务** — 未经确认的检测结果不应公开传播
+4. **正式渠道** — 确认后应通过机构/期刊正式途径举报
+5. **避免伤害** — 不应基于工具结果对个人进行网络攻击
+
+### 7.3 免责声明
+
+```
+本工具仅提供统计学层面的异常筛查功能，输出结果为"疑点线索"而非
+"造假定论"。使用者应当理解：
+- 统计异常可能有合理解释（仪器精度、数据处理等）
+- 本工具不具备法律效力
+- 最终判定需要领域专家、原始数据核查和正式调查程序
+- 使用者需自行承担因不当使用造成的后果
+```
+
+---
+
+## 8. 版本与更新日志
+
+### v1.0.0 (2026-05-20)
+
+- 初始发布
+- 6个核心检测模块
+- 综合评估引擎
+- 多平台使用指南
+- 标准化输出格式
+
+### 路线图
+
+| 版本 | 计划功能 |
+|------|----------|
+| v1.1 | 增加 SPRITE 测试、生存数据一致性检验 |
+| v1.2 | 支持 Excel 直接输入、PDF 表格自动提取 |
+| v1.3 | Web UI 界面、RESTful API |
+| v2.0 | AI 增强检测（LLM 辅助判断上下文合理性） |
+
+---
+
+## 9. 引用本工具
+
+如果在学术工作中使用了本工具，请引用：
+
+```bibtex
+@software{geng_skill_2026,
+  title = {Geng Skill: Academic Data Fraud Detection Toolkit},
+  author = {Contributors},
+  year = {2026},
+  url = {https://github.com/YOUR_USERNAME/geng-skill},
+  version = {1.0.0},
+  note = {Inspired by the methodology of "Geng Tongxue" (耿同学讲故事)}
+}
+```
+
+---
+
+*Geng Skill — 让学术回归诚信，让数据说出真相。*