pedrohcgs/claude-code-my-workflow

解决的问题

本项目提供了一个结构化的框架，用于利用 Claude Code 自动化学术研究与内容创作。它将 AI 从单纯的聊天界面转变为一个“承包商”，能够规划、执行并验证研究论文、演讲幻灯片与数据分析套件等学术产出的制作，通过严格的自动化关卡与专业代理人审查确保高质量。

运作方式

本系统基于“目标优先、关卡强制”的哲学运作。用户无需手动提示，只需定义目标，系统便会通过以下机制循环达成目标：

• 专业代理人 (Specialized Agents)：18 个专注的代理人（例如：校对员、幻灯片审计员、教学审查员）处理特定任务的效果优于通用模型。
• 编排执行环境 (Orchestration Runtime)：一种将工作分派给这些代理人、将发现结果简化为共享架构，并循环直到未发现新问题为止的协议。
• 自动化关卡 (Automated Gates)：一套脚本（如 backtest.sh）与 pre-commit hooks，强制执行质量分数（例如：提交分数需 80 分以上）并验证技术完整性（例如：链接解析、技能一致性）。
• 对抗式 QA (Adversarial QA)：一个“评论者”与“修正者”代理人循环，直到它们收敛到一个无错误的文件版本。
• 验证层 (Verification Layers)：通过 Chain-of-Verification 验证主张、通过交叉比对数值主张与脚本输出审计可重现性，以及检测 AI 语气特征的专业技能。

适用对象

需要产出高质量、经过验证的学术成果（LaTeX、Quarto、R、Python），同时希望在不牺牲严谨度或准确性的前提下利用 AI 辅助的研究人员、博士生与学者。

特色亮点

• 承包商模式 (Contractor Mode)：自动化需求规格、规划与执行的完整周期。
• 可重现性审计 (Reproducibility Audit)：交叉比对稿件数据与实际数据脚本，防止错误。
• 同行评审模拟 (Peer Review Simulation)：执行多位具有不同倾向的审查员，报告决策分布而非单一估计值。
• 严格质量关卡 (Rigorous Quality Gates)：使用版本控制的 hooks 与资格分类账，确保每一项检查皆有效。
• 上下文存续 (Context Survival)：实现在自动压缩前保存快照的 hooks，确保关键决策在不同工作阶段间得以保留。