pedrohcgs/claude-code-my-workflow

解決的問題

本專案提供一個結構化的AI輔助學術工作框架，讓研究人員與教育工作者能自動化創建、審查與驗證學術成果，例如講義簡報、研究論文、資料分析流程與可重現性套件。它將 Claude Code 轉變為一名「承包商」，能規劃、執行並驗證複雜的學術任務，同時透過自動化門控機制維持高品質標準。

如何運作

系統採用「目標優先、門控強制」的作法，使用者提出目標後，AI 負責協調。它運用多項關鍵機制：

• 專門化代理：不使用通用代理，而是使用18個專注型代理（例如 proofreader、pedagogy-reviewer、r-reviewer）來處理學術品質的特定面向。
• 編排執行時：一個將任務分發給專業代理、在共享架構上整合發現，並持續循環直到問題解決的系統。
• AdSversarial QA：透過「批評者」與「修復者」代理的循環，直到不再發現新問題，捕捉單次審查容易遺漏的錯誤。
• 品質門控：成果物評分（0-100）。透過預提交鉤子與技能（如 /commit）強制執行最低品質門檻（例如提交需達80分以上），防止低品質工作被儲存。
• 驗證層：專用工具用於驗證主張（Chain-of-Verification）、審計可重現性（將數值主張與腳本輸出交叉核對）、偵測AI語氣痕跡（/humanize）。
• 上下文延續：使用 MEMORY.md 與會話壓縮（/compress-session）確保關鍵決策與學習在會話間持續保留。

適用對象

使用 LaTeX（Beamer）、Quarto、R 與 Stata 進行研究與教學材料的學術研究人員、博士生與教授。

主要亮點

• 多代理流程：18個專門化代理，涵蓋從 TikZ 圖表到教學法審查的全部內容。
• 自動品質評分：整合式評分系統，對提交與拉取請求設置硬性門控。
• 可重現性審計：透過 passport.yaml 工具將文稿主張與實際資料輸出交叉核對。
• 模擬同儕審查：/review-paper --peer 技能可模擬具有不同傾向的期刊編輯與審稿人。
• 學術工具整合：原生支援 XeLaTeX、Quarto、R 與 Stata（透過 MCP）。
• 蒙特卡洛支援：為模擬研究與 R 套件發布檢查提供專用工作流程。