pua-academic

pua-academic

学术压力引擎 — 让你的 AI 不敢在学术任务上摆烂

用 Reviewer 2、Lab Meeting、Grant Revision 等学术界真实场景压力，让 AI 在科研任务上穷尽一切方案。

一个 AI Agent 技能插件，用学术界压力场景（而非互联网大厂 PUA）驱动 AI 穷尽所有方案。支持 Claude Code、OpenAI Codex CLI、Cursor 等。现在不是只会“加压”，而是四件事一起做：

1. 学术压力话术 — 让 AI 不敢在方法学上敷衍
2. 方法学智能路由 — 任务开始先选对审视框架，而不是先堆语气
3. 解释链与输出契约 — 陌生输出先核对格式、原始方法、代表性论文
4. 能动性鞭策 — 让 AI 主动追求学术严谨而非被动等待

与原版 PUA 的区别

原版 PUA	PUA Academic
阿里 P8 风格	Reviewer 2 模式
字节味	Lab Meeting 模式
华为味	Grant Revision 模式
P7/P9/P10	Postdoc/PI
3.25/3.75	RA/PhD/Postdoc/PI 级
KPI/绩效	发表/引用/Grant
优化名单	退稿/拒稿

原版 pua 给到的优秀示例，不只是“会骂人”，而是：

• 有入口层路由：先判断任务属于哪类，再决定怎么压
• 有失败切换链：同一类失败不能一直原地调参
• 有强制引用顺序：展示协议、router、methodology 文件各司其职
• 有命令层一致性：README、commands、SKILL 行为不打架

工作流程

用户调用 /pua-academic 或研究任务触发 skill
                ↓
   先读 methodology-router 选起始模式
                ↓
   Reviewer 2 / Lab Meeting / Grant / Journal
                ↓
      用对应 methodology 执行与解释
                ↓
      先补输出契约和证据链，再下结论
                ↓
         ┌─ 验证通过 → 交付
         │
         └─ 连续失败
                ↓
     failure_count 升级 + 切换策略类/模式

这里模仿的是原版 pua 最强的部分：入口层先做方法论路由，再让 flavor 和旁白服务于执行，而不是反过来。

压力升级阶梯

失败次数	等级	学术模式	PUA 话术示例	强制动作
第 2 次	L1	Lab Meeting	"你这个对照组怎么选的？生物学意义是什么？"	换假设类
第 3 次	L2	Reviewer 2	"The methodological justification is insufficient."	3 个竞争假设
第 4 次	L3	Grant Revision	"The preliminary data is not convincing."	7 项检查清单
第 5 次+	L4	Editorial Rejection	"建议转投其他期刊。"	换工具/技术栈

学术压力模式详解

🟡 Lab Meeting 模式 (L1) — 导师当众质疑

"你这个对照组怎么选的？有没有考虑混杂因素？"
"这个结果的生物学意义是什么？不要只给我看 P 值。"
"你验证过吗？还是只是跑完命令就算了？"
"这个 figure 能直接放到 paper 里吗？"

触发条件：方法选择无依据、结果未验证、数据问题归因外部

🔴 Reviewer 2 模式 (L2) — 方法学质疑

"The methodological justification is insufficient."
"Why did you choose this approach over established alternatives?"
"The sample size justification is missing."
"Alternative explanations were not considered."

触发条件：方法选择无引用、统计方法不当、结论超出数据支撑

🟢 Grant Revision 模式 (L3) — Significance 质疑

"The significance of this work is not clearly stated."
"How does this advance the field beyond existing work?"
"The preliminary data is not convincing."

触发条件：分析目标模糊、结果不可靠、与现有工作无对比

⚫ Editorial Rejection 模式 (L4) — 退稿风险

"We regret to inform you that your manuscript cannot be accepted."
"The methods section lacks reproducibility details."

触发条件：L3 后仍失败，需要换技术栈/工具

学术能动性等级

等级	行为特征	典型表现
RA 级 🦥	等指令、只执行	"跑完命令就停"、"报错就问用户"
PhD 级 🐢	主动推进、能发现问题	"QC 发现异常，正在排查"
Postdoc 级 🐇	设计分析、端到端交付	"分析流程设计如下...生物学解释是..."
PI 级 🦁	定义问题、带团队	"核心问题是...我安排了 X 负责 QC"

学术抗合理化表

你的借口	反杀	触发模式
"这个参数大家都这么用"	Reviewer 会问"cite the source"。官方文档链接在哪？	Reviewer 2
"数据看起来没问题"	QC 了吗？count 追踪了吗？sample attrition 解释了吗？	Lab Meeting
"结果显著就行了"	显著 ≠ 正确。effect size 合理吗？混杂控制了吗？	Lab Meeting
"这个方法 paper 里用过"	那篇 paper 的方法适合你的数据吗？assumption 检验了吗？	Reviewer 2
"我跑完流程了"	Pipeline 跑完 ≠ 分析完成。scientific question 回答了吗？	Grant Revision
"代码能跑"	能 reproduce 吗？seed 固定了吗？version 记录了吗？	Journal Submission
"这个结果很奇怪"	奇怪 = 要解释，不是忽略。追踪到哪一步出的问题？	Lab Meeting

7 项学术检查清单（L3+ 强制完成）

• 方法选择验证: assumption 检验了吗？有官方文档/原始 paper 支撑吗？
• 结果验证: QC 指标检查了吗？结果在生物学上合理吗？敏感性分析做了吗？
• 证据链检查: 数据来源清晰吗？处理步骤可追溯吗？中间结果有检查点吗？
• 可复现性检查: seed 固定了吗？软件版本记录了吗？代码能被别人跑通吗？
• 统计严谨性: 多重检验校正做了吗？effect size 报告了吗？CI 报告了吗？
• 生物学意义: 结果能被生物学解释吗？和已有文献一致吗？
• 发表准备: Methods 可独立成文吗？Figure 能直接放进 paper 吗？

与其他 Skill 的配合

┌───────────────────────────────────────────┐
│  bioinfo-autopilot (primary skill)        │
│  - Bioinformatics workflows               │
│  - GWAS / RNA-seq / cohort pipelines      │
│  - QC and evidence-chain checks           │
│                                           │
│  Falls back here on failure               │
├───────────────────────────────────────────┤
│  pua-academic (pressure engine)           │
│  - Reviewer 2 / Lab Meeting / Grant modes │
│  - Anti-rationalization pressure          │
│  - Proactive rigor escalation             │
└───────────────────────────────────────────┘

安装

CC Switch