shimen 0.26.0

师门 (Shimen) standalone CLI — multi-agent research collaboration. Calls LLM API directly so 严师 (strict-mentor) actually fires every cycle.

shimen (CLI)

师门 standalone CLI — multi-agent research collaboration that actually calls every agent.

Plugin 版（prose-based）在 opencode / CodeWhale 里有个根本问题：LLM 会偷懒、跳过严师、不真并行调多 agent。这个 CLI 绕开它——orchestrator 是 Python 代码，agent 的调用顺序和并行都写死，LLM 没机会跳过。

安装

pip install shimen

需要 Python 3.10+。

快速开始

两层配置，一次全局 + 每个项目一次：

# === 全局配置 (装完跑一次) ===
shimen setup                  # 选 provider, 写 ~/.shimen/profile.yaml
export DEEPSEEK_API_KEY=sk-... # 设 API key
shimen check                  # 烟雾测试 API 通了

# === 项目初始化 (每个论文项目都跑一次) ===
cd ~/papers/my-paper          # cd 到你的论文目录
shimen init                   # 写 ./.shimen/project.yaml
                              # 问: 标题 / 方向 / 目标期刊 / frozen 词表
                              # frozen 词表 = paper-polisher 绝不会动的词
                              # 比如你的专有名词 / 缩写 / 变量符号

# === 跑 ===
shimen auto paper.docx        # 端到端 audit → polish, 浏览器自动开

第一次跑 shimen init 时, 如果还没配过全局 provider, 会自动先弹一遍 setup。

Provider 支持

Provider	默认模型	严师专用 (reasoner)	成本 ($/M in / out)
deepseek	deepseek-chat	deepseek-reasoner	0.27 / 1.10
xiaomi-mimo	mimo-chat	—	~ deepseek
openai	gpt-4o-mini	o1-mini	2.5 / 10

所有 provider 都用 OpenAI-compatible API，配 base_url 即可。

命令

命令	作用
shimen setup	全局配置 provider / API key / 默认期刊。装完跑一次
shimen init	项目初始化, 写 ./.shimen/project.yaml (含 frozen vocabulary)
shimen check	烟雾测试 API
shimen auto-start IDEA	★ 端到端: ideate → simulate scaffold → draft → audit → polish → typeset
shimen ideate "想法"	选题: arXiv+CrossRef 真实扫文献 → 师姐 brainstorm → 严师可行性 → 审稿人 impact。出 topic_proposal.md
shimen scout "query"	单独扫 arXiv + CrossRef, 看相关工作
shimen simulate topic.md [--run]	生成 sim_skeleton.py; --run 自动跑出 results.json + fig_main.pdf
shimen figure results.json "Fig 2: DOCP vs Cn^2"	数据 + 自然语言描述 → matplotlib 代码自动跑 → fig_main.pdf
shimen draft outline.md	从 outline / topic 起草 docx_v0 (自动注入 results.json 的真实数字)
shimen audit FILE.docx	claim-auditor framing 审计 (1 次调用)
shimen polish FILE.docx	11 agent polish 全循环
shimen auto FILE.docx	audit + polish 链 (中等粒度入口)
shimen read paper.pdf [...]	读 PDF 入 literature-ledger
shimen typeset polished.docx	LaTeX → final.pdf
shimen dashboard --cwd .	浏览器看历史 sandbox
shimen version	显示版本

端到端 — 一条命令搞定整篇

shimen auto-start 硅光 深度学习      # 多领域融合, 师姐自己找方向

内部依次跑（每阶段产物保存可恢复）：

1. ideate     师姐 brainstorm + 学生拟 2 候选 + 严师可行性 + 审稿人 impact
              → topic_proposal.md  (灌水主题硬拒绝)
2. simulate   生成 sim_skeleton.py + sim_skeleton.md (用户自己跑, 回填 results.json)
3. draft      paper-polisher 从 topic 展开 6 节 prose
              → <project>_v0.docx
4. audit      claim-auditor framing 检查
              MAJOR_REFRAME 默认停 (--force 强行继续)
5. polish     12 agent full loop
              → <project>_v0_polished.docx
6. typeset    LaTeX → final.pdf  (需要 xelatex, 无则跳过)

中途任何阶段都能从中间起：

shimen auto-start --from-topic topic_proposal.md       # 跳过 ideate
shimen auto-start --from-outline outline.md            # 跳过 ideate
shimen auto-start --from-docx my_existing.docx         # 只跑 audit + polish + typeset
shimen auto-start "想法" --skip-sim --skip-typeset     # 只跑 ideate + draft + polish

或者分步走（每步看一眼再决定）：

shimen read ref1.pdf ref2.pdf      # 入 ledger
shimen ideate "我的想法"            # 选题
shimen simulate topic_proposal.md   # 生成仿真骨架
python sim_skeleton.py              # 你跑仿真, 回填 results.json
shimen draft topic_proposal.md      # 起草 docx
shimen audit my_paper_v0.docx       # 审 framing
shimen polish my_paper_v0.docx      # 全 loop
shimen typeset my_paper_v0_polished.docx   # 出 PDF

跑通完整 auto-start 花费（用 deepseek 或 mimo-v2.5）大约 ¥3-5 一篇论文。

推荐工作流（一键端到端）：

shimen auto paper.docx --venue "Nature Photonics"
# 内部:
#   Phase 1/2  → audit (claim-auditor 1 次调用)
#               verdict = ACCEPT_AS_IS  → 自动接 Phase 2
#               verdict = MINOR_REFRAME → 自动接 Phase 2 (跑完看 audit 报告做小调整)
#               verdict = MAJOR_REFRAME → 停 (手动改 framing 再来, 或 --force 硬上)
#   Phase 2/2  → polish (11 agents full loop, 浏览器实时看对话)
# 输出:
#   paper_audit.md    framing 报告
#   paper_polished.docx
#   _shimen_auto_<ts>/events.jsonl   两阶段全部对话流

如果想分步走 (debug / 想看 audit 后再决定要不要 polish)，用单独的 shimen audit + shimen polish。

Agents（写死的调用顺序）

每段每一轮按这个顺序跑（Python 代码强制，LLM 跳不掉）：

1. student-liaison       — 翻译严师指令为可执行病灶
2. strict-mentor         — 诊断 P0/P1/P2（用 reasoner model 如可用）
3. citation-verifier     — 仅当段内有 [N] 才触发 (Introduction / Discussion 高频)
4. paper-polisher        — 出 REVISED，遇到 SUSPICIOUS 引用标 [NEEDS_USER_CONFIRM]
5. integrity-sentinel    — PASS/FLAG/HARD-STOP（HARD-STOP 回滚整轮）
6. ┌ peer-reviewer (温和派, lenient)  ┐  ← asyncio.gather 真并行
   └ peer-reviewer-strict (严厉派)     ┘
7. conflict-arbitrator   — 仅当 |lenient - strict| ≥ 1.5 才触发
8. Gate: 接受阈值 ? 接受 : 下一轮

跑完所有轮数仍未达标 →
9. postmortem-agent      — 根因诊断, 不再 polish
全 doc 跑完 →
10. style-learner         — 归纳本次 polish 用户偏好, 写 ~/.shimen/style-ledger.md

用户实时干预：浏览器 inject 表单提交后，orchestrator 在下一轮 agent 调用前 读 <sandbox>/intervention.jsonl，把 pending 消息拼到 user prompt 前面。 applied 之后写到 .intervention-applied.txt。

协议

events.jsonl 协议与插件版完全兼容，沙盒目录里的文件可以喂给插件的 tools/shimen-dashboard.py 看。详见 references/events-jsonl-protocol.md。

License

CC-BY-NC-4.0