Notre avis
Audite un dépôt de recherche pour repérer les incohérences d'ordre de la distance de Wasserstein (W1 ou W2) dans les manuscrits et le code, et produit un rapport de réconciliation structuré.
Points forts
- Analyse à la fois les manuscrits et le code Python, couvrant la notation et les appels de bibliothèques.
- Recoupe les résultats avec le fichier de notation canonique pour éviter le travail redondant.
- Liste clairement les motifs détectés et les corrections suggérées dans un rapport structuré.
- Ne modifie aucun fichier, ce qui permet de revoir l'audit avant toute correction.
Limites
- Dépend de la présence et de l'exactitude de papers/shared/notation.md.
- Ne détecte que les motifs explicitement listés; d'autres formes de notation ambiguë peuvent être ignorées.
- Ne corrige pas automatiquement les problèmes, la remédiation reste manuelle.
À utiliser pour vérifier que toutes les références à Wasserstein d'un projet utilisent W2 de façon cohérente avant de finaliser un livrable de phase 0.
Ne pas l'utiliser pour une revue générale de qualité de code ni pour des dépôts sans distance de Wasserstein.
Analyse de sécurité
SûrThe skill only reads files and generates a report. No shell commands, network access, or destructive actions. It does not modify files without confirmation. No security risks.
Aucun point d'attention détecté
Exemples
/wasserstein-audit all/wasserstein-audit papers/wasserstein-audit code/wasserstein-audit — Audit Wasserstein Order Consistency
Scan all manuscript drafts and codebase for W₁ vs W₂ inconsistencies. Resolves the blocking Phase 0 deliverable: the legacy P01 manuscript uses W₁ in several places while project convention mandates W₂ as the primary metric.
Usage
/wasserstein-audit
/wasserstein-audit [papers|code|all]
Example: /wasserstein-audit all
What this does
- Reads
papers/shared/notation.md(canonical notation standard, Wasserstein Audit section) - Scans manuscript
.mdfiles underpapers/for W₁, unsubscripted W, ambiguous W_p - Scans Python files under all domain packages for Wasserstein calls without explicit
p=2 - Cross-references findings against what notation.md already has "verified"
- Produces a structured reconciliation report — does not fix anything without confirmation
Manuscript patterns that trigger a flag
| Pattern | Issue |
|---|---|
| W_1 / $W_1$ / W_{1} | W₁ usage — needs justification or must change to W₂ |
| $W$ (unsubscripted) | Always flag — violates notation standard |
| bottleneck without alongside Wasserstein | Sole metric violation |
| wasserstein without explicit order nearby | Ambiguous |
Code patterns that trigger a flag
| Pattern | Issue |
|---|---|
| wasserstein_distance(a, b) with no p= arg | Default may not be W₂ in all library versions |
| p=1 or order=1 near Wasserstein call | Explicit W₁ usage |
| bottleneck_distance(...) | Must not be used as sole metric |
| gudhi.wasserstein.wasserstein_distance without order=2 | gudhi default not guaranteed |
Report format
## Wasserstein Audit Report — YYYY-MM-DD
### Manuscript Findings
| File | Line | Found | Issue | Suggested Fix |
### Code Findings
| File | Line | Found | Issue | Suggested Fix |
### Status
- Blocking Phase 0: YES / NO
- Total issues: N (manuscript: N₁, code: N₂)
### Recommended Actions
Library defaults (reference)
persim.wasserstein_distance— p=2 by default ✓gudhi.wasserstein.wasserstein_distance— requires explicitorder=arggiotto-tdaWasserstein vectorisation — p=2 by default ✓- W₁ in theory proofs is acceptable in Methods sections if clearly labelled and distinguished from the computational metric used
Ingénierie de Prompts
Data & IA
Bonnes pratiques et templates de prompt engineering pour maximiser les résultats IA.
Visualisation de Données
Data & IA
Génère des visualisations de données et graphiques adaptés à vos données.
Architecture RAG
Data & IA
Guide de configuration d'architectures RAG (Retrieval-Augmented Generation).