SkillProof tested Claude skills

Academic AIO

Audite les articles d'IA médicale pour leur découvrabilité par la recherche IA, avec un vérificateur de réussite/échec

par Aperivue · Aperivue/medsci-skills

Testé · Fonctionne ★ 9.2/10

Academic AIO — Audite les articles d'IA médicale pour leur découvrabilité par la recherche IA, avec un vérificateur de réussite/échec

Ce que fait

Examine les titres, résumés, encadrés de résumé de revues, READMEs, CITATION.cff et cartes Hugging Face pour les articles d'IA médicale afin que Perplexity, Elicit, Consensus et SciSpace les citent avec précision, combinant les principes GEO avec les ancres de rapport TRIPOD+AI/CLAIM/STARD-AI. Se déclenche lors de la rédaction ou de la révision d'un manuscrit, d'un préprint ou d'une publication de code pour des lieux comme Radiology, Lancet Digital Health ou npj Digital Medicine. Fournit des vérificateurs Python qui valident le format des encadrés de résumé, le schéma JSON-LD et les métadonnées du dépôt plutôt que de se fier uniquement au jugement du modèle.

Rapport de test

Tâche : préparer un titre, un encadré de points clés et un résumé pour soumission à Radiology — un transformeur détectant les fractures du crâne sur des scanners cérébraux sans contraste. La base de référence (sans compétence) a produit un brouillon d'apparence raisonnable, mais le détecteur intégré de la compétence l'a rejeté : `check_summary_box.py --journal radiology --strict` a renvoyé EXIT=1, verdict NONCONFORMANT — 'found 4 bullets, expected 3' (la RSNA en exige exactement 3) plus un soft-hit one_claim_per_bullet sur une puce avec un point-virgule. La version de la compétence a réussi : EXIT=0, verdict CONFORMANT. Mesures textuelles : la base de référence avait 0 mention de '95% CI', 0 résultats numériques (AUC/sensibilité/spécificité), 0 ancres de lignes directrices de rapport, 0 disponibilité de code avec DOI ; la version de la compétence avait — 5 / 5 / 2 / 1 respectivement. Les 12 fichiers référencés par le corps (scripts/check_summary_box.py, references/summary_box_specs.json, references/checklists/AIO_GENERAL.md, templates/aio_audit_checklist.md.j2, etc.) existent réellement, et trois tests de bundle de dépôt ont été exécutés et réussis (test_summary_box : 7 passés 0 échoués ; test_validate_schema et test_batch_metadata_audit : TOUS RÉUSSIS). Les scripts sont uniquement stdlib, pas de lecture réseau ou d'environnement — grep pour urllib|requests|socket|subprocess|os.environ|token|secret n'a fait correspondre que 'https://schema.org' et regex ORCID.

Testé le: 2026-07-16 · Claude Code 2.x (agent harness)

Installation

git clone https://github.com/Aperivue/medsci-skills.git
mkdir -p ~/.claude/skills
cp -r medsci-skills/skills/academic-aio ~/.claude/skills/academic-aio

Commandes et exemples de prompts

  • /academic-aioAudite les articles d'IA médicale pour leur découvrabilité par la recherche IA, avec un vérificateur de réussite/échec

Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :

  • Check if my Radiology submission's Key Points box has too many bullets
  • Help me add TRIPOD+AI reporting anchors to my medical AI manuscript abstract
  • Audit my preprint's summary box so Perplexity and Elicit cite it accurately

Rapport complet →