ManuSift

学术论文诚信筛查 agent · 离线检测内核 · 基于 pi SDK 的独立 TUI
English

概述

ManuSift 对论文 PDF 及其 Source Data 表格执行诚信筛查：52 个检测器覆盖图像复用、 表格伪造指纹、统计不一致、扭曲措辞、引用异常等方向，输出带证据定位的 findings / issues / HTML 报告。

两个产品面：

入口	说明
交互 agent	manusift 启动独立 TUI；对话式筛查，/screen <pdf> 触发全管线
批处理 CLI	manusift screen paper.pdf --no-llm；完全离线、无需 API key，适合脚本与批量

架构：交互层基于 pi SDK 构建独立 agent （非 fork），检测内核为 Python；两者经 JSON-lines stdio 桥 （manusift toolserver）对接，agent 侧可调用全部 ~82 个领域工具。

ManuSift 输出的是筛查信号（screening signals），不构成学术不端认定。

---

安装与使用

要求 Python ≥ 3.10（推荐 3.11）；Windows / Linux / macOS。

git clone https://github.com/WuP1ao0/ManuSift.git
cd ManuSift

python -m venv .venv
# Windows:      .venv\Scripts\activate
# Linux/macOS:  source .venv/bin/activate
pip install -e .

python scripts/install_smoke.py    # 安装自检

# 离线批处理（无需 key）
manusift screen evals/fixtures/clean_academic.pdf --no-llm --suites fast --workspace ./my_jobs

产物布局

<workspace>/<trace_id>/
├── inputs/       # 原始 PDF 与伴随数据
├── steps/        # 逐检测器检查点
└── output/
    ├── findings.json            # 校准后 findings
    ├── issues.json              # 聚合后的复核条目
    ├── report.html              # HTML 总结
    └── investigation_pairs.*    # 主调查视图

建议显式指定 --workspace；缺省时产物位于 data/jobs/<trace_id>/。

可选依赖

pip install -e ".[dev]"   # pytest + ruff
pip install -e ".[ocr]"   # EasyOCR + torch（约 2GB）：图内表格 OCR 类检测器

批处理 LLM 润色：复制 .env.example → .env，配置 MANUSIFT_OPENAI_API_KEY 或 MANUSIFT_ANTHROPIC_API_KEY 后省略 --no-llm。 无 key 时管线仍完整执行，llm_report.* 为空壳。报告默认中文，--lang en 切换英文。

---

检测能力

方向	检测项
图像取证	多哈希复用（pHash/aHash/dHash）、SIFT copy-move、翻转/旋转匹配、凝胶接缝、panel + SSIM、页面栅格、噪声/ELA、AI 生成图探针
表格与统计	Benford、重复/近重复行、跨表复制、固定差/固定比、小数尾偏置、GRIM/GRIMMER、DEBIT、statcheck 式 t/F/χ²/z/r 与 p 值复算
图文交叉	柱状图几何提取与正文数值比对、森林图 CI 规则
文本与元数据	扭曲措辞（5,802 条词典）、论文工厂信号、PDF 元数据、参考文献重复/冲突
外部核验（选配）	Crossref / OpenAlex 撤稿查询 / 数据可用性链接核验（带缓存，支持 CI 离线回放）
分诊	校准 + issue 聚合，high/medium/low 分级，严格控制误报

计数口径：注册检测器 52，离线管线运行 44（其余 8 个由 agent 按需调用）； agent 工具面 ~82 = 检测器工具 + ingest / 报告 / 任务管理等辅助工具。 可通过 manusift toolserver --list-tools 查验。

---

架构

manusift  (独立 TUI，pi SDK，agent/bin/manusift-agent.mjs)
   │  定制系统提示词；默认只读工具面（--dev 开放 bash/edit/write）
   ▼
.pi/extensions/manusift/          桥扩展：/screen、调用去重护栏、~82 工具注册
   ▼
python -m manusift.toolserver     JSON-lines stdio 桥
   ▼
Python 检测内核：ingest → 44 检测器并行 → 校准/聚合 → 报告

批处理 manusift screen 直接调用检测内核，不经过 agent 层。

其它入口：manusift-workspace（本地任务浏览器）、 python -m uvicorn manusift.web.app:app（仅回环地址的本地 HTTP API）。

扩展检测器

# manusift/detectors/my_detector.py
from .base import DetectorResult
from ..contracts import ParsedDoc

class MyDetector:
    """一句话描述（同时用于 agent 工具列表）。"""
    name = "my_detector"

    def run(self, doc: ParsedDoc) -> DetectorResult:
        return DetectorResult(detector=self.name, ok=True, findings=[], duration_ms=1)

在 manusift/detectors/__init__.py 注册，或通过 entry_points 以第三方插件 形式发布；注册后自动进入 agent 工具面。

---

配置

统一前缀 MANUSIFT_，完整清单见 manusift/config.py。

变量	默认	说明
MANUSIFT_WORKSPACE_DIR	./data/jobs	任务根目录（等价 --workspace）
MANUSIFT_DETECTOR_WORKERS	4	检测器并行度（1 = 串行）
MANUSIFT_REPORT_LANGUAGE	zh	报告语言 zh / en
MANUSIFT_OPENAI_API_KEY 等	未设	批处理 LLM 润色（可选）
MANUSIFT_PYTHON	自动探测 .venv	agent 桥使用的 Python 解释器
MANUSIFT_PI	未设	强制以裸 pi 方式启动（跳过独立 agent）

---

文档

文档	内容
docs/pi-agent.md	agent 安装、/screen、排障
docs/DETECTOR_LAYERS.md	检测器三层归属（管线/注册表/排除）
docs/REPORT_PATH.md	报告主链路（investigation_pairs）
docs/pubpeer_100_fraud_methods.md	PubPeer 100 类手法与检测对照
docs/SECURITY.md	安全说明

---

开发

pip install -e ".[dev]"
python -m pytest -q
python -m ruff check manusift tests

python scripts/ci_benchmark_gate.py --skip-run   # 基准门禁（校验已存产物）

基准位于 benchmarks/：真实撤稿案 core recall 保持 1.0，负对照 high 误报为 0。 修改检测器前请阅读 docs/DETECTOR_LAYERS.md，改动后运行门禁回归。

---

许可与社区

MIT（LICENSE）· CONTRIBUTING · CODE_OF_CONDUCT · SECURITY · CHANGELOG · CITATION

免责声明

ManuSift 为筛查辅助工具，输出供人工复核的信号，不构成对学术不端的法律或 制度性认定，不能替代编辑、机构与领域专家的审查。