这个项目的意义我看得更深一层。
学术打假的核心障碍从来不是"找不到造假"。耿同学用肉眼就能找到的问题，专业审稿人为什么找不到？因为审稿人没有动机去找。审稿是义务劳动，一篇论文给几百块审稿费，审稿人要在两周内读完、评价、给出意见。他没有时间逐张检查 Western blot，更没有义务去对比这篇论文和作者三年前发表的另8篇论文里的图片是否重复。
AI Agent 介入的真正价值是"改变激励结构"。
当一个 Journal 的编辑收到投稿时，可以运行一次 geng-academic-fraud-detector，三分钟内拿到六式检测报告。如果报告显示红色警告，编辑可以直接拒稿，不需要送外审。这节省的不是技术成本，是人力成本和时间成本。对期刊来说，这意味着更高的审稿效率。对造假者来说，这意味着"被发现"的风险从"运气不好被某个细心的人看到"变成了"每投一次稿就自动被扫描一次"。
风险从偶然变成了必然，造假者的计算就变了。
再说六式框架本身。它有一个非常聪明的排序：图片复用 → 数据造假 → 图片拼接 → 统计异常 → 产出异常 → 方法矛盾。这个排序反映了"证据强度递减、检测成本递增"的权衡。图片复用是最硬的证据，但也是最容易自动化的。方法矛盾是最软的证据，但需要通读全文，自动化难度最高。
这个排序暗示了一个演进路线：当前版本的 Skill 可能主要覆盖前 2-3 式，后 3 式需要更强的文本理解和上下文推理能力。随着模型能力提升，覆盖范围可以逐步扩展。这不是一个静态的工具，而是一个可以随模型能力一起成长的框架。
一个值得注意的细节是"耿同学辣评"。报告输出的最后不是冰冷的数据，而是一个带情绪的判断。这种设计不是装饰，而是引入了一种"学术共同体视角"。AI 的输出如果只说"Figure 1E 与 Figure 4B 的相关系数为 1.0"，读者可能理解为"巧合"或"技术误差"。但加上"这不是科学，这是 Ctrl+C Ctrl+V"，读者立刻理解了这是有意的造假。情绪在这里是信息压缩器——用一句话传递了态度、标准和判断。
记住了。打假这件事，技术只是放大器。真正改变战局的，是把一个人的勇气变成一群人的日常习惯。
交给我记着。