---
name: diagnose-aha-moment
description: >-
  Diagnose whether a paper's abstract/introduction creates a clear reviewer
  "Aha Moment". Identify the central realization (原来是这样 / 原来还能这样),
  separate problem / motivation / insight, list the commitments the opening
  makes, and check whether the method and experiments actually close those
  commitments. Use when evaluating or revising a paper's abstract or
  introduction narrative before submission. Output is a DIAGNOSIS only — do not
  rewrite the text here; hand off to a revision skill for that.
metadata:
  owner_model: ParadoxGPT-Writer-4B
  skill_family: writer
  version: "0.1"
  output_type: diagnosis
  default_language: zh
  trigger_keywords: [abstract, introduction, aha moment, realization, motivation, insight, commitment, narrative, 投稿前检查]
  required_inputs: [title, abstract, introduction, method_summary]
  optional_inputs: [experiment_summary, reviewer_concerns]
  handoff_to: [rewrite-abstract-with-commitments, detect-overclaim-missing-closure, map-claims-to-experiments]
---

# Diagnose Aha Moment

## Purpose

判断一篇论文的 abstract / introduction 是否给审稿人制造了清晰的"Aha Moment"（认知更新）。这是 ParaWriter 的核心诊断能力：一篇强论文的开头不是信息罗列，而是**对审稿人认知状态的有序改造**。本 skill 只做诊断，不动手改写——它输出问题在哪、风险在哪、优先改什么，把"要不要改、怎么改"留给 revision skill。

## When to Use

- 作者想知道 abstract / introduction 有没有"打动审稿人"的核心 realization。
- 投稿前自查，或拿到 review 后复盘开头叙事。
- 需要判断开头许下的承诺，正文是否真的兑现。

## Do Not Use

- 想直接得到改写后的 abstract / introduction → 用 `rewrite-abstract-with-commitments`。
- 主要担心的是 overclaim / 实验不闭环 → 用 `detect-overclaim-missing-closure`。
- 想从 idea 反推形成路径 → 用 Creator 的 `reverse-engineer-paper-idea`（那是 idea 维度，不是写作维度）。
- 只想润色句子、不涉及论证主线 → 不在本 skill 范围。

## Required Inputs

- `title`: 论文标题
- `abstract`: 原文 abstract
- `introduction`: 原文 introduction（段落级）
- `method_summary`: 方法概要（够判断承诺是否能被方法回应即可）
- `experiment_summary`: 实验概要（optional，但有则能判断 closure）
- `reviewer_concerns`: optional，已有 review 时帮助定位

## Output Contract

输出为结构化诊断，必须包含以下小节（自然语言为主，不要纯 JSON）：

1. **central_realization** — 论文试图制造的核心认知更新，一句话。
2. **realization_type** — `原来是这样`（解释型：重新解释一个现象/机制/瓶颈/失败）或 `原来还能这样`（构造型：打开新的建模/设计路径），并说明依据。
3. **problem_motivation_insight** — 把 problem setting / motivation / core insight 三者分开陈述，并指出是否被混为一谈。
4. **main_commitments** — abstract/introduction 许下的主要承诺（claim）清单。
5. **closure_status** — 每条承诺是否被 method / experiment 兑现（closed / partially / unsupported）。
6. **main_writing_risk** — 当前开头最大的写作风险（如 insight 被埋没、承诺过强、gap 不清）。
7. **revision_priority** — 可执行的修改优先级（先改什么、为什么）。

## Procedure

1. 先只读 abstract + introduction，写下你作为审稿人"被引导到的认知"是什么（不被标题带偏）。
2. 判定 realization_type：这篇是在解释一个已有现象，还是在打开一种新做法？给出依据（篇幅、逻辑推导关系、用词）。
3. 分离 problem / motivation / insight：很多论文把三者搅在一起，逐句归类，指出哪里混淆。
4. 抽取 main_commitments：abstract/intro 里"声称做到了什么"的句子。
5. 用 method_summary / experiment_summary 逐条核对 closure_status。
6. 给出 main_writing_risk 和 revision_priority：优先修最影响审稿人认知更新的问题。

## Quality Bar

一个好的输出必须：

- central_realization 是一句话、可被反驳的具体判断，不是"这是一篇重要的工作"这类空话。
- realization_type 给出可核查的依据（指向具体段落/用词），不是凭感觉。
- closure_status 逐条对应承诺，不能笼统说"基本兑现"。
- revision_priority 可直接执行（"把第 2 段的 insight 提前到第 1 句"），不是"建议加强"。

一个差的输出：

- 把 result / 重要性当成 insight。
- 把 motivation 写成"这个问题很重要"，没有说清 gap。
- 笼统夸"叙事清晰"，不指出具体风险。

## Failure Modes

- **把 result 当 insight**：把实验数字当成核心认知更新。
- **把泛泛重要性当 motivation**：没说清 gap / 未解决的张力。
- **承诺与正文脱节**：不核对 method/experiment 就说"已兑现"。
- **过度承诺**：把局部结果包装成普遍结论（应转 `detect-overclaim-missing-closure`）。
- **被标题/作者框架带偏**：不从文本实际引导去判断 realization。

## Handoff

- 如果主要问题是承诺过强 / 实验不闭环 → `detect-overclaim-missing-closure`
- 如果主要问题是承诺没有对应实验 → `map-claims-to-experiments`
- 如果诊断清楚、需要直接改写 abstract → `rewrite-abstract-with-commitments`

## Example

Input:

```
title: IterResearch: Rethinking Long-Horizon Agents with Interaction Scaling
abstract: <...>
introduction: <...>
method_summary: <interaction scaling, 多轮交互放大 agent 能力>
experiment_summary: <长程任务上持续提升，无明显饱和>
```

Output（节选）:

```
central_realization: 长程 agent 的瓶颈不在单步能力，而在交互轮次的scaling没被当作一等资源。
realization_type: 原来还能这样 —— 打开"interaction scaling"这一新设计轴，而非仅解释已有现象。
   依据: intro 用 3 段把 compute scaling 的成功类比迁移到 interaction，属构造型叙事。
problem_motivation_insight:
   problem: 长程任务上现有 agent 早早饱和。
   motivation: 单步/单轮优化已边际收益递减。
   insight: 交互轮次本身是可被scaling的一维资源。
   注意: 第 2 段把 motivation 和 insight 混在一起，建议拆开。
main_commitments:
   C1: interaction scaling 带来持续提升（不饱和）。
   C2: 该增益可被一个简单机制获得。
closure_status:
   C1: closed —— 实验曲线显示无明显饱和。
   C2: partially —— 机制简单性只在部分实验体现。
main_writing_risk: insight 被埋在第 2 段中部，首句未点明"interaction 是可scaling资源"。
revision_priority:
   1. 把 insight 提到 introduction 第 1 句。
   2. 拆分第 2 段的 motivation 与 insight。
   3. 补强 C2 的机制简洁性证据，否则降措辞。
```