← 返回全部作品PROJECT DOSSIER / 07 OF 09

RESEARCH WORKFLOW / 07

CS Nature Paper.

用于计算机科研的 Agent Skill 与 Python 运行时,将文献、实验、代码、结果、图表和稿件主张连接到来源记录。

GitHub 仓库 / 项目文档
01 / 我的职责
科研工作流 · 运行时与证据契约
02 / 项目状态
实践作品 · SELECTED
03 / 技术栈
Python / Agent Skills / Research Graph / Provenance / JSON Schemas

CAPABILITIES / 能力

已经做成什么。

当前版本的主要功能

  • 01文献、实验、分析、写作与审查角色路由
  • 02研究图、任务依赖与哈希关联事件日志
  • 03工件绑定输入、环境、代码版本和验证状态
  • 04探索性与确认性结果分离、多项独立检查
  • 05固定上游 commit、许可证和资源来源清单
  • 06V4.1.0 包含六个可调用离线顾问提供器

THE CONTEXT

从什么问题
开始?

科研中的代码、实验记录与稿件主张经常分散维护,任务完成也不等于证据足够。运行时把这些对象和相互依赖放入同一个可追踪工作流。

通过研究图和哈希关联事件日志组织任务依赖;工件绑定输入、环境、代码版本与验证状态,并分别检查科学有效性、证据充分性和投稿准备度。

SYSTEM OVERVIEW

拆开来看。

架构示意 / 非实时运行数据

  1. 01问题与文献来源
  2. 02研究图与实验协议
  3. 03代码 / 结果 / 主张绑定
  4. 04独立审查与准备度检查

DESIGN INTENT

选择背后的
思考。

  1. 01

    用有来源的研究图和事件记录保存依赖与状态,而不把任务完成直接解释为科研结论成立。

  2. 02

    为工件保存输入、环境、代码版本和验证状态,并区分探索性分析与确认性证据。

  3. 03

    固定所选上游资源的 commit 和许可;离线顾问提供建议,正式科学资格单独审查。

CURRENT BUILD / 项目现状

目前做到哪里。

V4.1.0 已发布 Skill、运行时、契约、来源清单和发布完整性文件;发布报告记录六个离线顾问的集成与端到端执行。

顾问提供器的正式科学资格与更广泛系统比较尚未完成。软件检查不证明研究新颖性,也不预测论文录用。

GitHub 仓库 / 项目文档 ↗V4.1.0 发布说明 ↗
NEXT CASE / 下一个项目LangBot Unified Attachment Pipeline