独立科研工作流仓库。不依赖原提示词库或其他章的文件。目标是从“有价值的大问题+可信数据(或理论证据路径)”开始,在真实观察和有限实验中逐渐发现具体科研任务、算法与论文主张。更自由的探索不等于放宽最终论文证据,也不承诺发表或算法增益。
当前默认科研路线(沿用早期v1.8阶段设计;协议以当前v1.13为准):验收必需数据 → 发现可重复的真实规律或提出明确的可证伪需求 → 用简单合法参照证明信号和可纠正性 → 分开判断可靠结果与独立科研贡献 → 仅为明确瓶颈升级复杂机制 → 冻结后独立确认。已有有效 Run 直接续做,非新增门槛;简单结果不自动等于创新。
科学贡献候选(保留资产,非自动Q2成功):可信、可证伪、相对具名最近邻具有实际差额的增量贡献,可进入科学证据候选;不预设必须全面SOTA、发明新网络、跨所有数据库或同时具备多种创新。效率/标定成本/可靠性/失效边界/已有方法的有意义组合都可成为贡献,但不能降低合法评价、公平对照、效应不确定性和与主张匹配的独立确认。详见 PAPER_FIRST.md。
小发现保留与选刊(非项目成功):有限但真实的增量贡献可以保留为候选,但需另证其科学重要性、Q2+投稿潜力和独立确认条件。活动04–05有可信DEV证据或特定负Pilot时,先评估可收窄的科学主张与缺口,必要时参考 VENUE_STRATEGY.md 的稿件潜力 S/A/B/C(另有NONE/UNKNOWN)及期刊冲刺/主投/保守分层;二者是两根不同轴、不是JCR分区或录用概率,也不构成STOP门槛。仅在需要真实选刊时联网核最新范围、近期近邻论文、索引与费用。
Q2科研证据优先(非自动写稿):默认成果是有具名近邻和独立证据支持、具有真实JCR Q2+投稿潜力的科学主张,Q1更好;小而可靠的成果先保护,但不能因普通期刊可发直接算成功。得到可信Run后先核Q2新知识/证据缺口,再决定补证据还是有界科学升级;写作依然须成果总结审查及独立用户授权。见 PAPER_FIRST.md 与 VENUE_STRATEGY.md。
延续v1.12 可信算法工程闭环:活动04需要新算法/复杂训练时才按需读ALGORITHM_ENGINEERING.md:真实误差→预测前合法杠杆→强简单替代→一项可证伪预言/低成本正控→获授权的Agent连续实现和DEV实验→公平比较及Run保留→必要时直接转论文补证据。保留单一科研主控,不新增自动训练框架或无上限候选树;参考AIDE/autoresearch/RD-Agent/mini-swe-agent的思想,不复制其整套执行器。
最低成功标准:可信JCR Q2+投稿潜力,优先Q1;真实科学证据、具名最近邻与相关期刊近期同类发表先例共同支持,不要求实际录用。普通专业期刊/B-C自定义档不自动算成功。见Q2_PUBLICATION_GOAL.md。
Q2证据结构预检(可选,不认证成功):python -m core.q2_preflight PACKET.json 只检查引用字段是否齐全,示例见Q2_EVIDENCE_PACKET.example.json;实际科学贡献、JCR分区与Q2潜力仍由证据审查决定。
下一步Agent指令 / 用户选择分流:NEXT_ACTION_POLICY.md。新项目先核当前H节点原始用户选择/明确委托及其依赖是否仍有效,并另外核对应操作授权;技术任务在既定授权内可连续实施,未确认的科研选择只给推荐/权衡/待用户决定项,不提前下达其依赖的执行指令。
双文档持续整理:DUAL_DOCUMENT_WORKFLOW.md。每个实际项目维护 RESEARCH_RECORD.md(做过什么、哪些尝试及失败、下一步、恢复与二次探索)和 PAPER_BLUEPRINT.md(论文一级/二级标题、逐节拟写内容及证据/缺口),在重要科研事件时增量更新。算法论文蓝图以六章式为默认;特殊结构调整先说明理由并取得用户确认后执行。见 研究记录模板 / 论文蓝图模板。
正式稿件写作锁(强制):WRITING_GATE.md。可以提前规划 H1/H2,但正式投稿标题、摘要、章节正文或初稿,仍必须先有科研成果总结经用户审查,再另获明确的写作授权。可发表性、DRAFTABLE、确认成功、蓝图完成不会自动写稿;图片生成也需要用户单独明确请求。
获授权后的论文写作执行规范:MANUSCRIPT_WRITING.md。证据/主张→论文论证→方法与结果配对起草→占位/原文核验→科学审查→证据约束下的自然强表达;6个功能模块压缩为4轮自主任务,不新建科研阶段、强制Agent数量或审批门禁。
写作范例案例库:paper_exemplars/README.md;六类问题发现×五类传统贡献的可选研究案例:图谱。已从16篇用户提供的全文PDF提炼可复用的结构和学术表达策略;正文写作R1按研究类型匹配1–3篇,R2–R4按章节使用。仅收录原创策略卡与DOI/页码,不公开上传受版权限制的PDF或复制原文,也不覆盖用户已经批准的章节结构。
已有科学价值主动挖掘与贡献充分提炼:SCIENCE_RESULT_HARVEST.md。重要Run/负结果/拟HOLD/科研总结前复用现有预测、组级差异和实际成本寻找未发现的科学规律线索;比较不同贡献再选最有价值的主张。区分ARTICULATION_GAP(已存在可信证据但科学说明不充分)与EVIDENCE_GAP(关键实验还缺),避免反复GPU训练或用漂亮修辞替代验证。可选只读python -m core.result_harvest --packet DEV_EVIDENCE.json仅做探索性组级描述,不证明Q2/因果/独立确认;默认写作锁不变。
完成算法后的科学增值(可选):POST_ALGORITHM_SCIENCE_AUDIT.md。复用原始Run、错误结构及具名近邻,按新证据及现有授权做一项或一组有界且有价值的证伪;无新意则保留成果并总结,写作锁继续生效。
H6/H8 作者科研策略选择(重点升级):AUTHOR_STRATEGY_REVIEW.md 规定H6在AI给出首选科研组合及备选后由作者选择核心Task/研究路线,H8在重大成果或路线升级时由AI比较KEEP/UPGRADE/REFRAME等方案并由作者选择核心Claim;H7和已选范围DEV算法/训练/修复仍由AI自主,不逐次请示。新协议v1.3保留旧项目记录,实际作者消息与操作授权各自独立。
规则执行保障(离线检查与权限边界):EXECUTION_ASSURANCE.md 与 core.execution_preflight 检查H6/H8作者战略选项与选择声明、重要Run/负结果证据及DEV范围。未经真实作者选择或有效旧项目范围,不得声称新的核心Task/Claim已获批准;已选范围内H7算法及安全DEV自主执行。仓库仍未部署可信工具拦截器、SEALED操作系统隔离或真实Agent盲回放,静态CI不证明实际授权/科学正确性。
研究贡献分类(按需指南):12类原创贡献×6条研究路线。H2旧五类取向兼容保留;H6策略由AI推荐、作者选择,H8核心Claim与重大升级由作者选择,H7负责自主技术实施。高价值科研决策的统一优先级:知识重要性、近邻差额与可辨别证据优先于训练难度/论文完成速度,Q2+需要真实独立证据,不以组合标签推定成功。
高价值科学问题设计(按需):HIGH_VALUE_RESEARCH_DESIGN.md 支持多视角问题搜索、数据库科学辨识力、竞争假设与有界机制探索,保留阶段/授权/写作锁。
活动01防跳步与防过早选题:新项目默认 USER_DEEP_PARTICIPATION,H1范围→H2六类来源/五类贡献偏好→AI做BREADTH_SCAN→DEEP_FALSIFICATION→COMPETING_CHOICE→H3暂定问题→官方数据元信息核验→H4选择D1/理论证明路径→H5最终问题。AI可连续进行不依赖待决决定的合法只读研究,但不能一次性代替用户的选择;允许一条用户消息明确批准多项或按范围委托。数据反证时只重开受影响节点。可选core.human_decision_review与core.search_choice_review均仅做声明结构检查,不认证用户授权、科学新颖性或Q2潜力。
同名标识防混淆:H1–H10 / H_ID 是人工科学决策节点;PAPER_BLUEPRINT.md 中 Markdown H1/H2/H3 则是论文章节标题层级,不是批准记录。交接时分别写 REVIEW:H4 与 HEADING:H2,不能依据章节存在推定用户已经审核。
新项目决策统一协议:contracts/human_review_protocol.v1.json 是 WORKFLOW.md H1–H10 的机器可读镜像(科研语义只由WORKFLOW定义)。新项目所有方向固定 H1研究目标 → H2六类问题来源与五类贡献路线 → H3候选科学问题 → H4数据库或PROOF_PATH → H5最终问题;每轮展示统一进度和用户选择,研究候选/检索深度/实证方法则按领域调整。选择不等于下载、模型拟合、SEALED或写稿许可。结构检查可复用 core.human_decision_review;真实 Agent 效果未通过静态CI证明。
固定研发组织、开放科学探索:六项活动 01科研机会→02数据/理论证据观察→03 Task→04方法/实验↔05科研贡献→06独立确认与总结;每项活动的最低进入/证据/交付由 research_activity_protocol.v1.json 统一说明,具体科学问题、技术路线、实验数量按证据决定。H1–H10仍由 human_review_protocol.v1.json 管重大选择;操作授权分别核用户原消息。合成检查不代表真实Agent已履约。
工作流本身的质量评估:仅在用户要求审核/版本对比时,使用 PD-RW-EVAL 的16个合成场景与标准库离线检查;真实 Agent 效果/Token 改善必须由独立轨迹和同预算 A/B 测量,不能由 CI 成功推断。
维护与组织:现有权威规则文件位置不变;新增的 模块导航 仅供按需定位,仓库分层/兼容方案见 结构说明,并不要求每次 Agent 任务预读。
- AI 首次进入:从唯一默认入口 AGENTS.md 开始;新项目或需回顾研究路线时按需读 START.md 与 WORKFLOW.md 对应活动。已有项目先用已有 STATE 的
RESEARCH_RECORD_REF/PAPER_BLUEPRINT_REF或明确项目路径定位两文件,再读当前快照、相关 SEC_ID、必要原始 Run/协议及权限;文档缺失则回退 STATE/原始工件,不能当作已完成或无证据。不强制预读所有专题、旧 Prompt 或完整日志。 - 新项目:先让用户决定或明确委托 H1–H5;AI在本轮
USER_SCOPE内比较科学问题与官方数据元信息,提供首选及不同失败前提的备选,H3先选暂定问题、H4选D1/适用的PROOF_PATH、H5才确定最终题目。不能自行定稿选库,也不能把选库/用户委托当作下载许可。有覆盖已确认范围的真实下载授权才获取、校验;否则仅给官方来源、成本、选项并标WAITING_FOR_DOWNLOAD_AUTH,不发下载执行指令。旧项目有实际选择则沿用,不因新版工作流重选库。 - 用户已有具体研究机制或旧项目:可以直接进入对应活动(通常03/04),复用真实 STATE 和 Run;不强制重新选题,不未经确认迁移旧项目。
| 编号 | 任务与入口 | 最小交付 | 主要执行环境 |
|---|---|---|---|
| 01 | 自适应科研机会搜索、选库与优先获取:SEARCH_DISCOVERY.md / DATA_DISCOVERY.md | SEARCH_HANDOFF→DATA_PORTFOLIO→获授权下载/验收或待下载清单;理论题用PROOF_PATH | |
| 02 | 数据获取验收后,审计与真实科研现象:DATA_DISCOVERY.md / DATA_INSIGHT.md | DATA_MANIFEST(DATA_ACQUIRED_VERIFIED)+DATA_INSIGHT_CARD;封存确认资源 | 获授权的 WorkBuddy/Codex/本地环境 |
| 03 | 从现象/文献生成、比较任务并按需分层:TASK_EXPLORATION.md / TASK_LADDER.md | PRIMARY_TASK+NEXT_DISCRIMINATING_PROBE、备选任务按需,不提前承诺增益 | ChatGPT+可访问真实数据的 Agent |
| 04 | 双轨算法开发与工程循环:EXPERIMENT_LOOP.md / ALGORITHM_ENGINEERING.md(按需) | 有效Run、ALGORITHM_HYPOTHESIS及下一最有价值实验 | 获授权的代码/实验 Agent |
| 05 | 与活动04并行收敛最小可发表科研证据:PAPER_FIRST.md / VENUE_STRATEGY.md(按需) | CLAIM_EVIDENCE_MAP+科研结果证据表、补证据计划/按需期刊参考(非初稿) | ChatGPT+代码 Agent |
| 06 | 严格科学确认:CONFIRMATION.md | 有效独立证据或 CONFIRMATION_UNAVAILABLE,论文声明边界 | 独立核验与获授权正式实验 |
实证执行前提(非额外科研审核):本轮确定为必需的D1及其他必需库,应先获取选定版本的完整必需原始文件、核文件完整性和本地可达性,再进行数据画像、正式TASK冻结、基线或算法实验;已有可信本地副本直接验收复用。下载未获授权或未完成,停在 WAITING_FOR_DOWNLOAD_AUTH / WAITING_FOR_DATA,仅允许公开资料调查、下载准备和不依赖数据的假说草拟;不能以示例数据/模拟运行假冒完整实证。备用库按需获取,理论/无需静态库的仿真按证据路径处理,见 DATA_DISCOVERY.md §4。
唯一主线:三个决策循环贯穿六项活动——A 研究机会(先定宽方向→多数据库角色配置→授权后真实观察→任务)→ B 算法实证(可信L0基线、判别探针→有效 Run)→ C 科研价值(L1/L2/L3上探、下探、收窄或横向备用→严格确认)。阶段可以跳转,不是六道强制关卡。Task Ladder 是按数据条件启用的研究机会结构,非四级必做、非难度越高论文价值必高;L0/L1也不自动构成保底论文。下探换标签预算/部署信息时更换TASK和协议,封存holdout仍须重新核任务适配。科学止损统一见 WORKFLOW.md。
- 确定研究方向/多库组合 ≠ 授权下载/安装 ≠ 授权CPU拟合或GPU训练 ≠ 授权正式确认/付费/外传/投稿;只有可核实的真实用户授权及既有已批准范围才能执行对应动作。理论分析、只读检索不自动扩展权限。
- 可以下载完整原始数据,不等于可以开放使用确认集内容。独立确认数据在任务发现、切片筛选、调参、机制选择阶段应保持封存。不能以反复切分同一已选测试集重新制造独立确认。
- 算法可运行 ≠ 任务可学 ≠ 科学增量 ≠ 可发表论文。代理目标、合成正控、内部重采样须注明支持的主张范围。
- 早期只排已证实的关键不可替代阻断;未知机制/未运行强基线不自动拒绝探索。正式论文确认必须严格核真值、独立单位、时间因果、公平基线、置信区间/效应和具名最近邻。
- 输出证据优先:默认短文本/指标/路径;图表只为判别科学问题或验证证据,01–05不自动做精美图片、长报告或PPT/PDF。避免重复读取、无效多Agent与重绘;不为省Token跳过科学验证。见WORKFLOW.md §5。
-
按需跨项目案例台账:2026-10~11 成功、失败、待证实与身份冲突;已识别的研究线分别记录算法/科学/论文/确认状态及原始证据缺口,仅在案例复盘、选题对照或回放任务加载,不是全局科研规则。
-
真实成功与失败一体详细案例:APACE → SAFE-Gait;包含 Oracle/可辨识性差距、K=0→K=1 合法信息变化、目标级异质性与论文边界。
-
可重复只读工具:
python -m core.cli information-check --file LESSONS/SAFE_GAIT_INFO_PROBE.json,核 K/信息时点/support-query/成本与共同失败前提;不拟合、不可替代科学判决。 -
历史盲回放设计:SAFE_GAIT_REPLAY.json,当前为事后重构案例,未宣称已执行真正盲回放。
-
WORKFLOW.md:总控、状态路由、权限和跨活动续做
-
SEARCH_DISCOVERY.md:按本轮范围动态扩缩、多源检索、热点/研究空白与反向近邻检查
-
DATA_DISCOVERY.md:数据/基准组合、独立评价、下载与封存合同
-
DATA_INSIGHT.md:活动02开发池画像、数据类型分析、混杂与现象验证、DATA_INSIGHT_CARD
-
TASK_EXPLORATION.md:任务科学价值×可行性比较、主/备选任务与 Claim 收敛
-
POST_ALGORITHM_SCIENCE_AUDIT.md:已完成算法的小修改科学性审查、最低成本判别与退出
-
Q2_PUBLICATION_GOAL.md:JCR Q2+潜力成功目标与Q1优先策略(不要求实际录用)
-
PAPER_FIRST.md:可信性能、独立贡献与增强科学性分账,活动04↔05按需反馈
-
TASK_LADDER.md:L0–L3任务阶梯、共享资产、UP/DOWN/NARROW/LATERAL/HOLD与两类传感器示例
-
IMPLEMENTATION_GUIDE.md:任务到代码、基线、测试不变量与训练诊断(编码时按需读)
-
EXPERIMENT_LOOP.md:真实实验、按症状探针、分层公平对照、可复现 Run 与修复;故障按需参考本库 IMPLEMENTATION_GUIDE 的定位与恢复流程
-
CONFIRMATION.md:从开放探索到严格论文确认
-
EXAMPLE_SENSOR.md:传感器跨平台迁移的假想执行实例(明确非实测)
-
templates/STATE.md:兼容旧项目的人类可读续做索引;有效Run/Claim应保留可核验证据
-
REFERENCES.md:高星 GitHub 项目的具体借鉴点、限制与原始链接
-
REPLAY_PROTOCOL.md:真实项目冻结点的盲回放和人工配对评审
-
SCENARIOS.json:60个PD-RW专属的合成反例/风险场景;CI只校验结构和关键词,不调用模型
工作流质量评价:结构回归并非科研成功率。WORKFLOW.md 的评测协议 要求使用信息隔离的历史盲回放和前瞻性项目审计,在相同预算下比较任务发现、有效科研证据、过早止损、无效循环与总资源成本;目前尚未运行真实模型对照,效果未测量。评测按需开展,不成为每个科研项目的强制阶段。
状态以真实项目文件和工具运行结果为准;本文只提供指导,不能自动访问本地数据或替用户训练。
此仓库是从 Research-Prompt-Library 的原第十章整理的独立版本:工作流文档在仓库根目录,配有最短 AI 入口 AGENTS.md、结构回归测试及盲回放检查脚本。无需载入旧仓库的 08/09 章,也不绑定第三方算法 Agent。实验、运行记录及数据应放在各自项目目录,勿提交敏感数据或大型原始数据。
离线验证:python -m unittest discover -s tests -v;python -m json.tool SCENARIOS.json > /dev/null;盲回放:python chapter10_replay.py responses.json(仅校验结构,不代替科研盲审)。
早期 v1.5–v1.7 功能说明已移至 历史版本执行层说明(仅供溯源,不代表当前权限或科研决策规则)。现行规则以 WORKFLOW.md、AGENTS.md 及对应权威专题为准。