企业官网建设流程全解析

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

本文围绕 PaperSpine 技能体系中负责科研执行的核心规程 research.md 展开，系统讲解三种已保存研究模式——materials_only（仅用现有材料）、required（执行被要求的研究分析）与agent_decide（由 Agent 判断是否需要新分析）——各自的授权边界、操作步骤与文献学习能力。读完本文，你将理解 PaperSpine 如何在"绝不伪造数据、绝不擅自重跑分析"的前提下完成从材料核查、文献学习、证据交接（source/result → claim → figure 映射）到写作与图件产出的完整链路，并掌握与模式配套的配置预填、里程碑提交（paperspine_commit_milestone）与公共决策工具的用法。

一、模式前置：先读配置，再决定做什么

research.md开篇即给出一个重要事实：研究里程碑不是对隐藏引擎的请求。Agent 在单个 paper-spine Skill 下完成这项工作，Web 保存用户的设置与选择，公开 API 记录事实并导出可读的桥接文件。也就是说，研究执行的依据全部来自同一任务的已保存配置，而不是某个独立的分析后端。

在实际动手前，Agent 必须读取以下四类输入：

1. 已保存的research_mode（研究模式）；
2. 材料清单 / 授权根目录（materials inventory / authorized roots）；
3. 任务问题（task question）；
4. 任何明确的离线指令（explicit offline instruction）。

同时必须遵守两条硬性约束：保持原始输入不变（Keep original inputs unchanged），以及如实记录实际读过的来源与实际计算出的结果（Record sources actually read and results actually computed）。

从源码结构看，这一约束被贯穿到了公开工具的上下文读取逻辑中：paperspine_methods.py 的_context()函数在构建方法路由上下文时，直接从任务快照的configuration字典中读取research_mode（见config.get("research_mode")），并将其与workflow、scene、current_stage一起作为方法选择的过滤轴（paperspine_methods.py）。这说明"研究模式"不是文档中的口号，而是实际参与公开工具路由决策的结构化字段。

研究模式的合法取值在 intake.md 中有明确定义：

值得注意的一个反陷阱：materials_only的默认来源。intake.md明确警告——"材料已提供"或"先出稿"不能自动变成materials_only；research_mode默认是agent_decide，而不是materials_only。这一约定在 intent-configuration.md 的意图映射表中同样得到体现：未指定研究范围时保留agent_decide，不得默认改为materials_only。

二、materials_only：只消费证据，不制造证据

这是证据约束最严格的一种模式，其核心边界一句话概括：使用提供的材料与既有结果来发展贡献并写作论文，但不运行任何新的数据分析。

2.1 允许做什么

在materials_only下，Agent 可以并且应当：

• 从材料中提取文本/表格，检查相关 PDF/DOCX 页面；
• 核查单位、来源出处（provenance）与内部一致性；
• 为每条主张（claim）找到它由哪个既有结果支撑；
• 按材料原样保留既有的分析输出与方法描述；
• 将已提供的结果渲染为图件（Rendering a supplied result as a figure is allowed）；
• 开展公开文献学习、引用查证、期刊格式调研与参考图阅读。

2.2 明确禁止做什么

• 运行新的 EDA、推断检验、实验、模型拟合/评估、数据挖掘；
• 仅为了产出可复现性证据而重跑用户提供的脚本；
• 计算新的统计结果（computing a new statistical outcome is not allowed）。

这里有一个非常关键的判定原则：缺少完整的复现输入（原始数组）本身不足以使结果无效。Agent 只应针对具体矛盾（actual contradictions）进行针对性消解，不能因为"拿不到原始数据"就丢弃用户提供的消融、基序、保守性或机制图。同样，不能捏造结果，也不能强加一套新的"卷宗"（dossier）。这条规则在 scientific-figure-workflow.md 中被再次强化："materials_onlyprohibits new analyses, experiments, training, evaluation and reruns; it permits reorganizing and redrawing existing results"——即允许重组与重绘既有结果，但不允许新增计算。

2.3 文献学习照常进行

materials_only不影响正常能力范围内的公开文献学习：阅读真实的摘要与综述以支撑其对应的观点即可，不要求每一条引用都有全文。同时要遵守明确的离线指令，并如实描述实际阅读深度——不得声称独立复现了用户提供的科研工作。

里程碑总结可以这样写："No new data analysis; reused these results and learned from these papers"（未做新的数据分析；复用了这些结果并从这些论文中学到了方法），并给出真实的文件位置与阅读范围。随后提出受支持的贡献/动机选项，待用户选择后进入草稿阶段。

该模式不要求额外的分析报告、三透镜卷宗（three-lens dossier）、Master 认证或 Runner J4 验收——这是research.md明确解除的旧流程负担，其对应的说明也写入了方法路由注册表的current_application字段（见下文第四节）。

三、required：在被要求的范围内做恰如其分的分析

当用户明确要求"分析这些数据""新增回归/实验"时，模式为required（映射规则见 intent-configuration.md 的常用映射表）。此模式并不是无限制的分析许可，而是执行**被请求且合理（justified）**的分析。

3.1 材料核查的顺序

从授权材料清单出发，先读会影响主张（claims）的文件：

• 表格/电子表格：检查列类型、单位、缺失情况、公式错误与来源出处；
• PDF/DOCX：提取文本并目视检查实际使用的源页面；
• 先定义科学问题与研究设计，再选择分析方法（Define the scientific question and design before choosing analysis）。

3.2 方法学纪律

• 使用最窄的合理方法（narrowest justified method），检查其假设；
• 在适当处报告效应量与不确定性（effect sizes and uncertainty）；
• 区分探索性工作与验证性工作（exploratory vs confirmatory）；
• 建模时必须先划分再拟合（split before fitting），避免数据泄漏，保留可复现的变换、训练/评估设置与脚本；
• 不得为证据完全定性的任务编造数据分析（Do not invent data analysis for a task whose evidence is wholly qualitative）。

3.3 文献与期刊调研

• 可用现有的文献 MCP 工具，否则用宿主浏览/检索工具；无需额外安装 MCP；
• 公开论文与参考图检索是 Skill 的正常能力，没有单独的联网勾选框或重复授权询问；旧配置中已退役的allow_network标志不构成门禁；
• 尊重明确的离线请求与所选研究范围；
• 当配置为 local-first 时，先构建本地源索引；区分"检索失败"与"无命中"；
• 保留来源身份、版本/日期、可访问位置、相关段落与主张上下文；
• 未经明确授权不得上传私有材料。

3.4 三个有用的研究透镜

research.md要求按比例使用三个研究透镜（可在一个连贯的 pass 中处理）：

1. 期刊要求与受众（venue requirements and audience）；
2. 强范例的论证/结构（strong examples' argument/structure）；
3. 既有工作与拟提出贡献的关系（prior work versus the proposed contribution）。

这三个透镜的阅读数量遵循 journal-learning.md 中保存的同方向与目标期刊范例数量；超出偏好的深度取决于实际问题与证据缺口。绝不能把范例的风格偏好升级为强制的科学规则（Never turn an exemplar's stylistic preference into a mandatory scientific rule）。未知的投稿事实也不应阻碍一份有证据支撑的本地稿件的推进。

四、agent_decide：默认的智能裁量模式

agent_decide是research_mode的默认值（见 intake.md 第 23 行）。其工作流程：

1. 读取问题、清单与约束；
2. 判断新的本地分析是否会实质性地回答某个缺口（whether new local analysis will materially answer a gap）；
3. 当既有结果足够时，可以两者都不选（choose neither when existing results suffice），并把这个理由记录在普通的里程碑总结中；
4. 在三种模式中选择相关的一种执行。

两条优先规则必须记住：

• 已保存的拒绝或明确用户指令优先于 Agent 的裁量（A saved refusal or explicit user instruction takes precedence）；
• 选择在修订过程中持续有效，直到用户改变它或允许决策的依据发生变化（The choice persists through revision until the user changes it or the permitted decision basis changes）。

在 SKILL.md 的"Scientific work and expected results"一节中，agent_decide还附带一个澄清："This mode does not silently meanmaterials_only"——即 Agent 裁量不等于默认退化为不分析；它必须先评估证据缺口并说明理由，再执行合理的工作。research.md在方法路由注册表中的对应条目也确认了这一点：agent_decide需要在普通里程碑总结中记录理由，并沿返修流程复用该选择，不新增报告或确认门（见 current-method-routing.json，该条目的stages覆盖 research、evidence、draft、figure、review）。

4.1 从用户意图到 research_mode 的配置映射

research.md 本身不负责配置提取，但它依赖的research_mode值来自 intent-configuration.md 定义的意图预填流程——这一预填仅是Agent proposal，不能伪装成用户确认，也不能绕过 Web 配置保存。常用映射如下：

注意研究模式与文献学习规模是分开解释的："深度研究"不授权上传私有材料、不自动确认动机或图件、不保证目标期刊接收。用户同时给出自定义数量时以自定义数量为准。

4.2 方法路由如何把 research.md 变成可执行条目

research.md被注册在方法路由目录 current-method-routing.json 中，其元数据为：

• path:references/research.md（相对于 Skill 根，即仓库src/skill/references/research.md）；
• purpose: 按 saved research_mode 实际执行三种分支；保留设计、假设、防泄漏、效应/不确定性、来源→claim→图映射；materials_only 保留原结果且允许公开学习，禁止新增/重跑分析；
• current_application: 读 01_configuration 与 02_materials，已有结果和笔记作为输入；CommitMilestone 记录实际工作；记录 agent_decide 理由并沿返修复用；不新增报告/确认门；
• review_check: 样本数、单位、分母/缺失处理有实际来源；不虚构独立复现；新分析与 public retrieval 分开判断授权。

在宿主侧，可通过 current-method-routing.md 给出的 CLI 从同一任务读取该方法全文：

python src/scripts/paperspine5_web.py host methods --profile-root "<same-profile>" --task-id "<same-task>" --stage research python src/scripts/paperspine5_web.py host methods --local --task-id "<same-task>" --stage research --resource references/research.md --format text --max-lines 100

--local从本机已安装 Skill 读取精确注册资源；文本输出带源 SHA-256、行范围与 END 标记，后续页用--start-line <next> --expect-sha256 <same-source-hash>续读。方法路由的选择只是"选择来源"，不是已阅读或已应用的证明；首次使用必须读全文。若 helper 不可用，直接按该目录打开原始文件即可。

五、证据交接：source/result → claim → figure 映射

无论哪种模式，研究阶段的产出最终都要移交到写作与图件环节，research.md规定了这套交接机制。

5.1 映射文件的位置与内容

在真实论文旁边（task.workspace_root/paper/下）维护一份紧凑的 source/result → claim → figure 映射（a compact source/result → claim → figure mapping），尽量复用已有笔记与文件。当分析被选中时，新的分析脚本与结果也存放于此。这条规则与 SKILL.md 的"图件工作"一节一致：把实际结果映射到问题，并为每个有用职责（队列/可用性、主要发现、比较、不确定性/验证、稳健性/亚组、解释）安排图、表、正文或补充材料的去处——没有固定配额。

5.2 通过 paperspine_commit_milestone 记录，不直接编辑桥接 JSON

记录限制、实际检查过的来源与仍需进行的工作，通过paperspine_commit_milestone完成；不得直接编辑派生的桥接 JSON（do not directly edit derived bridge JSON）。这是 PaperSpine 工作台进度的唯一正规通道。从 product-v1-workflow.md 可见其请求形状（示例值需替换）：

{"request":{"schema_version":"1.1","task_id":"<same-task-id>","command_id":"<unique-stage-update>","expected_version":6,"payload":{"stage":"research","summary":"Inspected supplied tables and figures; recorded source->claim->figure map; literature learning in progress.","artifact_ids":["<published-artifact-id>"]}}}

配合paperspine_publish_artifact发布真实文件，再在 milestone 中引用返回的 artifact ID。里程碑只记录实际工作，不构成科学/编辑/提交就绪的认证；"工具成功、哈希一致、状态推进"都不能替代对真实论文本身的评估。

5.3 公共决策工具与回读

通过公开决策工具提出受支持的动机/贡献选项；Web 确认后，读取同一任务的 task/choice 文件，再继续正常的写作与图件工具。参考（references）可以教方法、教视觉表达，也可以支撑署名的背景、方法与机制描述，但参考的经验性发现绝不能呈现为本研究的结果（Their empirical findings must never be presented as this study's results）。在绘图规划/创建/组装阶段，遵循主 Skill 中的分阶段科学阅读指南（即 scientific-figure-workflow.md）。

六、文献学习在三种模式下的共通底座

research.md多处引用 journal-learning.md，后者定义了无论何种研究模式都适用的文献学习规则——materials_only只禁止新分析，不禁止正常的文献工作。

6.1 两组阅读集合与默认值

当文献偏好缺失时使用默认值：

Web 支持 3+3、6+6 与自定义数量；已保存的自定义选择优先。两个集合默认要求 6 篇不同的论文——角色重叠可以注明，但三篇论文数两次不算学习了六篇。对venue_average，需统计所选可比目标论文的参考文献条数，记录其观测均值，目标至少floor(mean) + 1条有效引用；这是基于该批文章估计，不是期刊级精确平均值，且不可用 cited-by 计数替代。

6.2 目标期刊 PDF 与版式学习

• 尽可能把每个选定的目标期刊学习论文以 PDF 下载到同一任务paper/references/下，优先正式出版版本，记录来源 URL 与论文身份；
• 打开 PDF 确认真实、可读、完整——带 PDF 文件名的 HTML 错误页不算下载；
• 渲染并目视阅读目标 PDF：标题/摘要、正文页、图/表、图注与参考文献，比较页面几何、分栏、字体字号、行距、标题层级、段落间距、引文外观、浮动位置与页面密度；
• 区分期刊的投稿说明与已发表页面设计，遵循 manuscript-format.md 的有界官方模板发现与示例编译流程；不要模仿期刊品牌，不要虚构 DOI、卷期、页码或录用信息。

6.3 学习成果向稿件转移

把两组阅读应用到研究问题框定、Introduction 论证、Methods 粒度、Results 顺序、图件角色、Discussion、图注与引文实践，但不得照抄句子，也不得把范例结果导入本研究。在笔记中保留"所选教训 → 当前章节/图件"的简短映射，并在稿件源文件与代表性渲染页中确认转移生效。在mechanism_figure: prefer下，主动找出本研究的最佳解释性图件候选（生物学机制、社科/物理概念框架、计算架构用途不同），优先复用已有好图；新增的机制/示意图栅格图需使用规定的 GPT Image 2 能力并保留可编辑科学标注。

七、边界、限制与正确表述

汇总research.md及其佐证文档反复强调的边界，作为实战自查清单：

1. 不伪造任何东西：不编造数据、指标、p 值、引文、图件、方法、作者、伦理、资助、权限或审稿结论（此条同时写入 SKILL.md 的 Authority and boundaries）；
2. 私有材料不出域：未经明确授权不上传私有材料；明确的离线指令优先于公开检索能力；
3. 区分检索失败与无命中，区分"读完摘要支持的边界主张"与"读完全文/图件"；
4. 缺少复现输入不等于结果无效：只解决具体矛盾，不因缺原始数组而弃用用户提供的丰富结果图件；
5. 不虚构独立复现：只发生了写作与可视化时，不得声称独立复现；
6. 模式 ≠ 授权链：三种模式都不引入额外的分析报告、三透镜卷宗、Master 认证或 Runner 阶段门禁；已保存的文献学习数量仍是本论文的活跃要求；
7. 未知投稿事实不阻塞本地稿：未知作者/伦理/期刊事实可能限制投稿就绪度，但不阻塞安全的本地方案草拟与修正；
8. 汇报分层：本地交付、科学局限、投稿就绪度、外部授权分别报告（对应 SKILL.md 的 Quality rules 与 Completion contract）。

八、与整条生产协议的衔接

research.md描述的研究阶段只是 PaperSpine 17 步生产协议（paper-spine-production-protocol.md）中"第 3 步保存配置并建立研究范围""第 6 步盘点证据与可用结果""第 8 步完成问题所需分析"的核心方法依据。协议要求：每个实质段落/阶段之前，先确认上一段落的真实结果已进入同一任务工作台，再用paperspine_commit_milestone记录事实性摘要与真实 artifact ID，随后回读同一任务确认 stage、摘要、可见文件与待决选择一致——这与research.md的"记录来源与结果、不直接编辑桥接 JSON"一脉相承。

一句话总结本文的核心主张：research_mode是 PaperSpine 控制"何时可以产生新证据"的权限开关——materials_only承诺不制造证据，required在明确授权下制造恰如其分的证据，agent_decide由 Agent 裁量是否制造证据；而无论哪种模式，文献学习、证据映射与如实记录始终是不变的科学底线。

延伸阅读（仓库内）

• 方法正文与宿主侧读取方式：research.md、current-method-routing.md、current-method-routing.json
• 模式配置与意图映射：intake.md、intent-configuration.md
• 文献学习细则：journal-learning.md
• 图件与证据映射：scientific-figure-workflow.md
• 工作台进度与里程碑调用：product-v1-workflow.md
• 生产协议与总纲：paper-spine-production-protocol.md、SKILL.md
• 源码实现佐证：paperspine_methods.py（research_mode 上下文读取）、paperspine5_web.py（宿主方法/启动命令入口）

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用