企业官网建设流程全解析

Luxas 是一个开源的多智能体自主科研系统：给它一个研究问题，14 个智能体分工协作——检索文献、跑实验、画图、写 LaTeX、对抗式审查，最终编译出一份带真实引用和自生成图表的科研论文 PDF。整个过程可以无人值守地跑数小时。这篇文章带你完整看懂 brain 主脑 + 13 个子代理的分工逻辑。

一、Luxas 是什么：从问题到论文的完整流水线

一句话概括：Luxas 是一个"harness"（框架），不是模型本身。智力来自 Claude（Opus/Sonnet/Haiku 分角色使用）和 OpenAI o3（数学推导），框架负责给智能体一个"持久工作区"：

• 文件即记忆——所有状态都存在文件里，崩溃后可从log.jsonl重放恢复
• 独立作者模式——写代码的不能写测试、审论文的没参与写作，从结构上杜绝"自问自答"
• 确定性完成门禁——finish工具不满足条件就拒绝放行，提示词骗不过去

核心流程是一条五段式流水线：

RESEARCH.md（研究问题）→ 文献综述 → 实验设计与执行 → LaTeX 报告 → 对抗式审查 → 编译 PDF

二、14 个智能体全家福：一张表看懂分工

Luxas 共有 14 类智能体，全部定义在 src/agents/definitions/ 目录下，每个智能体就是一个带 YAML frontmatter 的.md文件。按职责可分为 5 组：

💡 补充：src/agents/definitions/ 里还有figure_auditor、prior_art_auditor、contradiction_auditor、ledger_writer、replicator、report_writer等扩展质检角色，属于 claims-first 流程的"终审专家"，按需被自动派生。

三、核心主线：brain 如何调度 5 类工作

brain 是唯一的"主循环"，它自己不做具体事务，而是通过spawn_agent工具派生子代理。三种执行模式（见 src/tools/spawn-agent.ts）：

• foreground（前台）：阻塞等待，拿到结果
• parallel（并行）：tasks: [...]同时跑 N 个实例，比如一篇论文一个 reader
• background（后台）：脱离主进程异步跑，brain 继续干活，完成后回收结果

几个关键设计：

1. 派生深度封顶 2（MAX_SPAWN_DEPTH，定义在 src/agents/spawn.ts），防止智能体无限套娃
2. 启动时做环检测：validateSpawnGraph在 src/agents/registry.ts 中对allowedTypes边做 DFS，声明出环直接抛错
3. 安全域按文件声明：每个.md的safety字段（allowedReadRoots、allowedWriteRoots、writeOnExistingPolicy）被编译成运行时工具守卫，提示词里怎么求情都没用

四、实验流水线：盲写代码 + 对抗测试的"独立作者模式"

这是 Luxas 最精巧的部分。experiment智能体接到任务后分三阶段：

1. Design——列出每个需要的工具：名称、用途、输入/输出形状
2. Impl + Review——对每个工具，并行派生tool_impl（写scripts/<tool>.py）和tool_review（写tests/test_<tool>.py），两者都只看描述、互相看不到对方的代码。pytest 是唯一裁判；失败信息回传tool_impl修复（上限 3 轮）
3. Integrate——跑通的工具产出落到data/experiments/<EXP_ID>/runs/run_N/results.json，并追加到notes/experiments.md

为什么要"致盲"？因为存在一种真实的失效模式：实现和测试一起写时，实现会悄悄重定义字段语义让自己的自检值通过断言（Luxas 开发中实际观测到：max_pair_distance_um被重定义为"移动后距离 = 0"，测试全绿，工具却是错的）。盲写切断了这条自圆其说路径。

实验返回后，harness 自动再派生experiment_reviewer做事后对抗审计——它读 L2 段落、results.json和被引文献，投票satisfied或revise并给出具体修改意见。

五、三层质检 + PI 终审：论文为什么敢"交付"

写完报告不等于能结束。finish之前要过三道正交审查：

reviewer在给出任何stop之前必须跑完<figure_finalize_loop>：枚举report.tex里所有\includegraphics，逐个图派 illustrator 按report/figures/style_guide.md重生成，再派 typesetter 做全局版式审查，直到两份 notes 都报all-clear才放行。

上面两页截图就来自一次真实运行——图表由illustrator_write生成、版式由typesetter逐页审查，成品存放在 fixtures/claims-ppss/ 的报告目录中。

此外还有兜底机制：src/pi-agent.ts 的 PI 监控器会每 50 轮自动触发一次 reviewer 审查（防止 brain 忘了主动要审查）；notes/plan.md中的每个### E_N实验承诺必须对应experiments.md里Status: Complete的 L2 记录，否则finish直接拒绝。

六、智能体即文件：改一个 .md 就是加一个智能体

新增智能体不需要改 TypeScript。往 src/agents/definitions/ 丢一个新.md，声明好字段即可：

name: tool_impl model: sonnet thinkingLevel: medium toolSets: [coding] templates: [PROJECT_DIR, EXPERIMENT_ID, TOOL_NAME] spawn: { enabled: false } safety: presets: [research_brief, report_surface, notes_ledger] allowedReadRoots: ["data/experiments/{{EXPERIMENT_ID}}"] writeOnExistingPolicy: block

启动时validateSpawnGraph会自动校验派生图无环，新智能体立即对spawn_agent可见。模型也能整体切换：一个环境变量即可把 Claude 家族重定向到 DeepSeek-v4（约 10 倍便宜）或 Kimi，详见 README.md 的 "Switching Models" 一节。

七、新手上手：从安装到第一次 run

前置依赖：Node.js 22+、LaTeX（pdflatex+bibtex）、poppler、Python 3.10+（matplotlib/numpy）、tmux，以及ANTHROPIC_API_KEY。

git clone https://gitcode.com/gh_mirrors/lu/luxas.git && cd luxas npm install && npm link export ANTHROPIC_API_KEY="..." luxas init ~/research/x --prompt "Survey LLM chain-of-thought reasoning" luxas run ~/research/x --model opus luxas status ~/research/x

一次完整运行约 $20–80（全 Claude 档）或 $2–10（--profile dual：DeepSeek 文本 + Kimi 视觉），实际消耗记录在项目目录下.agent/usage.log。

八、写在最后：为什么是 14 个而不是 1 个

Luxas 的回答很直白：让 brain 问自己"我做完了吗"是没用的。所以每个容易自欺欺安的环节都拆成了一个独立视角的代理——盲写实现、盲写测试、逐页看图的 typesetter、不见推理链只见产出的 PI。14 个智能体本质上是一套用结构对抗自圆其说的科研质检体系。

如果你想深入某个环节，可以从这些文件读起：

• 智能体注册与派生图校验：src/agents/registry.ts
• 模型路由与后台派生：src/agents/spawn.ts
• PI 审查监控：src/pi-agent.ts
• 安全预设：src/agents/safety-presets.ts
• 技能体系（搜索/绘图/版式/综述方法）：skills/