novelty-checker

name	novelty-checker
description	对研究 idea 进行新颖性风险评估，识别最近的 prior art 和碰撞风险。当用户选定 idea 后自动触发，或用户说"检查新颖性"、"有没有人做过"时手动触发。

novelty-checker

对选定的研究 idea 进行系统性新颖性风险评估。

Venue Deep Reading Integration (T12.d)

artifacts/venue_deep_reading_profile.json 的 novelty_frontier (过往 Oral idea 清单) 是最高优先级的 prior-art 比对源。

prior-art search 顺序：

1. novelty_frontier（场地内 Oral / Spotlight 历史）
2. 其它 publishable corpus（paper-service.search_papers 通用搜索）
3. shadow sources（仅当 user 显式允许）

如果 idea 命中 novelty_frontier 中某条 → overall_risk = "high"，自动触发 hard checkpoint，要求用户重新构思。

输入

• hypothesis_board.json 中的某个 idea
• 或用户直接描述的研究想法

评估框架

不做二元"新/不新"判断，而是给出风险评估报告：

1. Prior Art 搜索

使用 search_papers 工具进行多轮搜索：

1. 直接搜索: idea 的核心关键词
2. 组合搜索: 方法 + 应用领域
3. 反向搜索: idea 试图解决的问题的关键词
4. 引用链搜索: nearest prior art 的引用/被引

2. 碰撞风险分析

风险等级	含义	判定条件
🔴 High	已有高度相似的工作	搜到核心方法+领域完全重合的论文
🟡 Medium	有部分重叠	方法相同但领域不同，或领域相同但方法不同
🟢 Low	搜索空间未被覆盖	无直接匹配，最近的 prior art 也有显著差异
⚠️ Unknown	覆盖不足，无法判断	total_papers_scanned 低于阈值，禁止进入 Build 阶段

⛔ 硬门槛：当 total_papers_scanned < 50（AI/ML）或 < 30（其他领域）时，强制返回 overall_risk: "unknown"，禁止自动通过。必须补充搜索范围后重新评估。

3. 差异化分析

对于每个找到的 prior art，明确列出：

• 与 idea 的相同点
• 与 idea 的不同点
• idea 相对的增量贡献

4. 输出报告

{
  "idea_id": "idea-001",
  "overall_risk": "medium",
  "nearest_prior_art": [
    {
      "paper_id": "xxx",
      "title": "...",
      "similarity": 0.7,
      "overlap": "方法层面高度相似",
      "differentiation": "应用领域不同，且我们加入了 X 改进"
    }
  ],
  "uncovered_space": "描述 idea 中尚无人探索的具体方面",
  "recommendation": "proceed_with_differentiation | pivot | abandon",
  "suggested_pivots": ["如果需要调整，建议的方向"],
  "search_queries_used": ["搜索过的关键词列表"],
  "total_papers_scanned": 120
}

5. Novelty Risk 硬卡点 ⛔

Autopilot 下也不可自动跳过。

将报告展示给用户，用户可以：

• ✅ 继续: 接受风险，进入架构审查和实验阶段
• 🔄 调整: 根据 suggested_pivots 修改 idea
• ❌ 放弃: 返回 idea-brainstorm 重新构思

自动阻断条件（基于输出 JSON 的 overall_risk 字段）：

• overall_risk: "unknown"（覆盖不足）→ 禁止继续，必须补充搜索
• overall_risk: "high"（撞车）→ 强制展示报告，即使 Autopilot 也必须等待用户确认

文件更新

更新 hypothesis_board.json 中对应 idea 的 novelty_risk 对象（即上方输出报告的完整 JSON，其中 overall_risk 字段为硬卡点依据）。

Pipeline Exit

完成后执行：

1. 更新 project_state.json 的 current_stage
2. 必须调用 pipeline-orchestrator.complete_stage("novelty_check") 验证产出
3. 根据返回值自动进入下一阶段（experiment_design）

---

Domain Taste 集成

读取 artifacts/domain_taste_profile.json（由 domain_calibration stage 自动生成）的以下字段:

1. hot_topics → 热门方向碰撞风险更高，搜索更多轮
2. saturated_topics → 饱和方向 novelty 要求更高
3. trending_direction → 上升趋势的方向碰撞风险中等但可差异化