| name | research-pipeline |
| description | Orchestrate the full research lifecycle (literature → ideation → novelty check → idea critique → experiments → paper writing → review simulation → rebuttal → thesis) with human decision cards between stages. Use when the user asks to start/resume a research project, run the research pipeline, or asks "what's the next step" in an ongoing research effort. Do not use for a single isolated task (use the stage-specific skill directly). |
Research Pipeline（科研流水线编排）
把一个研究方向推进为一篇可投稿论文。你（agent）负责全部执行；人类只在决策卡处做选择。
运行目录约定
一个课题 = 一个目录：research_run/<课题slug>/，结构：
research_run/<slug>/
state.md # 流水线状态（当前阶段、已完成阶段、人类批示记录）
stage0_literature/ # 文献表、缺口矩阵
stage1_ideas/ # 候选 idea 卡
stage2_scoop/ # 撞车检查报告
stage3_critique/ # idea 评审卡
stage4_experiments/ # 实验假设树、结果、消融、evidence_summary.md
stage5_paper/ # 论文草稿（main.tex / draft.md）
stage6_review/ # 模拟审稿报告、kill_argument.md、citation_audit.md、verification_report.md
stage7_rebuttal/ # rebuttal.md（会议）或 response_letter.md + 修改稿 diff（期刊 revision）
stage8_thesis/ # 学位论文工程（thesis/）
radar_log.md # arxiv-radar 持续监控日志（课题根目录）
decision_cards/ # 决策卡（等待人类批示）
启动自检清单（进入任何阶段前必须执行，不可凭记忆跳过）
试跑教训：agent 凭记忆行事会绕过状态机和脚本化检索，直接手写检索漏掉过关键威胁
论文。因此每次启动/恢复一个 run，先依次执行这三条（结果记入 state.md）：
python3 tools/self_check.py --online
python3 tools/run_state.py start research_run/<slug> <run_id> --phases "stage0,...,stage8"
python3 tools/run_state.py resume research_run/<slug> <run_id>
任何一条失败：能修则修（pip install -r requirements.txt）；不能修则在 state.md
记录降级原因与影响面（例：openreview 源不可用 → 本 run 所有 scoop 结论只能为
provisional）。禁止静默降级。
阶段图与对应 skill
| 阶段 | Skill | 产物 | 决策卡 |
|---|
| 0 文献与缺口 | literature-gap-mining（检索引擎用 paper-search） | lit_table.md, gap_matrix.md | — |
| 1 创新点挖掘 | idea-spark（脚本化重型，首选）或 idea-mining（轻量无依赖） | stage1_ideas/idea_cards.md | #1 选 idea。idea-spark = 单点深挖（一次深入一个方向，产 1 张高质量卡）；需要一次产出多个候选做决策卡#1 时用 idea-mining。两者产物都落 stage1_ideas/。 |
| 2 防撞车 | scoop-check（脚本化，依赖 paper-search） | scoop_report.md（每个入选 idea 一份） | — |
| 3 洞察评审 | idea-critic | critique_card.md | #2 立项拍板 |
| 4 实验循环 | experiment-loop（子技能：reproduce / compare / debug / experiment-design / ablation-planner / analyze-results / statistical-testing / dataset-curation / launch；无人值守用 night-loop，大批量任务用 experiment-queue / run-experiment / monitor-experiment，参数探索用 dse-loop） | hypothesis_tree.md, results/, ablations/ | #3 结果定夺 |
| 5 写作 | paper-writing（+ references/ccfa-structure.md）；图表用 data-visualization；LaTeX 用 latex-workflow / latex-setup；理论部分用 formula-derivation / proof-checker | main.tex / draft.md | — |
| 6 投稿自审 | reviewer-simulation + paper-verification + citation-audit + kill-argument（稳定后跑一次）+ deai-polish；多轮自动改进用 auto-paper-improvement-loop（≤ 2 轮，评审器按 reviewer-adapter 适配） | mock_reviews.md, kill_argument.md, citation_audit.md | #4 投稿决定 |
| 7 Rebuttal / Revision | rebuttal-writing。两条路径：会议 rebuttal（不可改稿的短周期辩护 → rebuttal.md）；期刊 major revision / 重投（可改稿 → response_letter.md + 修改稿 diff，按 rebuttal-writing 的期刊模板与 cover letter 节执行）。被拒转投：消化全部审稿意见 → 回阶段 6 重审 → 出临时决策卡定新 venue 后按新格式重排。 | stage7_rebuttal/ | — |
| 8 学位论文 | thesis-convert + deai-polish | thesis/ | — |
| ⊕ 录用后 | research-publishing（开源代码/复现包）；宣传用 paper2poster / paper2video / paper2reel / paper2blog 或 paper-poster-html / paper-slides / paper-talk | 代码仓库、宣传物料 | — |
| ⊕ 专利 | patent-pipeline（编排 invention-structuring → prior-art-search → patent-novelty-check → claims-drafting → specification-writing → patent-review → jurisdiction-format），建议与投稿并行启动（专利优先权日越早越好） | 专利申请文件 | — |
| ⊕ 持续 | arxiv-radar（阶段4起每 2 周；投稿前/rebuttal 期必跑） | radar_log.md | 红色预警时临时决策卡 |
**全局强制说明：**每个阶段 skill 结束后，编排者负责确认产物已落到
research_run/<slug>/stageN/ 规范路径，缺失则搬运；下一阶段只从规范路径读取，
不依赖对话记忆。
阶段 2 失败（撞车）→ 回到阶段 1 换 idea；阶段 3 判"需 pivot" → 回阶段 1；
阶段 4 假设被证伪 → 在阶段 4 内部迭代（见 experiment-loop），连续两轮无进展 → 出决策卡回阶段 1。
决策卡格式（硬约束）
写入 decision_cards/card_<N>_<阶段名>.md：
# 决策卡 #N — <阶段名>
## 阶段结论（≤5 行）
## 证据摘要（链接到产物文件，不要长篇复述）
## 选项
- A. <选项>：预期收益 / 风险 / 预估工作量
- B. ...
## Agent 推荐：<选项及一句话理由>
## 等待批示的问题（明确、可一句话回答）
所有 verdict 类评审（idea-critic / reviewer-simulation / kill-argument / citation-audit /
paper-verification）必须遵守 cross-model-review 协议：零上下文新线程、优先跨模型、
禁止同线程续评、禁止按时钟重跑刷分。
决策卡用工具生成而非手写（模板一致、并自动在 state.md 记一条"等待批示"条目）：
python3 tools/run_state.py new-card research_run/<slug> card_<N>_<名称> --title "<标题>"
产出决策卡后停止推进并通知人类（Devin：用 user_question 消息附选项；Claude Code：
AskUserQuestion；其他平台：明文列选项等待回复——只把卡写进文件不算通知）。
人类批示记入 state.md 后才能进入下一阶段，批示行必须是结构化格式（run_state.py
只认这一格式，否定句/单纯提及卡号不构成授权）：
人类批示：card_<N>_<名称> → <选项/裁决> # 或英文：APPROVED card_<N>_<名称> -> <裁决>
决策卡以外的一切执行细节不要询问人类，自行决定并记录。
结构性强制（run_state.py）：若本包 tools/run_state.py 可用（按
skills/shared-references/integration-contract.md §2 的 canonical 四层解析链解析），
用它维护阶段状态机（Policy B：不可用时 warn-and-skip，退回 state.md 手工记录，
并在 state.md 如实标注"结构性强制不可用，本 run 退化为文档约束"）。真实 CLI：
python3 tools/run_state.py start research_run/<slug> <run_id> --phases "stage0,stage1,...,stage8"
python3 tools/run_state.py set research_run/<slug> <run_id> <stageN> done --artifact <产物路径>
python3 tools/run_state.py mark-provisional research_run/<slug> <run_id> <stageN> \
--verdict-id <评审verdict id> --reviewer <reviewer模型名>
python3 tools/run_state.py accept research_run/<slug> <run_id> <stageN> \
--verdict-id <评审verdict id> --reviewer <reviewer模型名>
状态非 accepted 时禁止推进下一阶段。这把决策卡从 prose 约束升级为可验证的
artifact 检查。逃生口需人类授权（硬校验）：start --provisional-advances 与
accept --force 属绕过强制的逃生口，必须 --decision-card <卡号>，且
run_state.py 会实际读取 research_run/<slug>/state.md 校验该卡号确实已被人类
批示记录——卡号不存在即拒绝执行，agent 编造卡号无法绕过。
全自主模式（autopilot）
默认模式是"人类在 4 张决策卡处批示"。当人类明确要求全流程放权时，切换到
autopilot 模式，规则如下：
- 总授权卡：人类在
state.md 中记录一张 card_0_autopilot 授权卡，写明
放权范围与边界（允许自裁的阶段、预算/时间上限、终止条件）。没有这张卡记录在
state.md 中，agent 不得进入 autopilot——这与逃生口共用同一硬校验机制
（run_state.py 会读 state.md 验证卡号）。
- AI 自裁决策卡：每到决策卡节点，仍然照常产出决策卡文件，但不等待人类——
为该卡开一个零上下文、优先跨族的子会话/子智能体（按
shared-references/reviewer-adapter.md 选后端）做独立评估，按其结论选定选项，
并把"裁决选项 + 理由 + 裁决者（模型/后端）+ 时间"追加记入
state.md。
禁止主上下文自问自答式裁决。
- 不可逆动作仍留给人类：真实投稿（提交到会议/期刊系统）、公开发布
（开源仓库转 public、发布宣传物料）、任何花钱动作，在 autopilot 下也必须停下
出决策卡等人类批示——总授权卡不覆盖这些。
- 可审计、可叫停：所有自裁记录集中在 state.md，人类可随时回看；人类发出
任何暂停/收回指令后，立即退回默认决策卡模式，并对收回后的第一张卡重新等待
人类批示。
- 失败保护：同一阶段连续 2 次自裁后仍无进展（阶段回退循环），强制出临时
决策卡等人类——autopilot 不允许无限自旋。
脚本化 skill 的初始化（首次使用）
idea-spark / paper-search / scoop-check 是携带脚本的重型 skill（源自 microsoft/ResearchStudio），
首次使用前按各自 SKILL.md 的 Setup 节安装依赖（pip install feedparser openreview-py beautifulsoup4 pymupdf，可选 OpenReview/Semantic Scholar 凭证写入 .env）并跑连接器自检。
环境不具备时降级：阶段 1 用 idea-mining，阶段 0/2 的检索由 agent 自行多源搜索完成，
并在 state.md 标注“未用脚本化检索，覆盖面受限”。
领域模块
domains/ 的解析顺序（全局安装时同样适用，与 helper 四层链对齐）：① 当前项目根的
domains/；② 相对本 SKILL.md 定位——<本文件所在目录>/../../domains/（即包安装
目录内，与 skills/ 平级）；③ 环境变量 AI_RESEARCH_SKILLS_HOME（或兼容旧名
ARIS_REPO）指向的包根目录；④ 全局指针文件 ~/.aris/repo 指向的包根目录
（包根执行过 bash install.sh 即有）。四者均无时按下述缺失处理。
启动时读取 domains/<领域>.md（如 domains/time-series-forecasting.md），
将其中的数据集、评测协议、基线、已知陷阱注入到各阶段 skill 的上下文中。
若无对应领域文件，按通用 ML 研究处理，并在 state.md 中记录该缺失。
恢复运行
被要求"继续"时：读 state.md → 找到当前阶段与未批示的决策卡 →
若有未批示卡，向人类复述该卡的问题；若已批示，按批示执行下一阶段。
纪律
- 每阶段产物必须落盘为文件，禁止只存在于对话中。
- 阶段产物是下一阶段的唯一输入接口；跨阶段不要依赖对话记忆。
- 长实验/长检索在独立上下文或子任务中执行，主上下文只保留文件路径与结论。
- 任何阶段发现"更早阶段的结论被新证据推翻"，立即出临时决策卡，不得静默继续。
