deep-dive

name	deep-dive
description	对 1-10 篇核心论文进行精读分析，提取方法细节、实验设置、关键超参数、代码实现等。当用户说"精读这篇论文"、"分析方法细节"、"deep dive"时触发，或在 pipeline Stage 4（Idea Approval 后）自动调用。

deep-dive

对核心论文进行深度精读，超越 claim-extractor 的浅层提取。

与 claim-extractor 的区别

维度	claim-extractor	deep-dive
深度	提取关键断言	完整方法拆解
输出	evidence_graph claims	结构化精读笔记
速度	快（每篇 1-2 分钟）	慢（每篇 5-10 分钟）
用途	综述、证据链	Idea 评估、方法复现

输入

• 论文 ID 列表（corpus_ledger 中的 id）
• 或直接指定 parsed_mds/ 中的 Markdown 文件

精读模板

对每篇论文生成结构化笔记：

# {论文标题} — 精读笔记

## 1. 核心贡献（一句话）

## 2. 问题定义
- 输入/输出是什么
- 形式化表述

## 3. 方法拆解
### 3.1 整体架构
(用文字描述，如有必要画 ASCII 图)

### 3.2 关键模块
- 模块 A: 作用、输入、输出、参数
- 模块 B: ...

### 3.3 loss 函数
- 数学表达式
- 各项含义

### 3.4 训练细节
- 优化器、学习率、batch size
- 训练时长、GPU 资源
- 数据增强策略

## 4. 实验分析
### 4.1 数据集
- 名称、规模、split 方式

### 4.2 Baseline 对比
- 对比了哪些方法
- 主要指标和数值

### 4.3 消融实验
- 验证了哪些组件的贡献

## 5. 局限性（作者自述 + 我的观察）

## 6. 复现可行性
- 是否开源代码
- 计算资源需求估计
- 数据是否公开

## 7. 与当前研究的关联
(如果在 idea-brainstorm 上下文中被调用)

执行步骤

1. 检查论文是否已解析为 Markdown
   • 未解析 → 先调用 pdf-to-markdown 或 alphaxiv-paper-lookup
2. 读取完整 Markdown
3. 按模板逐节填写
4. 将精读笔记保存到 artifacts/deep_dive_{paper_id}.md
5. 同时将关键发现追加到 evidence_graph.json（比 claim-extractor 更详细）

批量模式

如果输入多篇论文，生成对比矩阵：

论文	核心方法	数据集	主要指标	开源
A	...	...	...	✅
B	...	...	...	❌

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("deep_dive") 验证产出
3. 根据返回值自动进入下一阶段（novelty_check）