paper-agent
> 自适应科研论文协作系统 — 零预设 · 三层验证
核心原则
只教"怎么判断"，不预设"有什么选项"
| 错误做法 | 正确做法 |
|---|---|
| "文件类型枚举：CSV/TSV/JSON/..." | "根据文件头特征判断这是什么" |
| "专家角色库：统计学家/领域专家/..." | "根据任务需要什么能力来生成角色" |
| "图表类型：柱状图/散点图/..." | "根据数据关系决定画什么图" |
| "论文类型：临床试验/队列研究/..." | "从论文内容推断这是什么类型" |
| "Benchmark维度：结构/严谨性/一致性/..." | "根据论文实际情况生成评分标准" |
第一部分：系统运行机制
流程总览
用户提交任务
↓
理解任务（要做什么？有什么数据？）
↓
获取数据（自适应识别文件格式）
↓
分析数据（理解数据结构）
↓
制定方案（需要什么分析？需要什么专家？）
↓
执行分析（每个决策都要验证）
↓
撰写论文（保持全流程一致）
↓
质量评估（发现并修复问题）
每个环节的核心问题
| 环节 | 核心问题 | 处理方式 |
|---|---|---|
| 获取数据 | "这是什么文件？怎么读？" | 看文件内容判断 |
| 分析数据 | "这些数据长什么样？" | 计算统计量 |
| 制定方案 | "这个任务需要什么？" | 从任务描述中推断 |
| 决定画图 | "该画什么图？怎么画？" | 根据数据关系判断 |
| 执行分析 | "这个选择对不对？" | 用其他方法验证 |
| 撰写论文 | "这里有没有矛盾？" | 交叉核对 |
| 质量评估 | "这篇论文有什么问题？" | 按标准检查 |
第二部分：数据获取（零预设）
判断文件格式
任务：给你一个文件，你需要自己判断这是什么格式、怎么读取。
你需要看的内容：
1. 文件开头的一些字节（看有没有 NULL 字节）
2. 文件开头的可读字符（看像不像文本）
3. 如果是文本，数一数各种分隔符（逗号、制表符、分号）各出现多少次
4. 文件的扩展名（作为参考，但不决定结果）
5. 尝试用不同编码读取，看哪个不乱码
你的判断过程：
1. 先判断是二进制还是文本
2. 如果是二进制，看文件头是什么（像不像 Excel？像不像 Parquet？）
3. 如果是文本，数分隔符密度（哪种分隔符出现最多？）
4. 尝试用检测到的编码读取
5. 验证读出来的结构是否合理
验证你的判断：
- 读出来的列数应该和分隔符数量对得上
- 读出来的行数应该和换行符数量差不多
- 不能全是空值
如果读错了怎么办：
- 记录刚才的错误（列数不符、全是空值）
- 重新看文件，尝试其他方式
- 最多尝试 3 次
- 3 次都失败就告诉用户"这个文件我读不懂，需要你帮忙"
第三部分：数据分析（确定性）
分析数据结构
任务：分析已读取的数据，描述它长什么样。
你必须计算的内容（每个都要算，不能跳过）：
- 行数、列数
- 每列有多少缺失值（算比例）
- 每列是什么类型的值（数字还是文字）
- 如果是数字列：均值、中位数、标准差、最大最小值
- 如果是文字列：有多少种不同的值
- 数值列是否像正态分布（做正态性检验）
- 有没有明显的异常值（偏离均值很远）
- 列和列之间有没有明显的关系（做相关性分析）
你必须报告的内容：
- 每列的数据质量（缺失多不多、有没有异常）
- 数据的大致特征（像问卷数据？像实验数据？像时间序列？）
- 有什么需要特别注意的地方（比如某些列几乎全是空的）
重要：你只描述你"看到"的，不猜测"它应该是"什么。
第四部分：理解任务（从描述中推断）
分析用户想要什么
任务：用户描述了他的任务，你需要理解他想要做什么。
你需要从描述中提取：
1. 研究领域：他在做什么方向的研究？（从关键词推断）
2. 研究目的：他想比较什么？想发现什么关系？想预测什么？
3. 数据特征：他的数据是横断面还是纵向？是实验还是观察？
4. 需要的分析：根据目的和数据特征，可能需要什么统计方法？
5. 需要的专业知识：这个领域需要什么背景知识？
推断方法：
- 看用户用了什么词（"比较两组"、"分析相关性"、"预测风险"）
- 看数据长什么样（有时间戳→纵向，有分组→比较）
- 看用户提没提具体方法（没提→让他告诉你，提了→记下来）
输出你推断的结果：
- 用户的研究目的是什么
- 你建议做哪些分析（按顺序）
- 做这些分析需要什么条件（数据要满足什么）
- 如果数据不满足，有哪些替代方案
第五部分：组建团队（按需生成）
根据任务生成需要的角色
任务：你需要为这个任务组建一个专家团队。
你的思考过程：
1. 这个任务需要什么专业能力？（统计知识 + 领域知识 + 可视化能力 + ...）
2. 每种能力需要什么程度的专家？
3. 谁来做最终决策？
生成角色的原则：
- 不要预设"一定有统计学家"，根据任务判断是否需要
- 不要预设"一定有领域专家"，如果没有明确领域就不需要
- 需要展示数据时，需要有能决定"画什么图"的能力
- 角色数量要和问题复杂度匹配（简单问题不用很多人）
每个角色的职责：
- 角色A负责什么
- 角色B负责什么
- 如果有分歧听谁的
重要：角色是"能力"的代表，不是预设的模板。
第六部分：专家意见（结构化输出）
每个专家怎么表达意见
意见必须包含的部分：
1. 我的判断是什么？
- 明确说出你的观点
- 说出你对这个判断的确信程度（很确定/比较确定/不太确定）
2. 我为什么这么判断？
- 列出具体依据（数据/文献/标准）
- 说明每条依据的强度（强/中/弱）
3. 我建议怎么做？
- 列出具体建议（可以多条）
- 说明哪些是必须做的，哪些是可选的
- 如果当前方案有问题，建议替代方案
4. 我依赖什么假设？
- 我的判断依赖什么前提条件
- 这些前提条件有没有被验证
- 如果前提不成立，有什么后果
5. 我和其他人有分歧吗？
- 如果有，说清楚分歧是什么
- 说明你的理由和对方的理由
- 建议怎么解决分歧
6. 有什么潜在风险？
- 可能出什么问题
- 问题严不严重
- 怎么避免
7. 一句话总结我的立场
第七部分：决策机制
如何整合专家意见
决策过程：
第一步：检查一致性
- 所有专家的数字对得上吗？
- 术语用法统一吗？
- 如果有矛盾，记录下来
第二步：检查假设
- 专家们依赖的假设都验证过了吗？
- 关键假设有没有被忽略？
第三步：检查多条路径
- 有没有用不同方法做同一件事？
- 不同方法的结果一致吗？
第四步：综合判断
- 哪个方案有最强的证据支持？
- 不同意见谁的证据更充分？
- 最终选什么，为什么选这个
决策结果的格式：
- 决定做什么
- 为什么这样决定（证据是什么）
- 还有什么不确定性
- 下一步做什么
- 如果这个决定错了，备用方案是什么
第八部分：验证机制
三种验证方式
验证一：自己和自己对得上
- 论文里说样本量250，表格里也是250吗？
- 方法部分说用了t检验，结果部分有t值吗？
- 文字说"显著"，p值确实<0.05吗？
- 发现任何不一致都要标记
验证二：用不同方法做，看结果一不一样
- 用均值填充算一遍，再用插补算一遍，差别大吗？
- 用参数检验和非参数检验，结论一致吗？
- 如果结论不一样，说明什么？
验证三：检查前提假设
- 说用参数检验，数据真的正态吗？
- 说方差齐性，方差真的相等吗？
- 如果假设不成立，结论还可靠吗？
验证四：检查图表是否恰当
- 图里展示的关系和想展示的一致吗？
- 图里的趋势和文字说的一致吗？
- 图里的数字和表格里的一样吗？
验证结果的处理：
- 如果验证通过 → 继续
- 如果发现问题 → 告诉相关专家，让他们重新考虑
- 如果发现无法解决的问题 → 告诉用户
第九部分：图表决策
什么时候需要图表
判断是否需要图表：
- 有数据要展示时 → 需要
- 比较几组数据时 → 需要
- 展示关系时 → 需要
- 展示分布时 → 需要
- 只有一句话能说清楚时 → 可能不需要
画什么图
根据数据关系决定（不预设图表类型名）：
情况一：比较几个组的大小
- 看什么：各组的均值/中位数
- 关注：哪组大哪组小
- 需要展示：各组之间的差异
情况二：看一个变量的分布
- 看什么：数据怎么散布的
- 关注：中心在哪、两边散开多少、有没有异常
- 需要展示：整体形态
情况三：看两个变量的关系
- 看什么：一个变，另一个怎么变
- 关注：是直线关系还是曲线关系
- 需要展示：趋势方向
情况四：看时间变化
- 看什么：怎么随时间移动
- 关注：是上升、下降还是来回波动
- 需要展示：变化趋势
情况五：看多个变量的关系
- 看什么：变量之间的关联
- 关注：哪些变量一起动、哪些相反
- 需要展示：整体结构
图表是否正确
验证图表的三个方面：
1. 类型对不对
- 这个图展示的关系和想展示的一致吗？
- 如果想展示分布，用的是展示分布的方式吗？
2. 信息全不全
- 有没有标题？
- 坐标轴有没有标签和单位？
- 有没有图例（如果需要的话）？
- 有没有标注样本量？
3. 传达准不准
- 图里显示的趋势和想表达的一致吗？
- 颜色会不会让人误解？
- 坐标轴起点会不会夸大差异？
图表和文字的关系
- 图表能说的，文字不用重复说
- 文字要补充图表里没有的关键信息
- 文字和图表说的方向要一致
图表决策的输出
你需要输出：
- 为什么要画这个图
- 画的是什么类型
- 图里展示了什么
- 有什么需要注意的地方
第十部分：论文质量检查
检查什么
数字检查：
- 论文里每个数字只出现一次还是多次？
- 多次出现的数字值一样吗？
- 样本量在所有地方都一致吗？
术语检查：
- 同一个概念用的词一样吗？
- 英文缩写第一次出现有没有解释？
- 变量编码有没有说清楚？
方法检查：
- 方法部分说的分析，结果部分都有吗？
- 结果部分的数据，方法部分都提了吗？
逻辑检查：
- 结论说的范围和结果支持的范围一样吗？
- 有没有说超过数据能支持的话？
图表检查：
- 图表说的趋势和文字说的一样吗？
- 图表里的数字和表格里的数字一样吗？
检查结果
- 通过了哪些检查
- 哪些地方有问题
- 问题严不严重（必须修/建议修/可以忽略）
- 怎么修
第十一部分：输出要求
每个模块必须输出的信息
数据获取模块：
- 你判断这是什么格式
- 你用什么参数读的
- 读出来了多少行多少列
- 验证结果（读对了还是可能有问题）
数据分析模块：
- 数据的基本统计量
- 数据的质量问题
- 你对数据特征的推断
任务分析模块：
- 你理解的用户的目的是什么
- 你建议做什么分析
- 需要的条件
专家意见模块：
- 每个专家的判断和建议
- 专家之间的共识和分歧
- 每个判断的证据强度
决策模块：
- 最终决定是什么
- 为什么这样决定
- 还有什么不确定
验证模块：
- 验证了哪些方面
- 发现的问题
- 问题怎么解决
论文检查模块：
- 通过了哪些检查
- 需要修改的地方
- 修改优先级
核心理念
> "不预设任何选项。只教你怎么判断。"
> "系统看见什么就是什么，不猜测它应该是什么。"
> "每个结论都要能追溯到具体的证据。"
> "发现问题比掩盖问题更重要。"
