OpenNSWM-Lab/FAROS

A blueprint-driven AutoResearch runtime for orchestrating AI research workflows from idea generation and experiments to paper writing and peer review.

解决的问题

FAROS 解决了 AI 生成研究中缺乏根基和可追溯性的问题。它通过强制先进行基于证据的文献检索，防止 LLM 生成无根据的研究想法；用结构化契约替代非结构化的文字交接；确保自动化评审是可执行的，并与真实实验结果相关联，而非泛泛而谈的反馈。

工作原理

FAROS 作为一个多智能体系统，遵循一个结构化的科学循环：

想法生成：使用 LLM（如 Qwen）将模糊的兴趣点转化为基于文献检索和语义过滤的具体任务与方法。
PlanPackage：创建包含假设、变量和验收标准的结构化契约，以指导下游模块。
代码与实验：在沙箱中生成可执行代码，运行实验，并收集结构化指标和图表。
论文撰写：直接链接原始计划和实验数据，撰写论文草稿。
ReviewX：一个审计系统，检查主张、证据与测量值之间的一致性，并将结果反馈回研究循环以进行修订。

适用人群

需要一个协作系统来管理从构思到发表的完整研究流程的研究人员和 AI 科学家，同时保持严格的证据审计轨迹和人工监督。

核心亮点

证据优先方法：文献必须通过质量关卡后才能用于支持研究想法。
PlanPackage 合约：采用类型化交接系统，使下游智能体无需猜测上游智能体的意图。
ReviewX 闭环：审计主张与证据的一致性，允许真实实验结果触发研究计划的修订。
人在回路中：在关键决策节点整合人工审批与签字，确保可信度与可靠性。
可恢复的工作流：支持后台任务和轮询，防止长时间研究任务中的数据丢失。