WILLOSCAR/research-units-pipeline-skills

解决的问题

Research Harness 提供基础设施，使 AI 辅助研究具备可检查性、可恢复性和诚实性。它防止了常见的问题：AI 代理生成最终结果（如 PDF）后，却未留下任何证据、决策或中间步骤的痕迹，导致难以验证或恢复工作。

如何工作

该系统将研究目标转化为由固定 Pipeline 合约组织的「运行（Run）」。它将任务分解为可恢复的 Units 和 Skills，确保每次转换都有证据和产物支持。

关键机制包括：

• 固定合约：在运行期间对管道和技能实现进行快照，防止无声漂移。
• 基于证据的完成：成功不仅仅是状态标志；它需要匹配的产物哈希、清单和完成事件。
• 有限诊断：当合约失败时，系统会识别出具体的修复位置，而不是重写整个流程。
• 人工检查点：允许用户批准特定产物（如大纲或协议），如果底层产物被更改，则撤销授权。

适用人群

使用 AI 代理进行文献综述、研究整合或撰写技术报告的研究人员和开发者，他们需要可验证的审计日志以及从失败中恢复的能力。

亮点

• 多样化的流程模板：包含研究简报、论文评审、证据整合、arXiv 调查和教程创建等预构建流程。
• Harness Lock：通过哈希内核和技能包确保执行完整性。
• 严格的残留检查：包含特定关卡，防止 AI 生成的模板残留（如 "this run"）出现在最终交付物中。
• 文件优先方法：将所有目标、决策和证据组织到结构化工作区中，实现完全透明。