yzlin286-wq/Deepscient

# 任务调度：租约、幂等与背压

## 一条总原则

**调度器是唯一能改状态的人。** 模型、脚本、人都不直接写 task 状态；
所有状态变化只由 `science_campaign_run` 的动作（claim / heartbeat / complete / fail /
release）产生。手工改 state 会让事件流与状态表对不上，之后每一次重跑都不可信。

## 租约（lease）

- 领取任务即获得租约，`leaseMs` 默认 120000（2 分钟）。
- 租约不是所有权，是**临时独占**；到期未续，任务自动回到 pending，任何人可再领。
- 领取前必须写 `owner`、`leaseUntil`、`attempt`。三项缺一，这次领取无效。
- 续租用 `heartbeat`，间隔取 `leaseMs/3`（约 40 秒）。不要等到快到期才续。

# Campaign 设计：从研究问题到可分片的任务

## 四层拆解

```
Campaign（一个课题的一次冲顶）
  └─ Workstream（S0–S11 中的一段，有独立 gate）
       └─ Task（一个可验收的交付，有 owner 与 gate）
            └─ Shard（一次模型调用能做完的最小单元）
```

- **Campaign** 与课题一一对应，有唯一 `campaignId`；跨课题不复用。
- **Workstream** 必须有 `stage`（S0…S11）与 `gate`；没有 gate 的 Workstream 不允许存在。
- **Task** 是派单单位，必须有唯一 owner（L2 岗位）与 `acceptance`。

# 共识与报告：把多份结果合成一个可辩护的结论

## 三票规则

- 默认 `votes = 3`，`voteThreshold = 0.66`：三票中至少两票一致才采用。
- 三票必须**相互独立**：不同分片、不同输入顺序、不得共享中间摘要。
  同一上下文里连问三次不算三票。
- **只对结论型判断投票**：纳入/排除、新颖性、审稿意见分级、字段抽取。
  统计量、图表、格式转换属于确定性产物，一票即可，多票是浪费。
- 三票全不同 → 不合并、不取平均，直接按"分歧"上报。
- 两票一致但第三票给出反例证据 → 不按多数，转人工/上级裁决。

## 证据权重

# 学科方法库：先定设计，再谈统计

## 这一层解决什么问题

一个研究生最常见的卡点不是「不会做统计」，而是**问错了问题类型**。

他手里有一个现象、一份数据、一个想说的话，但不知道这个领域**用什么方式把现象变成证据**。
心理学靠随机分配与操纵检查，经济学靠外生变异与平行趋势，化学靠表征链，材料靠批次与标准，
机器学习靠多种子与强基线——同样是「证明 A 影响 B」，各领域要求的证据形态完全不同。

所以这一层的产出不是结论，是**这个领域公认的走路方式**：
能问什么、用哪个设计、要多少样本、量什么、跑什么方法、装什么软件、审稿人先打哪里。

## 入口

# 从方案到一次可复现的执行

## 这一层要守住的三件事

1. **原始数据只进 `data/`，只读。**
   清洗结果放 `data/clean/`，分析产物放 `experiments/<slug>/<runId>/`。
   一旦在原始文件上直接改，你永远回不到采集当天的状态——而审稿人问的第一个问题往往就是那个状态。
2. **每次执行都要能被别人重跑。**
   `science_exp_run` 记的是：脚本内容指纹、输入文件 sha256、输出文件 sha256、
   Python 与关键库版本、seed、是否允许网络。缺任何一项，这次执行就只是"你跑过一次"。
3. **Python 层默认无网。**
   数据下载在采集阶段做完，分析阶段不该联网。要联网就显式 `network: true`，
   记录里会写明——这是给自己留的证据，不是给别人看的仪式。

# 图：先决定它要证明什么，再决定它长什么样

## 尺寸先定，字号其次，字体最后

期刊的栏宽是**物理量**：单栏 85–90 mm，双栏 180–190 mm。你的图必须按这个物理尺寸排版，
然后再去看字号。

反过来做（先画一张 8 英寸宽的图，再在排版时缩到 85 mm）会出人命：缩放 2.4 倍后，
8 pt 的字变成 3.3 pt，印刷出来是一团灰。

`science_figure` 就是按这个顺序做的：`widthMm` → `fontSize`（默认 7 pt，低于 6 pt 直接拒绝）→ 出件。

| 预设 | 毫米 | 什么时候用 |
| --- | --- | --- |

# 从 GitHub 前沿到顶刊：把实现变成可证伪的主张

## 为什么这一层存在

一个新优化器的 README 通常写着「1.35x speedup」。这不是 claim，是**观察**。
顶刊要的是「通过什么机制导致什么，以及在什么范围内成立」。
两者之间的距离，就是这一层要量出来的东西。

五个工具是一条链，每一步的产物是下一步的输入：

```
science_frontier_scan       GitHub 上有什么值得读           → frontier_item
science_knowledge_distill   README 里到底声称了什么         → knowledge_claim
science_gap_matrix          这个方向被填了多少               → gap_entry

# 全文获取：九级回退与验真

## 铁律：200 不等于拿到了全文

实测中大量站点回 **200 + `text/html`**：Cookie 门、登录页、"请启用 cookie"跳转页。
**每一级都必须验**：`content-type` 含 `pdf` **且** 文件头是 `%PDF-`；JATS 则验根元素 `<article`。

判失败的特征：
- 内容是 HTML 且含 `cookies_not_supported` / `sign in` / `access denied` / `captcha`
- 重定向后的 `finalUrl` 落在 `/login`、`/sorry/`、`?error=`
- 长度 < 20KB 的"PDF"（多为占位页）

## 九级顺序（不跳级，除非上层明确 no-oa）

# 期刊情报：看它发过什么，不看它说自己喜欢什么

## 为什么需要这一层

`aims & scope` 是营销文案。真正决定送审的是**编辑桌上那堆稿子的分布**。
一本刊过去两年在你这个子领域发了 0 篇，你的 cover letter 写得再好也过不了初筛；
发了 9%，那就是它的主场之一。这个差别 scope 关键词永远告诉不了你。

`science_journal_intel` 把三个独立来源拼成一张卡：

| 源 | 回答的问题 | 记的是什么 |
|---|---|---|
| OpenAlex | 它**实际**在发什么 | 近两年每篇论文的 primary topic，按 subfield 汇总占比 |
| SciRev | 作者**实际**经历了什么 | 首轮月数、总量月数、即时拒天数、审稿轮数、意见难度、样本数 |

# 选刊：先算 desk reject 概率，再谈影响因子

## 第一原则：desk reject 的头号原因不是「不够好」，是「投错刊」

编辑初筛以分钟计，只回答一个问题：**这篇稿子在这个刊的读者群里成立吗？**
所以选刊的第一步永远是 scope 匹配，不是影响因子排序。

用 `science_journal_fit` 跑一次，看三档：

- **reach**：档位更高 **且有主题命中**。没有主题命中的综合刊不会进 reach——那不是冲刺，是碰运气。
- **target**：档位匹配、分数够。正常情况下这里是你的第一投。
- **safe**：降 1–3 档且设计兼容。用于时间压力（毕业、结题、抢 priority 窗口）。

`science_journal_fit` 的分数可以逐项拆开，投之前先读它给你的 `matchedTopics` / `missingTopics`：

# 文献检索（可复现的检索策略）

## 何时用
- 课题开局要做现状梳理；
- 有 idea 需要做新颖性（scoop）检查；
- 距离上次检索超过 3 个月，需要增量更新。

## 前置检查
1. `science_preflight` 已跑过，数据根与技能就位；
2. 确认检索源：`mcp__paper__*`、`mcp__arxiv__*`、`mcp__zotero__*` 是否可用；不可用则退化为 `web_search` + `web_fetch` 打公开 API（Crossref / OpenAlex / Semantic Scholar / PubMed E-utilities），并在结果里标注"覆盖度下降"。
3. 与用户确认三件事：**时间窗**、**语言**、**纳排标准**（哪些不算：预印本？综述？非同行评议？）。

## 步骤
1. **拆概念块**：把课题拆成 2–4 个概念块（PICO 或"方法 + 对象 + 指标"），每个块列同义词、缩写、上下位词。

# 排版与出件：一份源，四个产物，换刊只改一行

## 为什么这一层是机械的（也正因如此才能自动化）

写作里有一部分判断只有作者能做：这个 claim 成不成立、这个 gap 真的存在吗、这条审稿意见怎么回。
这些在 M2/M4 里，靠 `science_paper_audit` 和 `science_gap_matrix`。

剩下那一部分是**纯机械的**：字数有没有超、图有几张、引用的 key 在文献表里有没有、
参考文献该用 `[1]` 还是 `(Jordan et al., 2024)`、页边距多少毫米、要不要连续行号。
这些东西完全由**目标期刊**决定，跟内容无关——所以只要你把「刊」告诉机器，它就该自己算完。

这就是 `paper.md` 的设计前提：**正文里不写任何格式**。

```markdown

# 科研机构岗位与权限

## 何时用

- 一件事不知道该派谁：检索、设计、跑数、作图、写稿、返修各有人。
- 两方结论冲突，需要知道谁能拍板、谁能否决。
- 一个任务被"大家都可以做"拖住，需要指定唯一负责人。
- 要在 `subagent` 里点名 `agent_preset`，需要确认该岗位对应哪个 preset。

## 四层结构

| 层 | 名称 | 一句话 | 容量 |
| --- | --- | --- | --- |
| L0 | 课题主持人 | 定方向、拍终稿、对外负责 | 1 |

# 审稿回应：先分类，再逐条

## 第一步：切条与分类（不要直接开始写）

把评审意见粘进 `science_rebuttal`，它会切成编号条目并按类型标注：

| 类型 | 特征用语 | 做法 |
|---|---|---|
| **new-experiment** | additional experiments / should test / in vivo | 能补就补；不能补降级为 limitation 并说明不影响主结论 |
| **statistics** | sample size / power / CI / multiple comparison | 一律重跑，给效应量 + 95% CI + 校正方法 |
| **claim-strength** | overclaim / not supported / too strong | 降低表述强度，并在讨论里给替代解释 |
| **prior-work** | should cite / already reported | 补引用并写清增量；确属已知就改成"确认并扩展" |
| **clarity** | unclear / confusing / rewrite | 重写该段，回应里引改后原句 + page/line |
| **method-detail** | provide more detail / reagent / version | 补到可复现粒度，移到 SI 并在正文加指引 |

# 报告规范：审稿人手里的核对表

## 先选对规范（选错等于白写）

| 你的研究 | 规范 | 关键条目（缺了必被要求补） |
|---|---|---|
| 随机对照试验 | **CONSORT** | 注册号、随机化方法与分配隐藏、盲法、主要结局、受试者流程、样本量估算、ITT、不良事件 |
| 系统综述 / meta | **PRISMA** | 方案预注册（PROSPERO）、数据库与检索式、筛选流程、偏倚风险、异质性、发表偏倚 |
| 队列 / 病例对照 / 横断面 | **STROBE** | 设计类型、纳排标准、混杂处理、缺失数据、敏感性分析 |
| 动物实验 | **ARRIVE 2.0** | 物种品系、饲养条件、人道终点、随机分组（含笼效应）、评估设盲 |
| 预测模型 | **TRIPOD** | 预测因子定义、区分度**与**校准、内部/外部验证、EPV 或最小样本量 |
| 质性研究 | COREQ / SRQR | 研究者立场、抽样策略、资料饱和、编码与可信度 |

## 任何投稿都要有的四段声明

# 可复现性（运行留痕与干净重跑）

## 何时用
- 每次要对外报告一个实验结论之前；
- 方法学部分动笔之前（先把该记的记下来）；
- 有人质疑结果、或自己发现两次运行不一致时。

## 前置检查
1. 项目是否已 `science_project_open`（没有 project_id 的运行记录没有归属）；
2. 实验计划是否已 `science_exp_plan`（预注册式：假设、变量、n、分析计划、风险）；
3. 工作目录是否在 git 仓库内（能拿到 commit 才能谈复现）。

## 步骤
1. **固定环境**：记录解释器版本、关键依赖版本（`pip freeze` / `renv.lock` / `package-lock.json`）并算一个依赖哈希；不要只写"用了 pandas"。

# 检索源矩阵：谁查什么、什么时候换源

## 开局先做两件事
1. `science_source_status` —— 看谁在冷却、OpenAlex 还剩多少美元预算；
2. `science_lit_query` —— 本地库有没有现成的。**同一课题不要重复烧配额**。

## 源的能力分工

| 源 | 强在哪 | 弱在哪 | 用法 |
|---|---|---|---|
| **OpenAlex** | 覆盖面最广，带引用数、OA 位置、摘要倒排索引 | **有美元预算**（无 key $0.10/天） | 首选，但一次查询别超 25 条 |
| **Crossref** | DOI 权威、元数据最规范、出版信息全 | 无摘要（部分有）、检索是相关性排序非布尔 | 补 DOI 与卷期页；查不到某篇的准确出版信息时用它 |
| **Europe PMC** | 生物医学全覆盖，**直接给 OA 全文链接** | 非生物医学覆盖弱 | 医学/生物方向第一顺位；M1.1 全文链的第 4–5 级靠它 |
| **PubMed** | 临床与生物医学索引最严（MeSH） | 两步请求、无 OA 链接 | 系统综述的纳排标准靠它；配合 Europe PMC 拿全文 |

# 统计选择：设计决定检验，假设决定能不能用

## 三条不能破的铁律

1. **检验由设计决定，不由数据长什么样决定。**
   先有 `design`（几组、配对否、结局类型、是否重复测量），才有候选检验。
   拿到数据后试三种检验挑 p 最小的，那不是分析，是搜索。
2. **假设不满足时必须降级，不能默认继续。**
   每个检验都带 `assumptions` 与 `fallback`。假设没查或不满足，正确动作是
   **换 fallback 检验并在正文说明**，而不是「反正结果差不多」。
3. **p 值不是效应量。** 报告必须同时给：检验统计量、自由度、p、效应量、效应量的置信区间。
   缺效应量的结果在顶刊会被直接退回补充。

## 决策树怎么走

# 把统计结果写成审稿人认的句子

## 一句话标准

一个结果要能独立成立，必须同时给出：**样本量 → 统计量 + 自由度 → p → 效应量 + 置信区间 → 用的是哪个检验、为什么**。
缺任何一项，这一段就会被要求补充；缺效应量最常见。

## 模板（照抄结构，别照抄数字）

```
Welch 双样本 t 检验比较咖啡因组（n = 24，M = 421 ms，SD = 52）与安慰剂组
（n = 24，M = 452 ms，SD = 55）的简单反应时，两组差异未达显著，
t(44.79) = −1.95，p = .058，Cohen's d = −0.57（95% CI −1.15 至 0.02）。
```

# 流程指南：把"写论文"拆成十二个有门的阶段

## 为什么需要流程

研究最常见的失败不是"某一步做错了"，而是**顺序错了**：

- 先有数据，再挑检验 → p 值不再有意义。
- 先招人，再算样本量 → 要么白招，要么招不满。
- 先写完讨论，再选题 → 整篇要重写。
- 先投稿，再看报告规范 → 直接退修或 desk reject。

流程的价值不是仪式，而是让「还没做」在系统里有名字。`science_study_coach` 会把每个阶段的门
对着库里的真实状态判一遍：过、不过、还是"没留下记录"。

# 顶刊写作：让编辑在 60 秒内看懂你在主张什么

## 唯一的判据：标题是不是一个断言

编辑初筛只做一件事——读标题和摘要，判断"这篇稿子提出了什么主张，这个主张重要吗"。

- ✗ `A Study of Chaperone Effects on Protein Folding`（话题）
- ✓ `Chaperone concentration sets the folding rate of globular proteins`（断言）

断言的三个条件：有主语、有方向、可被证伪。满足这三条的标题，摘要和正文会自动变得好写，因为你知道了要证明什么。

## C-C-C 递归：每个尺度都做同一件事

**context → content → conclusion**，在四个尺度上重复：