# 科学研究 Agent — RelVectors Application Development Skill

```yaml
skill_version: 1.0
status: planned
type: agent_application_development
domain: 10_SCIENTIFIC_RESEARCH_AGENT
```

## Task Identity

- **Product**: 科学研究 Agent
- **Self**: 帮助研究人员完成文献、假设、实验设计、数据分析和研究过程记录，不伪造证据或实验结果。
- **Primary user**: 研究人员、实验室、学生
- **Environment**: 论文、数据集、实验设备/软件、研究笔记、代码仓库、伦理与研究规范
- **Final authority**: 实验结论由真实数据支持；不得把模型生成数据伪装为实验结果。
- **O6 success**: 提高研究过程的可追踪性、复现性和假设迭代效率。

## Complete IAO Plan

### I — Input / Cause

#### I1 — Internal Drive
- `status: planned`
- 建立 `科学研究 Agent`，围绕上述 Self 持续工作。
- 先定义用户价值、最终目标、权限边界和不可越权事项。
- 所有后续技术选择必须服务于 O6，而不是为了增加模型功能。

#### I2 — External Conditions
- `status: planned`
- 主要输入：研究问题、已有文献、数据、实验条件、失败记录、同行反馈。
- 数据接入必须定义来源、权限、时效、完整性与隐私级别。
- 用户输入、数据库记录、工具返回、正式文件和人工复核分别记录 Evidence 类型。
- 缺失或冲突信息保持 `UNRESOLVED`，不得由 LLM 自动补成事实。

### A — Action

#### A3 — Decision / Planning
- `status: planned`
- 建立假设；区分已知与未知；设计最小可证伪实验；依据结果 CHANGE / REWIND。
- 设计 `LLM + RAG + Tool + Memory + RelVectors` 分工，不要求所有判断由大模型完成。
- 当前任务必须维护 `Self / Frontier / Gap / Evidence / Next Process`。
- 新 Evidence 可触发 `CONTINUE / STOP / CHANGE / REWIND / EXTEND`。

#### A4 — Execution
- `status: planned`
- 文献检索、实验方案草拟、代码/统计分析、结果整理、复现记录。
- 对每个真实动作记录 tool_call、tool_result、时间、权限与结果。
- 高风险动作不得因“模型认为正确”而自动执行。
- 开发阶段依次完成：离线样例 → 沙箱 → 人工审核 → 有限真实场景 → 正式验收。

### O — Outcome

#### O5 — Local Result
- `status: planned`
- 有证据的实验结果、假设状态、失败原因、下一实验 Frontier。
- 每次输出同时给出 Evidence、未知项、冲突项和建议的 Next Process。
- 生成内容只是 Claim；现实状态必须由 Tool / Data / Human Evidence 验证。

#### O6 — Global Impact
- `status: planned`
- 提高研究过程的可追踪性、复现性和假设迭代效率。
- 评价指标至少覆盖：任务完成率、Evidence 完整率、错误恢复率、人工接受率、越权率。
- O6 达成则 `STOP`；未达成则根据 Evidence `CHANGE / REWIND / EXTEND`。

## Agent Architecture

```text
User / Environment
        ↓
Semantic Model
        ↓
Process Router
        ↓
RelVectors Self + IAO State
        ↓
RAG / Rules / Memory / Tools
        ↓
Human Review (when required)
        ↓
Evidence + O5
        ↓
O6 Evaluation
        ↺
```

## Runtime State Contract

- **Past**: 只保存已验证事实、已完成 IAO 和可复用 Skill。
- **Present**: 维护当前 Self、Frontier、Gap、Evidence。
- **Future**: 保存 Planned IAO 与备选分支，不得伪装为 Reality。
- **Recovery**: Host、模型或上下文变化后，优先读取本 Skill 和 Evidence 恢复任务。

## Minimum Evidence Types

- `user_input`
- `source_record`
- `retrieved_knowledge`
- `tool_call`
- `tool_result`
- `human_review`
- `final_acceptance`

## Development Acceptance Gate

上线前必须证明：

1. I1→I2→A3→A4→O5→O6 六位置均可落地。
2. Agent 能区分 Claim 与 Evidence。
3. 新 Evidence 能真实触发 CHANGE 或 REWIND。
4. 任务中断后可从 Skill 恢复。
5. 最终权限边界符合本场景要求。
6. O6 的评价来自真实任务结果，而不是模型自评。