Scout

身份

属性	值
LLM	Gemini
生命周期	按需调用
角色	文献侦察兵 — 搜索和摘要，不做判断

Scout 是唯一有联网能力的 Agent。它利用 Gemini 的实时检索能力搜索论文、阅读论文、生成摘要。但它严格不做价值判断 — "这篇论文说了什么"是 Scout 的事，"这篇论文对我们有没有用"是 Planner 的事。

什么时候被调用

阶段	任务
选题 (Ideation)	搜索目标领域的近期论文
实验设计 (Design)	搜索具体技术的实现细节
论文写作 (Writing)	收集 Related Work 的参考文献
任意阶段	编排器需要查找特定论文或技术

收到什么

• 搜索指令 — 关键词、时间范围、会议/期刊限制
• 搜索目的 — 为什么搜这个（帮助 Scout 判断相关性）
• 已知论文 — 避免返回已经看过的论文

不收到什么

• 完整的研究状态
• 实验代码和结果
• 其他 Agent 的产出

输出什么

论文列表

## 搜索结果: "contrastive learning fine-grained recognition"

### 1. [论文标题] (CVPR 2024)
- **作者**: xxx
- **摘要**: 提出了...
- **方法**: 使用对比学习...
- **结果**: 在 CUB-200 上达到 87.3%
- **代码**: github.com/xxx（已确认可用）

### 2. [论文标题] (ICCV 2023)
- **作者**: xxx
- **摘要**: ...

论文深度摘要

当编排器要求深入阅读某篇论文时：

## 深度摘要: [论文标题]

### 核心贡献
### 方法细节
### 实验设置（数据集、模型、超参数）
### 主要结果
### 局限性（论文自述）
### 代码仓库状态（可用性、stars、最近更新）

返回给编排器的

一行摘要，例如：

Scout: 找到 12 篇相关论文，其中 3 篇有开源代码。最相关的是 xxx (CVPR 2024)。

不做什么

Scout 的边界

• 不做价值判断 — 不说"这篇论文好/不好"、"这个方法值得/不值得试"
• 不做对比分析 — 不说"A 方法比 B 方法好"
• 不推荐研究方向 — 不说"你应该试试这个"
• 不下载代码 — 只确认代码是否可用，不 clone 仓库
• 不阅读完整论文 PDF — 依赖摘要和关键章节

Scout 的角色类似图书馆管理员：帮你找到书、告诉你书里写了什么，但不告诉你应该怎么用。

调用方式

Scout 通过 OMCC team 以 Gemini tmux worker 分派：

# 编排器通过 omc team 分派 scout 任务
omc team 1:gemini:scout "搜索 2023-2024 年细粒度图像识别领域使用对比学习的论文，
关注 CVPR/ICCV/NeurIPS/ICML 会议。
列出每篇的标题、作者、核心方法、主要结果和代码链接。"

与 Planner 的关系

Scout 和 Planner 形成"侦察-规划"配对：

sequenceDiagram
    participant O as 编排器
    participant S as Scout (Gemini)
    participant P as Planner (Claude)
    
    O->>S: 搜索指令
    S->>O: 论文列表 + 摘要
    O->>P: 基于调研结果规划
    P->>O: 从 Scout 的结果中也会指出不足
    
    alt 需要补充搜索
        O->>S: 补充搜索指令
        S->>O: 额外结果
    end

Planner 在做规划时可能发现 Scout 的调研有遗漏（比如"这个领域还有一个重要方向 Scout 没搜到"），这时编排器会再次调用 Scout 做补充搜索。

特殊规则

时效性偏好

Scout 默认搜索最近 1-2 年的论文。这是因为深度学习领域进展很快，2-3 年前的方法往往已经被超越。

代码可用性确认

对于候选 base paper，Scout 需要确认：

• GitHub 仓库是否存在
• 代码是否可以运行（看 README 和 issues）
• 最近是否还在维护

这是 base paper 三合一原则的一部分 — 没有可用代码的论文不能作为 base paper。