Skip to content

研究状态

这套科研产品把磁盘当长期记忆,把 context 当工作记忆。

所有持久化状态都在:

text
.omr/research/

标准目录结构

text
.omr/research/
├── project.json            # 当前阶段与项目元数据
├── pipeline.yaml           # gate 配置
├── HANDOFF.md              # 可恢复的交接摘要
├── dispatch-log.jsonl      # dispatch 历史
├── log.jsonl               # 决策 / 阶段切换 / verdict
├── infrastructure.yaml     # 可选:指向 shared infra 的 symlink
├── ideas/
│   ├── candidates.md
│   ├── screening-1a.md
│   ├── idea-card.md
│   └── verification-1c.md
├── baseline/
│   ├── summary.md
│   ├── experiments.md
│   ├── method-details.md
│   ├── code-notes.md
│   └── reproduction-checklist.md
├── results/
│   ├── baseline-reproduction.md
│   ├── implementation-notes.md
│   ├── training-status.md
│   ├── analysis-verdict.md
│   ├── figures-manifest.md
│   └── postmortem.md
├── review/
│   ├── novelty-search.md
│   ├── r1-methodology.md
│   ├── r2-experiments.md
│   ├── r3-novelty.md
│   ├── reference-check.md
│   └── format-check.md
└── paper/
    ├── main.tex
    └── figures/

最关键的几个文件

文件作用
project.json对外可见的阶段镜像,status 和恢复都依赖它
pipeline.yaml每个阶段的 gate 策略
HANDOFF.md给下一个 session 的可读恢复上下文
dispatch-log.jsonl记录派出了什么任务
log.jsonl记录为什么做了这些决策

恢复模型

一个研究 session 结束后,下一个 session 应该靠这些文件恢复:

  1. project.json
  2. pipeline.yaml
  3. HANDOFF.md
  4. HANDOFF.md 中的 read_files

这才是正确的恢复协议。不能依赖旧聊天历史本身。

Trace ID

每批相关工作都应带一个 trace id,例如:

text
run-a3f8

它应该同时出现在:

  • dispatch 的任务描述里
  • log.jsonl
  • 下游 agent 产出的文件里

这样才能在训练、分析、写作、评审之间追踪完整链路。

下一步

AutoResearch — Multi-agent Deep Learning Research System