托管你的科研

让读过的论文、跑过的实验、闪过的想法，围绕一个研究问题积累成可召回的研究记忆，而不是散落在几十个 PDF 和笔记里。

科研的痛点是：读了几百篇论文却记不住哪篇说了什么，做过的实验结论散落各处，一个好想法当时没记就忘了。把科研当成一个 goal 驱动的知识库来托管，让它随你的研究一起生长。

设 goal

• 研究 goal：推进一个具体的研究问题（如”验证方法 X 在场景 Y 上是否更优”）。
• goal 是对抗熵增的关键——文献浩如烟海，没有边界只会越读越散。goal 决定哪些论文、哪些结论值得沉淀。

收集入 raw/

把持续产生的科研材料汇入 raw/，按来源归档：

• 读的论文 → raw/{date}/papers/，记下核心贡献、方法、和你问题的关系。
• 跑的实验 → 记下设置、结果、异常。
• 冒出的想法 → 立刻记，哪怕只有一句。
• 组会/讨论的结论 → 存下来。

保真为先，不急着下结论——这是 Raw Materials 的原则。

审查沉淀 wiki/

在 goal 约束下 /promote：

• concept：领域内的关键方法、定义、你理解透的机制。
• strategy：验证有效的实验设计、分析套路。
• anti-pattern：走过的弯路、失败的实验（召回时会被加权，帮你不再重复）。

沉淀时用知识演化关系串起论文之间的 supersedes / confirms / challenges——这正是文献综述的骨架。

召回复用

oks search "方法X 局限 反例"
oks recall "你的研究问题" --topic-id <方向>

• 写 related work 时，召回某方向读过的所有论文及你的批注。
• 设计新实验前，召回相似实验的设置与踩过的坑。
• 让 Agent 带着你的研究上下文一起讨论下一步。

随着知识演化，被推翻的旧结论会被标记 superseded / challenged 而不是删除（见 知识演化）。科研最怕丢失”我们当初为什么放弃这条路”，Git 历史 + 关系标记把它完整留住。

第一步该做什么

1. 给当前研究问题设一个 goal。
2. 把最近读的一篇关键论文记进 raw/papers/，附上它和你问题的关系。
3. 提炼成一条 concept 记忆，搜一次试试。

接下来读哪里

• 知识库指标：用可信度维度看你的研究知识库扎不扎实。
• Dreaming 循环：让 AI 帮你从大量论文里发现模式。

---