FAROS蓝图研究工作流

它解决什么问题

做一次完整的研究，意味着要在想法生成、实验搭建、论文起草、审稿模拟之间反复切换：笔记散在各个编辑器里，实验脚手架靠手工搭，稿子改到第三轮时连当时为什么这么改都忘了。FAROS 用蓝图（blueprint）把研究流程声明式地描述出来，但蓝图本身不会跑——需要有人把研究档案（research profile）绑定到蓝图上，把各阶段串成一条可执行的 AutoResearch 链。这个技能就是干这件事的。

核心能力与关键步骤

技能把研究工作流拆成几个可落地的环节：

• 绑定研究档案：将选定的 research profile 绑定到 FAROS blueprint，让蓝图知道用什么方法、什么风格做研究。
• 执行 AutoResearch 链：按蓝图依次推进四个阶段：

- 想法生成（idea generation）
- 实验脚手架搭建（experiment scaffolding）
- 论文起草（paper drafting）
- 审稿人模拟（reviewer simulation）

• 文件级持久化：运行记录（run）、事件（event）、产物（artifact）和记忆（memory）全部落盘存储，中断后可追溯、可续跑。
• Plan 模式：支持先以 plan-mode 创建 FAROS run，确认执行计划后再真正开跑。

适用边界与注意点

这套技能不是即插即用，有几个硬性前提：

• 环境需要 Python 3.11/3.12+ 与 Node.js 18+，FAROS 前后端依赖也要先装好。
• 所选 research profile 依赖的 LLM / provider 凭据必须预先配置，否则生成与模拟阶段会直接失败。
• 能力基线对齐 FAROS 的 stable release，上游行为变化时可能需要跟进适配。
• 审稿人模拟产出的是模拟信号，不能替代真实同行评审。