自适应科研论文协作系统

问题

科研数据分析与论文写作常依赖经验判断：文件格式是什么、数据质量如何、该用统计方法还是预测方法、图表是否合适、结论是否一致。若提前硬编码文件类型、专家角色、图表类型或论文类型，遇到新任务容易误判。paper-agent 的目标是把预设改为推理流程，让 Agent 先观察证据再决定动作。

工作机制

• 零预设文件读取：通过文件头、NULL 字节、分隔符密度、编码试读和结构校验判断 CSV/TSV/JSON 等文本或二进制格式，失败最多重试 3 次并请求协助。
• 确定性数据分析：计算行数、缺失比例、列类型、数值统计量、唯一值、正态性、异常值与相关性，只报告看到的内容。
• 任务推断与角色生成：从研究目的、数据结构和用户描述推断需要的方法，按能力生成统计、领域或可视化角色，而不是固定专家库。
• 三层验证：检查数字一致性、假设是否验证、多种方法是否交叉支持，并要求每个结论追溯到证据。

适用边界

适合科研数据梳理、分析方案草拟、论文一致性检查和证据追踪；不适合替代专业医学、法律或领域审查。当文件无法读取、任务描述模糊或关键假设无法验证时，技能会暴露不确定性并需要人工补充信息。