研议 · Research Deliberation

Research Deliberation

研议

面向人文社科研究者的多视角 AI 学术预审系统

把每一次研究提案——从开题报告到投稿论文——放进四个独立学术视角构成的审议现场。

01 / 07

壹 · 问题

当通用 AI 不够时

研议服务于正在进行选题、开题、研究设计和投稿修改的人文社科博士生与青年研究者。他们通常已经会用大模型做文献总结和语言修改——真正稀缺的不是"再生成一份意见"，而是在面对导师、开题委员会或期刊审稿人之前，获得来自不同学术位置的独立挑战：

大同行——这个研究为什么值得学界关心？
小同行——概念、材料和方法在该领域内是否成立？
盲审人——什么问题足以导致开题失败或论文被拒？

现有 AI 工具通常只给一次性综合回答：角色共享上下文容易附和，分歧被压缩成虚假共识，判断来源不可追溯，下次从头开始。

贰 · 架构

四个独立视角，一次 Editor 合议

用户最少只需提交一份开题报告。系统并行启动四个独立评审角色—— 不查看彼此结论，以降低 Lead 锚定和角色附和：

Lead Researcher 主研

判断研究问题、理论、设计与方法是否形成完整研究逻辑。

Broad-Field Peer 大同行

判断研究意义、更大的理论对话及解释对象是否准确。

Specialist Peer 小同行

检查领域概念、文献定位、材料可得性与方法惯例。

Blind Reviewer 期刊盲审人

提出最强拒稿理由及无法通过补写解决的结构性风险。

主 Agent 仅承担 Editor 职责：合并重复问题，保留少数意见，区分共识与分歧。

叁 · 交付物

Research Review Packet

研议交付一份包含四个平级组件的完整评审包：

决策摘要

一句话总判断、三个最重要的阻塞问题、已形成的诊断共识、尚未解决的关键分歧、建议优先处理的下一步。

四份独立同行评议

每项判断可追溯到具体角色和推理过程，而非 AI 的整体性"综合意见"。

Evidence Layer

区分用户提供材料、模型已有知识、已完成的外部核验与待验证的检索线索——不把"模型认为"包装成"文献证明"。

Research Context Pack

每轮评审后，长期价值信息写回私有档案。下一轮检查旧问题是否解决，在理解研究者的同时保持独立挑战。

肆 · 实证

对照与实证结果

使用同一批研究材料，覆盖质性访谈、历史档案、横截面定量与课堂实验的跨方法测试集。

方案对照

方案	优势	主要局限
裸模型	单次整体判断较强	视角单一，缺少来源追踪
通用 Idea Evaluator	结构清楚	难覆盖人文社科特有的理论/材料/方法问题
早期单体多角色 Skill	增加角色和报告结构	角色共享上下文，虚假共识
研议最终版	独立角色互补判断	可追溯、可积累

版本评分

版本	均分
裸模型	77.3
单体多角色 Skill	79.7
Lead 主干补丁版	77.2
原生独立多 Agent	92.7

8/8 质性访谈预埋问题覆盖

12/12 教育实验预埋问题覆盖

92.7 最终版本均分

伍 · 定位

为研究决策而建

适用于：

博士开题研究设计重构投稿前预审新选题压力测试修改稿对照检查

≠ 不是：

论文代写工具普通文献总结工具导师或评审的替代品创新性绝对裁决

" 研议的差异化不在于"增加几个角色名称"——
而在于：独立上下文评议 + 分歧可追溯 +
证据状态管理 + 私有 Context Pack 写回。