研 议
面向人文社科研究者的多视角 AI 学术预审系统
研议不是文献总结器，也不是论文代写工具。它把每一次研究提案——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，让研究者在正式提交前先听见来自不同位置的独立判断，并据此反复打磨、迭代完善。
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 追问：这个研究为什么值得学界关心？
- 小同行 追问：概念、材料和方法在该领域内是否成立？
- 盲审人 追问：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。
研议把一次性 AI 问答，转化为独立、可追溯、可持续积累的研究评议流程。
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，也可补充过往论文、优秀文章、相关文献与私有 Research Context Pack。当运行环境支持真实子 Agent 时，研议并行启动四个独立评审角色：
四个角色独立读取同一份材料，不查看彼此结论，以降低 Lead 锚定和角色附和。主 Agent 仅承担 Editor 职责：合并重复问题；保留少数意见；区分诊断与方案共识；排列优先级；组织最终报告。若不支持真实子 Agent，系统明确降级为单 Agent Compact Review，不伪装多 Agent。
完整交付物
研议交付的是一份 Research Review Packet，包含四个平级组件：
对照与实证
项目使用同一批研究材料，对多类方案进行对照：
| 方案 | 优势 | 主要局限 |
|---|---|---|
| 裸模型 | 单次整体判断较强 | 视角单一，缺少稳定协议、来源追踪和历史积累 |
| 通用 Idea Evaluator | 结构清楚、评分直观 | 更适合一般创意评估，难以覆盖人文社科特有的理论、材料与方法问题 |
| 早期单体多角色 Skill | 增加角色和报告结构 | 角色共享上下文，容易被 Lead 锚定，Editor 可能制造虚假共识 |
| 研议最终版 | 独立角色形成互补判断，可追溯、可积累 | 运行成本高于裸模型，更适合高风险、低频研究决策 |
研议建立了覆盖质性访谈、历史档案、横截面定量与课堂实验的跨方法测试集，设置隐藏问题清单，生成与评分模型分离。固定 Rubric 经两位人文社科博士和一位北京大学国际关系学院副教授咨询修订。在四个最终可比案例中：
| 版本 | 平均分 |
|---|---|
| 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 完整报告 | 92.7 |
最终版本在四类案例中均高于裸模型，并在核心问题覆盖、学科专项风险识别、角色意见差异、判断可追溯性、用户决策价值方面形成稳定增量。
· 历史研究案例重新识别此前版本持续遗漏的关键过渡期
· 一位北京大学人文社科博士生使用真实开题材料试用后，给予明确正面反馈
产品提升并不来自更长 Prompt，而来自真正独立的角色执行和更适合研究决策的交付结构。
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。
为研究决策而建
研议适用于：
它定位于高风险、低频、值得投入更多推理成本的研究决策。
研议不是：
研议不替研究者作出判断。它让研究者在作出重要学术决定前，听见更多独立、可追溯，并能够随研究过程持续积累的同行意见。