@dsh-scholar/research-plugin

使用边界

• DSH Scholar 辅助研究，不代替研究者承担科学判断、审批、署名和发布责任。
• 默认使用 gate-only；Agent 不能批准 Human Gate、伪造 accepted Evidence 或绕过实验合同。
• 正式实验必须绑定不可变代码/数据快照和固定执行环境，并由受控 Runner 真实执行。
• Chat、普通 stdout 和 Interactive Terminal 输出不会自动成为正式 Evidence。
• 产品聚焦机器学习、数据科学、生物信息学等纯计算研究，不适用于临床决策、人体试验、湿实验或其他高风险研究。

使用案例：CNN 手写数字识别

cnn-mnist-digits 项目演示了如何将模型改进想法推进为可审计结论。

项目	内容
研究问题	带逐通道归一化的双卷积 CNN，是否比单卷积 CNN 基线更准确？
数据与指标	mnist_subset_v1；test_accuracy
随机种子	11 / 23 / 47
结果	test_accuracy = 96.8%；相比基线 +4.4 个百分点
不确定性	bootstrap 95% 平均差置信区间 [1.2, 8.6]；n=3

总览页把研究问题、当前阶段、完成度和下一步行动放在同一个视图中。

1. 通过 Chat 推进项目

每个研究项目拥有独立会话。研究者可以直接描述任务，也可以使用 /status、/survey、/run 等命令，并通过附件、拖拽或粘贴接入研究资料。

2. 审批研究设计

Scope、Idea 和 Contract Gate 依次锁定范围、方案与实验合同；Release Gate 仍由研究者决定。

3. 执行受控对照实验

基线与正式方案以独立 Job 执行。截图中的 8 次运行有 7 次成功、1 次失败；失败记录被保留并显式提示重试。

4. 查看运行数据与远程终端

Run Terminal 提供某个正式 Job 的只读 stdout/stderr、退出状态和可恢复日志。下图可查看 baseline 在各轮训练中的 train_loss 和 test_acc，以及随机种子 23 的最终 test_accuracy = 88.3。

Interactive Terminal 是绑定项目或 session 的真实 Web PTY，用于连接执行环境、输入命令、调整窗口和重连会话。它适合交互式检查和调试，但其输出不会自动成为正式 Evidence。

5. 聚合证据

系统将指标、效应量、置信区间、Run 和 Artifact 绑定到 Evidence。本案例的证据经评审后标记为 accepted，用于支持“双卷积方案优于基线”的主张。

6. 写作与发布

Manuscript 工作台用于编辑 paper.tex 和 main.bib，在固定 TeX Live 环境中编译手稿。评审与打包完成后，最终对外发布仍需批准 Release Gate。