能做什么
把模糊想法推进成科研项目
SignalPass 不只回答问题，而是把研究意图转成可执行路径、阶段产物和交付目标。
让每一次AI科研交付可信任，可验证可复现，可资产化
SignalPass 用多智能体标准流程执行科研任务：文献猎取、先验风险检查。实验/仿真计划、Gate、论文组装与证据链交付。
项目推进
不是一次回答，而是持续推进项目。
风险判断
高风险节点先做 Gate 判断。
交付闭环
目标是可交付、可追溯的结果。
交付路径
从想法到交付资产的一条验证路径
研究想法
输入研究主题、已有材料和约束。
文献证据
先收集证据，而不是直接生成结论。
先验风险检查
发现撞题、证据不足和高风险假设。
主张与实验
把主张拆成可检验任务。
资产包
沉淀论文、图表、脚本和证据链。
证据流资产包
后续替换为首屏动画：节点依次点亮，证据流向最终资产包。
怎么做
多智能体按标准流程分阶段执行
文献、风险、主张、实验、Gate 和交付被拆成明确节点，系统持续推进。
为什么可信
关键判断都能回到证据链
每个重要结论对应来源、检查项、人工确认或 Gate 状态，方便复盘和定位。
为什么交给我们
目标是交付资产，不是生成片段
最终结果面向团队协作、复现和沉淀，而不是一次性聊天记录。
产品流程
用 4 个关键场景讲清楚系统如何工作
首页不展示全部标准流程细节，只展示新用户最需要理解的四个关键节点。第一阶段先展示研究意图如何进入可执行科研流程。
01研究意图输入
02证据与先验风险
03主张 → 实验
04Gate → 资产包
01
研究意图输入
输入研究想法、已有论文、目标场景和约束，系统先形成可执行任务边界。
主题材料约束
项目创建
新建科研项目
研究主题
毫米波阵列天线近场电磁仿真优化：阵列互耦抑制与波束一致性
目标期刊/会议
IEEE TAP / IEEE AWPL
仿真研究
已有部分仿真数据
硬约束清晰度 86
CST / HFSS 结果需可复现
对比基线：传统相位补偿方法
输入材料已关联
antenna-array-model.cst
s11-sweep.csv
baseline-notes.pdf
项目启动简报
任务边界已形成
主题：阵列互耦与波束一致性
材料：模型、扫频数据、基线说明
下一步：证据扫描与先验风险检查
02
证据与先验风险
系统先做文献扫描和先验风险检查，避免在错误方向上继续生成。
证据先验风险
证据扫描
从项目边界进入证据检查
项目启动简报
毫米波阵列天线近场电磁仿真优化
阵列互耦近场波束CST / HFSS
证据源正在筛选
IEEE TAP / AWPL42 篇候选
阵列互耦补偿18 篇相关
仿真基线方法9 个基线
Paper cluster
互耦抑制与波束一致性相关研究聚类
Baseline method
传统相位补偿可对照，但近场验证不足
Evidence gap
少量工作公开可复现实验设置与扫频协议
先验风险检查
需要补强证据
撞题风险：中
证据充分性：部分充分
缺口：可复现仿真协议
Gate 建议
继续证据扫描，并补充基线对照后再进入主张拆解。
03
主张 → 实验
把论文主张拆成可检验任务，并连接到实验、仿真、图表与验证任务。
主张实验图表
主张拆解
把研究主张映射到可验证仿真任务
Claim Set
C1
互耦抑制提升阵列方向图一致性
Metric: pattern consistency
C2
近场约束下波束扫描误差下降
Metric: phase error
C3
稀疏采样降低扫频仿真成本
Metric: runtime reduction
证据追溯已连接
证据缺口：可复现扫频协议
基线：传统相位补偿方法
Simulation A
HFSS / CST baseline：阵列互耦补偿对照
24-40 GHzSLL / GainPhase error
Simulation B
近场波束扫描：角度与频点联合 sweep
24-40 GHzSLL / GainPhase error
Simulation C
稀疏采样协议：成本与误差边界评估
24-40 GHzSLL / GainPhase error
Figure 1
方向图一致性曲线
Figure 2
参数扫描 heatmap
Figure 3
基线对照结果
Validation Plan
可执行验证计划已形成
3 条主张已映射
5 个仿真任务排队
2 个图表目标待生成
04
Gate → 资产包
关键节点通过 Gate 后，结果被打包成可复盘、可复现、可沉淀的资产。
Gate资产包追溯链
Gate 到资产包
通过关键 Gate 后形成可复盘研究资产
Gate Review
Evidence TracePASS
Simulation PlanPASS
Figure TargetsREVIEWED
审阅记录已锁定
Gate 决策已关联检查项
人工确认保留到交付链
Assembly
Project Brief
Evidence Map
Validation Plan
Figure Drafts
Package Builder
PaperFiguresProtocolEvidence
Research Asset Package
研究资产包已形成
paper.md
figures/
simulation_protocol.md
evidence_chain.json
review_log.json
Ready for review
可审阅、可复现、可复用
TraceableReproducibleReusable
定位
SignalPass 不是替代所有科研工具，而是补上交付执行层
首页需要让用户快速理解：我们不只是更快写作，也不只是更快检索，而是把科研项目推进到可信交付。
ChatGPT
适合问答、头脑风暴和草稿生成，但项目推进链路主要靠人维护。
Paperpal / Jenni
适合写作润色、引用辅助和论文表达优化。
Elicit / Consensus
适合文献检索、证据问答和已有研究归纳。
SignalPass
适合把研究想法推进成可验证、可复现、可资产化的科研资产包。
可信层
可信任，来自每一步都可追踪
科研用户真正需要的不是更多生成内容，而是知道结果为什么成立、哪里有风险、谁确认过、如何复现。
证据支撑
关键判断回到文献、材料和来源，不让结论悬空。
Gate 控制
高风险节点先判断，再继续；失败应可观察、可定位。
人工确认
真正需要人决策的地方会被明确抬出来，并留下确认痕迹。
可资产化
最终交付不是散文档，而是论文、图表、脚本、证据链组成的资产包。
从一个研究想法开始
从第一个研究想法开始
让 SignalPass 帮你生成一条可验证的科研交付路径，再逐步推进到论文、图表、脚本和证据链。