WEBVTT

1
00:00:00.000 --> 00:00:04.020
研究项目可能把代码放一处、结果放另一处，

2
00:00:04.240 --> 00:00:06.760
还把重要决定埋在对话里。

3
00:00:06.960 --> 00:00:11.860
当你再次回来时，哪个结果属于哪个实验，接下来该做什么？

4
00:00:12.280 --> 00:00:17.240
这就是 Dr. Claw 的理念：一个持久的、由人指导的研究工作区。

5
00:00:17.520 --> 00:00:23.720
它封装现有命令行编程智能体，在执行能力外围加入编排、状态和审计视图。

6
00:00:23.960 --> 00:00:29.380
研究者负责目标、约束和验收，系统处理可执行工作流。

7
00:00:29.680 --> 00:00:35.540
我们先跟着一个原创项目示例，再查看论文记录的恢复过程和试点评估。

8
00:00:36.247 --> 00:00:43.807
工作区维护四种状态对象：任务图、产物存储、决策日志和执行轨迹。

9
00:00:44.747 --> 00:00:48.687
任务图表示要完成什么，以及各步骤之间的依赖关系。

10
00:00:49.467 --> 00:00:53.927
产物存储保存生成的文件和输出，把已完成的工作与计划连接起来。

11
00:00:54.787 --> 00:01:00.347
决策日志保留干预记录，执行轨迹则保存发生过的动作和观察。

12
00:01:01.207 --> 00:01:05.647
这些对象结合起来，让不断变化的项目能够被检查，而不只是查看最新消息。

13
00:01:06.347 --> 00:01:12.407
机制的核心是记录状态的连续性：后续步骤建立在可以审查和恢复的工作之上。

14
00:01:13.273 --> 00:01:16.053
假设你想比较两种数据准备方法。

15
00:01:16.453 --> 00:01:20.473
你先指定问题、允许操作和可接受证据。

16
00:01:21.193 --> 00:01:24.633
工作区将说明转成有依赖关系的任务计划：

17
00:01:25.013 --> 00:01:28.873
准备输入、运行实验、分析结果，再起草报告。

18
00:01:29.433 --> 00:01:36.873
它的循环是计划、执行、验证和写回；输出进入产物存储，任务状态随之更新。

19
00:01:37.473 --> 00:01:40.393
在检查点，你可检查证据并修改下一步，

20
00:01:40.733 --> 00:01:43.513
而非自动接受看似完成的报告。

21
00:01:44.193 --> 00:01:48.153
干预会被保留下来，因此方向改变仍然属于过程历史的一部分。

22
00:01:48.713 --> 00:01:53.373
这让下一个执行器能够基于共享项目上下文继续工作，而不会丢失研究者的决定。

23
00:01:53.893 --> 00:01:58.753
界面提供相互关联的编排视图、技能视图和任务列表视图。

24
00:01:59.413 --> 00:02:05.533
技能是用于文献处理、实验、分析和写作等阶段的可复用指令。

25
00:02:06.173 --> 00:02:12.253
任务的阶段和类型可以推荐技能；用户也能筛选技能目录，或手动调用技能。

26
00:02:13.073 --> 00:02:17.853
版本记录和结构检查让已启用的技能可以被识别，以便之后重放和审计。

27
00:02:18.653 --> 00:02:24.093
任务列表显示进度、目标和关联技能，并提供进入下一步操作的入口。

28
00:02:24.793 --> 00:02:26.793
推荐技能并不保证它会运行。

29
00:02:27.273 --> 00:02:31.273
论文区分推荐能力与验证其调用。

30
00:02:32.273 --> 00:02:37.833
论文在一个小型研究项目中人为引入路径错误，演示恢复过程。

31
00:02:38.573 --> 00:02:43.053
错误被记录在执行轨迹中，而此前的项目状态仍然可用。

32
00:02:43.793 --> 00:02:49.073
系统在错误处停止，随后原地恢复，并保留了此前的全部五个文件。

33
00:02:49.793 --> 00:02:52.553
记录的演示有二十三个工具事件。

34
00:02:53.253 --> 00:02:56.313
修正产物被加入，先前尝试没有被抹去。

35
00:02:57.113 --> 00:02:59.293
这是单条件设计演示，

36
00:02:59.553 --> 00:03:03.593
不是证明比其他系统恢复更快或更好的配对实验。

37
00:03:04.093 --> 00:03:10.373
在我们的示例中，有用的思路是修复失败的输入步骤，同时保留已完成的工作及其历史。

38
00:03:10.973 --> 00:03:15.433
自动试点比较 Dr. Claw 和所封装的原始命令行智能体，

39
00:03:15.773 --> 00:03:18.093
使用相同 GPT-5.4 后端。

40
00:03:18.793 --> 00:03:22.253
三个医学研究任务收到相同开放指令，

41
00:03:22.593 --> 00:03:24.893
没有列出所有预期研究组件。

42
00:03:25.533 --> 00:03:30.893
完整性分数是生成文件中出现的二十一项研究实践要素所占的比例。

43
00:03:31.533 --> 00:03:37.353
检查涵盖可复现性、多个模型、校准和亚组分析，

44
00:03:37.753 --> 00:03:39.293
以及真实文献引用。

45
00:03:39.993 --> 00:03:45.193
这是一个覆盖度指标，并不能证明每项分析或科学结论都正确。

46
00:03:46.153 --> 00:03:51.713
封装作为整体改变：任务图、状态、技能与工作流指令。

47
00:03:52.113 --> 00:03:54.253
该对比未隔离单个组件。

48
00:03:54.787 --> 00:03:58.167
Dr. Claw 合并完整性为零点九五二，

49
00:03:58.586 --> 00:04:01.487
相比原始智能体的零点八七三。

50
00:04:01.987 --> 00:04:05.287
它在两个任务上超过原始智能体，在第三个任务上持平。

51
00:04:06.067 --> 00:04:11.567
差异来自研究实践覆盖，包括亚组分析与真实引用，

52
00:04:11.967 --> 00:04:13.507
不是更强的建模检查。

53
00:04:14.227 --> 00:04:19.727
每个任务只有一次执行；报告的合并差异自助法区间包含零。

54
00:04:20.467 --> 00:04:23.887
因此试点为这套编排组合提供方向性证据，

55
00:04:24.327 --> 00:04:26.826
没有统计确认的优越性主张。

56
00:04:27.367 --> 00:04:30.127
持久审计对象是架构提供的能力，

57
00:04:30.567 --> 00:04:34.367
不是原始智能体被设计来满足的独立性能分。

58
00:04:35.047 --> 00:04:40.987
Dr. Claw 工作区连接人的决策与现有智能体执行，

59
00:04:41.007 --> 00:04:42.547
连接通过持久研究状态实现。

60
00:04:43.187 --> 00:04:49.247
原创项目示例展示了计划、产物和后续干预如何保持关联。

61
00:04:49.847 --> 00:04:53.367
恢复记录显示先前文件在失败步骤后保留下来，

62
00:04:53.747 --> 00:04:56.907
试点则单独测量预期组件的覆盖度。

63
00:04:57.687 --> 00:05:02.847
这些是不同的证据：可恢复性、过程可见性，以及输出覆盖度。

64
00:05:03.647 --> 00:05:08.707
研究者的验收决定仍然重要，因为可追溯的过程也需要核查其结论。

65
00:05:09.507 --> 00:05:16.187
有用的单位是持续推进的项目：尝试过什么、什么发生了变化，以及哪些证据支持下一步。