项目

不是科学助手，而是它下面那一层 —— 回答“结果什么时候能信”的骨架。一个确定性、零依赖的管道：把证据和假设分开、把不确定性摆明、标出缺失的必需数据、证据不全时拒绝接受（判“再测”），并交出一份逐字节可复现、可被评估 harness 打分的轨迹。全程无 LLM。

常驻每个页面角落的检索增强助手：从公开语料回答关于我公开工作的问题，尽量给出引用，并拒绝把他人的工作错误归属。基于 Node RAG/LLM API。

一个实时语音仿真环境，用于压测对话式智能体 —— 合成来电者、感知延迟的轮流对话，以及评估挂钩。

用大白话问一个小分子问题，看真实 ChemGraph agent 识别分子、跑仿真、画 3D 结构，并对照工作流护栏审计结果。

在 NASA 公开涡扇发动机数据上跑 10 阶段剩余寿命分析，带人工决策把关、带证据的决策卡和带引用的诊断。

在同一个预防健康任务、同一批合成数据和同一评估 harness 上，对比 Gemma 3 与 MedGemma 的受控 QLoRA 研究。

输入 SMILES，同时比较固定 Ridge、XGBoost、MLP 和 fine-tuned MIST-28M 对 QM9 DFT 性质标签的预测。

输入 SMILES 或化学名称，先检查 PubChem 支持的名称选项与可编辑 RDKit 结构，确认后才由固定 Random Forest 在 RedDB DFT 尺度上预测。

一个私有分子发现原型的公开受限版本：PubChem 身份解析、人工结构确认、RDKit 描述符，以及明确的证据缺口，而不是编造性质数值。

问一个膝关节炎的问题,答案如实复述 NICE NG226 和 ACR/AF 怎么说,并回读原文让推荐力度保持忠实,而不是糊成一句笃定的话。指南忠实度的研究 demo——非医疗建议。

一个离线、确定性的 benchmark：在同一个合成循环伏安 world、预算、约束、噪声和注入式仪器故障下，比较 random、fixed-grid 和 expected-information-gain 策略。它把 proposal、validation decision、observation、QC flag、cost、belief update 和 stopping decision 写入可审计 ledger。所有证据均来自模拟，不代表真实实验室或经过验证的 digital twin。

一个动手的实验室，用于训练和理解科学基础模型 —— 表示学习、性质预测，以及模型素养工具。