学术成果商业化评估 Agent
以证据为约束评估科研课题的商业化潜力：确定性检索、六阶段 LLM 流水线，输出可审计的评分报告与引用来源。
证据显示明确的权限与安全设计：子进程隔离、写一次终态记录、运行URL即128位读取凭据并警告不可公开、代码侧变更需管理员码、付费操作配额。扣分点：BYOK无主运行缺少第二服务端身份，依赖安全仅有版本约束（crewai锁定、其他范围约束）但无漏洞审计/锁定文件证据。
Pydantic契约、确定性加权评分、受边界reviewer修正、零供应商测试套与85%覆盖率底线支撑自洽性；conftest系统性地剥离真实密钥与访问码防止泄漏，离线降级路径被显式测试。扣分点：面向用户的失败消息文案本身未在源文件中直接可见，恢复'非精确一次'的边界仅由README声明。
能力边界记录极为出色：明确声明报告不构成法律/投资/FTO尽调、实验性功能与生产断开、单副本限制、基准未覆盖多语言/短文本/非技术主题。扣分点：触发精度与输入路由行为（LLM_PROVIDER自动选择顺序、Tavily优先）只有文字描述，无源码级证据；受众定义清楚但场景覆盖（只有10个技术主题基准）偏窄。
信息架构良好（文档地图区分当前指南与历史决定）、快速开始完整（uv、.env、CI矩阵、Docker）、命名稳定（2.0.0、固定入口点）、MIT许可齐全、维护责任有CI与贡献约束支撑。扣分点：无可见CHANGELOG文件、无FAQ、AGENTS.md与多个docs文件被引用但未在证据中提供，无法核验。
输出可用（Markdown/PDF导出、可审计评分卡、恢复子运行、共享链接）；成本核算完整（complete/lower-bound/unavailable状态、配额、消融显示四节点更省）。扣分点：边际价值证据自相削弱——五评审效用研究未达注册成功标准、两名目标用户试点均回答MAYBE且不核查外部来源，产品采用价值未被证明。
事实/推断分离是本仓库最强项：README系统地区分测量结果与未验证声明（TRL校准后调整故非留出验证、uncited-numeric代理不测全部幻觉、30/30恢复非精确一次保证）、测试中not_checked与fail状态严格区分、引用ID有效性不等于蕴涵。扣分点：可追溯性依赖运行时产物与被引用但未提供的证据账本，静态审查无法核验其内容。
- 静态审查，置信度低：未执行任何运行，未独立验证30/30完成率、TRL校准或恢复行为。
- 任何持有完整运行URL者均可读取该运行；公开部署前必须配置访问控制、付费限额与保留策略。
- 无主BYOK运行缺少第二服务端身份，URL即唯一凭据，泄漏即失控。
- 必须单副本/单Uvicorn worker部署：内存所有权与文件配额不是分布式队列。
- 补充工具调用在AD未见集上6项门控失败3项，保持与生产断开；不要在失败集上调参后集成。
- AGENTS.md、证据账本及多数docs文件未在本次证据中提供，其内容未被核验。
- 真实分析产生供应商费用；时长为306–885秒量级，非承诺SLA。
这个 Agent 能做什么，适合哪些场景？
这个开源项目（GitHub: shuxiachai/academic-commercialization-agent）用于评估一项研究课题从技术成熟度到市场信号的商业化前景。它先用确定性检索抓取学术、专利和市场证据，经校验后冻结为来源注册表，再由学术、专利、市场三个证据专家并行分析，随后 Writer、Reviewer、Scorer 依次运行，Scorer 以确定性加权公式给出总分。技术栈为 Python、CrewAI、FastAPI 和无构建的原生 JavaScript 前端，支持浏览器、CLI 和 HTTP API 三种入口，可部署到 Docker/Railway。项目刻意限制智能体的自主性：检索不是自由发挥，每个结论都带引用 ID 和可靠性警告，报告可导出 Markdown 或 PDF。中断的运行可基于最长已校验检查点前缀恢复为不可变的子运行。作者还发布了包含 10 个课题×3 次实测的冻结基线结果，并明确声明该报告只用于研究筛选，不能替代技术、法律或投资尽调。
用户提交研究课题或上传论文 PDF，可选填写决策背景（Decision Context），系统据此区分探索性评估和面向具体决策者的评估。流程为：确定性检索（来源原生客户端加 Tavily/Serper 网络搜索）→ URL/DOI 校验、来源分层、去重并注册来源 ID → 冻结来源注册表 → 学术/专利/市场三个专家节点并行分析 → Writer 撰写 → Reviewer 带边界的修订 → Scorer 按确定性加权公式打分。输出带引用、可靠性警告和评分卡报告，支持 Markdown/PDF 导出和运行链接分享。运行产物通过内容寻址检查点持久化；中断的运行可作为不可变子运行恢复。部署形态为 FastAPI 应用（单副本/单 Uvicorn worker）加浏览器界面，另有 CLI：uv run academic_agent --topic "solid-state batteries for electric vehicles"。运行 URL 含 128 位随机数，本身就是读取凭证；变更操作还需操作员码或 BYOK 密钥。
- 技术转移办公室的人员拿到一篇论文或一个课题方向，需要一份带引用的初步 TRL 和市场信号评估来决定是否推进对接。
- 科研团队在申请转化基金前，想低成本筛掉明显不成熟的课题，而不直接付费请咨询机构。
- 专利分析师希望并行汇总学术文献、专利和市场证据，作为后续深度尽调的素材。
- 投资人或孵化器用决策背景（Decision Context）功能，把评估锚定到具体门槛和决策者，而不是泛泛的可行性报告。
- 工程团队研究受限自主多智能体架构时，可参考其确定性检索、冻结证据注册表和检查点恢复的实现与实测数据。
这个 Agent 有哪些优点和局限？
- 证据约束设计是真正的差异化：检索是确定性的，结论必须绑定注册来源 ID，冻结基线 30 份报告中未支撑的数字行数为 0。
- 可审计性和可靠性工程扎实：内容寻址检查点、不可变恢复子运行、只写一次的终态记录、30/30 通过的离线故障注入恢复测试。
- 多提供商支持（Qwen/DeepSeek/OpenAI/Anthropic）加 BYOK 模式，避免单一厂商锁定，浏览器端可自带密钥。
- 工程质量可见：2071 个测试和 678 个子测试的基线，CI 覆盖 Linux/Windows × Python 3.11/3.12、85% 覆盖率下限、Docker 和零提供商冒烟测试。
- 诚实的证据披露：90 格拓扑消融、评审员研究和试点结果连同局限都公开列出，包括未通过的门槛。
- 运行成本与时长不可忽视：真实分析消耗付费额度，单次 Qwen 完成实测 306–885 秒，且 PDF 提取也计入付费操作。
- 部署约束较硬：依赖内存态所有权和文件配额，必须单应用副本/单 Uvicorn worker，不是分布式队列，扩展需要自行改造。
- 证据覆盖有限：TRL 校准仅 26/30 且范围是事后调整的，并非独立留存验证；10 个课题的基准不含多语言、短文本或非技术类课题。
- 产品验证不足：目标用户试点只有 2 人且都选择 DEFER，评审员效用研究未达到注册的成功标准，采用价值尚无独立证据。
- 报告定位是研究筛选，明确不构成技术、法律、监管、投资或 FTO 尽调；有效引用 ID 也不保证来源真的支持该结论。
如何安装或部署这个 Agent？
需要 Python 3.11 或 3.12 和 uv 包管理器：git clone https://github.com/shuxiachai/academic-commercialization-agent.git && cd academic-commercialization-agent && uv sync。复制 .env.example 为 .env，填入密钥，例如 Qwen：LLM_PROVIDER=qwen、DASHSCOPE_API_KEY=你的密钥、QWEN_MODEL=qwen3.5-plus、QWEN_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1、TAVILY_API_KEY=搜索密钥。同时存在多个 LLM 密钥时必须显式设置 LLM_PROVIDER；不设置时自动选择顺序为 DeepSeek → Qwen → Anthropic → OpenAI。搜索密钥同时存在时 Tavily 优先于 Serper。公开部署前还需配置访问控制、付费操作限额、保留策略和持久化存储，并保持单应用副本。
如何使用这个 Agent？
本地启动：uv run uvicorn api.main:app --reload，浏览器打开 http://localhost:8000，提交课题或 PDF、选择报告语言和评分档位即可。CLI 方式：uv run academic_agent --topic "solid-state batteries for electric vehicles"。也可以直接调用 FastAPI 的 HTTP 端点（详见 docs/operating-guide.md）。运行期间可实时查看进度、引用和可靠性警告，结束后导出 Markdown 或 PDF，并通过运行链接分享。若运行中断，可用其最长已校验检查点前缀和新凭证恢复为不可变子运行。注意：真实分析会消耗提供商额度，实测 Qwen 完成一次为 306–885 秒，项目明确不承诺三分钟 SLA。
这个 Agent 与同类方案有什么区别？
项目未点名直接竞品。其定位不同于通用自主智能体框架（如 CrewAI——本项目反而是把它作为编排库使用）：差异点在于刻意压缩智能体自主性、以确定性检索和可审计评分取代自由工具调用；其 Tool Calling 扩展仍处于零调用影子模式，未经生产授权。