Principia
将科学文献提炼为可复用的原则，再组合成可追溯、可检验的研究假设，让 AI 科研发现每一步都有据可查。
证据显示：默认不选中连接文件夹、需逐次授权远程分析、凭据经操作系统机制存储并排除出前端/日志、Cloud 快照保留上一代以便回滚、验证哈希后才激活。扣分项：依赖安全仅见 'requires internet access'，未提供锁定文件或依赖审计证据，仅记 1；无恶意行为证据，但均为静态声明。
测试显示控制令牌、可中断重试、传输关闭、显式验证错误均有单元测试覆盖；Cloud 客户端在语义向量不可用时'可见地降级到 SQLite FTS'。扣分项：README 内部自相矛盾——徽章与 CI 声称 MIT，而仓库 LICENSE 与元数据为 Apache-2.0；README 末尾被截断（未闭合的 details 标签），一致性仅 1。
20 个跨领域公开场景、五个演示项目覆盖多格式；能力边界陈述非常充分（'不能预测事件时间/地点'、'不构成新机制证据'、'不承诺零网络出站'），故 boundary 记 3。扣分项：环境仅明确支持 Python 3.11/3.12（v1.3 CI 却测 3.10–3.13），PyPI 稳定版停在 1.3.3，版本间环境要求不一致。
安装说明含 venv、稀疏检出、Windows PowerShell 差异、端口与工作目录说明；5 个演示加 20 个场景、demo 指南、qa 记录链接充分，examples/limitations 记 3。扣分项：许可证严重不一致（README 徽章/CI 说 MIT，LICENSE 文件与任务元数据说 Apache-2.0），license 仅 1；无可见 CHANGELOG 且 PyPI 落后两个大版本，versioning 记 1；维护者身份与响应承诺不明，仅 GitHub Issues 链接，maintenance 记 1。
输出为可检查的科学对象（方程、校准、证据链接、范围声明），保留全精度记录，支持停止/覆盖/删除控制；演示可离线浏览、无需 API key。扣分项：实际效用依赖用户自备模型与数据，静态审查无法验证发现质量；成本（远程 LLM 调用、嵌入密钥）有披露但无量化。
最强的维度：Works→Principle 溯源链接、checksummed 演示包、SHA256SUMS 重下载验证、'打包结果是需要评估的证据而非独立复现'的明确区分，traceability 记 3。扣分项：交叉验证仅限仓库内部（qa-v1.4.2.、CI），arXiv/ICML 徽章无法在给定文件中核实（且 2606.29354 编号可疑）；事实与推断总体分离良好但演示结果的正确性本身无法静态核实，各记 2。
- 许可证矛盾：README 徽章与 v1.3 CI 声称 MIT，而仓库 LICENSE 文件与任务元数据为 Apache-2.0，使用前需向作者确认实际许可条款。
- 远程分析会把'有界的画像、摘录或预览'发送给外部模型服务商，文档明确表示不承诺零网络出站；处理敏感数据前请核实隐私文档并逐次授权。
- 依赖仅要求联网安装，未见锁定文件或漏洞审计证据；安装前自行审查依赖。
- PyPI 稳定版停留在 1.3.3，1.4.x 仅源码发布；README 本身在 details 标签处被截断，文档完整性存疑。
- 维护者身份未经验证；arXiv/ICML 徽章无法在仓库内核实（2606.29354 编号可疑），引用前请独立核实。
- 打包的演示结果属于'待评估的证据'而非独立复现；不要将其视为已验证的科学结论。
这个 Agent 能做什么，适合哪些场景？
Principia（GitHub: pzqpzq/Principia）是一个本地优先的自主科学发现研究工作台，将文献中的机制、约束、边界条件与可证伪规则表示为可版本化的"原则"对象。v1.4.2 引入了数据原生的自主科学发现（ASD）工作流：读入本地数据集、剖析变量、拟合候选表达式、执行留出集检验，最终产出带方程、校准结果和适用范围的"规则"，全部证据可在研究地图中追溯。仓库附带五个使用 DeepSeek-V4-Pro 分析的演示项目（覆盖里德堡电场标定、地震震级标度、ATLAS 粒子物理、薄膜晶圆测量与行走动力学），以及 20 个独立公开测试场景。整体采用 Python 后端加预构建 React 前端，通过 `principia open` 在本地浏览器中运行；全局原则云以经过审查的 JSON 形式在 GitHub 上分发。该仓库根目录为 Apache-2.0 许可，v1.4.2 核心为 MIT 许可。
Principia 读取本地数据文件与用户设定的研究目标，剖析测量变量并关联科学上下文；生成候选数学表达式，在开发集上拟合参数并用留出证据比较备选方案；在晋级前执行记录在案的挑战检查（划分定义、误差、控制组、失败原因）。产出的规则包含可执行表达式、校准指标、验证决策与明确范围，与观察记录和文献原则一起保存在研究地图中。v1.4.1 提供"发现—检查—推导"流程：全局检索定位文献与元原则，WebGL 原则地图可视化检查论证、条件、边界与修订历史，"Derive Principles" 可基于最多 20 条选定记录做多级推理。v1.3.3（PyPI 包 principia-ai==1.3.3）则执行跨域检索（arXiv、OpenAlex、Crossref、Semantic Scholar、Europe PMC）、结构化证据抽取、SciDialect-Evo 候选生成与先验技术对比，并导出包含验证计划的七文件研究包。核心命令包括 pip install "./Principia-v1.4.2/core-v1.4.2[asd,local]" 与 principia open --working-directory ./principia-workspace --port 8142。
- 科研人员手头有本地实验数据集，希望系统搜索紧凑、可解释的经验关系并保留完整证据链
- 研究者想将论文中的机制与约束转化为可复用、可版本化、可跨域迁移的原则库，而非一次性阅读
- 数据科学家希望对公开数据（如 USGS 地震、NOAA 风暴、NIST 晶圆测量）做结构化探索，仓库已提供 20 个现成场景
- 工业研发团队需要本地优先的持久研发记忆，将技术报告和私有资料转化为工程约束与失败边界，且不上传本地文档
- 希望基于带证据锚点的 Idea Card 生成研究假设并获得先验技术对比与验证计划的研究生或实验室
- 想离线浏览打包好的五个演示项目及其证据记录、评估系统实际输出质量的潜在采用者
这个 Agent 有哪些优点和局限？
- 可检验性是核心设计：每条规则、原则与假设都带证据链接、适用范围与可证伪条件，研究对象而非黑箱输出
- 本地优先架构：原始文件留在用户文件夹，凭据由操作系统凭据机制保存，全局搜索不上传本地内容
- 五个演示项目带完整打包证据与全精度记录，可在无原始数据和 API key 的情况下离线打开评估
- 20 个独立公开测试场景覆盖物理、生物、医学影像、经济、气候等领域，便于复现与压力测试
- 原则云通过带校验和的确定性构建发布，客户端验证哈希与模式后原子激活并支持回滚
- v1.4.2 仅从 GitHub 源码发布，稳定 PyPI 版本停留在 v1.3.3，两个版本工作流差异显著，选型需明确目标
- 自主发现依赖外部 LLM 提供商（如 SiliconFlow 的 DeepSeek-V4-Pro），存在凭据配置与持续推理成本
- 远程分析会在许可后发送数据剖析与摘录，对数据出流有严格要求的场景需评估隐私与安全文档
- 部分演示结果拟合范围有限（如里德堡项目每读出仅两个留出功率设置，且共享同一 RF 链），不能直接外推为普遍规律
- 完整的计算复现需要原始输入与记录的分析条件；打包结果只是待评估的证据而非独立复现
如何安装或部署这个 Agent？
要求 Python 3.11 或 3.12。克隆时使用稀疏检出以跳过公开测试语料：
git clone --depth 1 --filter=blob:none --sparse https://github.com/pzqpzq/Principia.git
cd Principia
git sparse-checkout set Principia-v1.4.2
python3 -m venv .venv
source .venv/bin/activate
python -m pip install "./Principia-v1.4.2/core-v1.4.2[asd,local]"Windows 用户在 PowerShell 中使用 .venv\Scripts\Activate.ps1 激活环境。安装依赖需要联网。另可 pip install principia-ai==1.3.3 安装稳定的 v1.3.3 PyPI 工作流。
如何使用这个 Agent？
- 运行
principia open --working-directory ./principia-workspace --port 8142，在浏览器打开 http://127.0.0.1:8142/；首次在空工作区启动会初始化五个演示项目，可离线浏览。 - 自有数据发现：选择 New research，用 Add data 连接本地文件夹，描述研究目标。
- 打开 Sources & model 配置提供商凭据并选择推理与视觉模型（演示使用了通过 SiliconFlow 的 DeepSeek-V4-Pro；新任务使用你自己的配置）。
- 启动发现并审查提供商权限请求；View activity 显示任务进度与停止控制。
- 检查观察与规则、追踪证据，或用 Discover again 更改目标、数据或模型。注意：远程分析会在每次运行许可后发送有界的数据剖析、摘录或预览，并非零网络出流承诺。
这个 Agent 与同类方案有什么区别？
README 将其与常规的文档中心 RAG 明确对比：Principia 检索和组合的是科学对象与关系（原则、元原则、派生假说），而非仅仅文本段落。它也自我定位为既非论文数据库亦非通用聊天界面。