Query · Understand · Implement · Tell
告别古法科研
QUIT 是一个人机协同的科研助手——并不是将整个科研流程当作黑盒，而是一条透明的流水线，研究者在每个环节都保持完全的控制权。 其以 artifact 为驱动的设计消除了长上下文依赖，避免了冗余的 token 消耗。
QUIT 同时完整支持端到端模式——只需设定研究主题，QUIT即可无干预地自动运行至完成。 使用 DeepSeek-V4-Pro 的端到端成本：每篇论文约 ¥10（约 \$1.5）。
| 阶段 | 功能描述 |
|---|---|
| Query（检索） | 搜索论文、代码仓库和本地文献 |
| Understand（理解） | 提取证据卡、聚类洞见、生成创意 |
| Implement（实现） | 将选定创意转化为代码、运行实验、审查结果 |
| Tell（撰写） | 根据真实输出起草并审阅论文 |
系统架构
四个专职 Agent 由中央编排器 / 状态机协调：
- PlannerAgent：将用户的研究主题转化为经过验证的
ResearchBrief - ResearchAgent：检索论文、提取证据、综合创意
- BuilderAgent：生成实验代码、运行实验、撰写论文
- ReviewerAgent：审查创意、代码质量和论文草稿
所有协调都通过磁盘上的具名制品文件完成。Agent 之间不共享跨调用的会话记忆。这让整个流水线可追溯、可复现、可恢复。
人机协同控制点： 研究者可以在任意状态后暂停，检查制品，编辑中间文件（EvidenceCard、BuildSpec、生成代码、实验结果），再从选定状态继续运行。
工作流程
工作流按照 Query、Understand、Implement、Tell 四个阶段推进，并通过状态机协调各个 Agent 与制品文件。
安装
环境要求： Python 3.11+、Git、LaTeX（texlive + latexmk）
git clone https://github.com/Mr-XcHan/QUIT.git
cd QUIT
bash setup.sh
脚本会在仓库根目录创建 .venv 虚拟环境，并安装 Agent 核心和 Web UI。如需本地 LLM 推理（torch + transformers）：
bash setup.sh --with-local缺少的系统工具（latexmk、bibtex）会在 setup 结束时以安装提示的形式报告。
配置
主配置文件是 Quit_v0_3/config.json。默认参数开箱即用。通常只需要填写研究主题和 LLM 凭据。该文件中的所有参数都是默认值，也可以在每次运行前直接在 Web UI 中覆盖。
{
"project": {
"topic": "Flow Matching for Offline Reinforcement Learning"
},
"llm": {
"provider": "openai",
"model": "gpt-5.5",
"api_key_env": "OPENAI_API_KEY"
}
}
将 API key 保存在 config.json 同目录的 .env 文件中，切勿提交到版本库：
OPENAI_API_KEY=sk-...支持的 provider：anthropic、openai、deepseek、local-vllm，以及其他 OpenAI 兼容端点。
其他可调整配置项
| 字段 | 默认值 | 说明 |
|---|---|---|
runtime.stop_after | null | 在指定状态后停止，例如 "CODE_EVAL" |
run_budget.experiment_timeout_seconds | 3600 | 生成实验的最大运行时间，单位为秒 |
retrieval.sources | ["arxiv"] | 论文检索来源 |
write.expected_main_pages | 8 | 论文目标页数 |
使用方式：Web UI（推荐）
激活虚拟环境并启动服务器：
source .venv/bin/activate
cd Quit_v0_3_web
python server.py --port 7862
然后在浏览器中打开 http://localhost:7862。
快速开始： 填写研究主题，点击 Start Run，Agent 会自动逐状态运行，直到 Stop after 指定的状态。详细分步操作见仓库中的 GUIDE.zh.md。
人机协同干预： 由于所有输出都是文件，你可以随时：
- 在 Artifacts 面板中查看制品：EvidenceCard、BuildSpec、代码、结果、论文
- 在任意状态暂停，审查输出后继续运行
- 编辑中间文件，并从选定状态恢复，无需重跑之前阶段
- 修正后重跑指定状态，例如编辑 BuildSpec 后重跑
CODE
浏览历史运行： 所有运行都会保存在 Quit_v0_3/runs// 下。Runs 面板会列出每次历史运行，以及完整的制品记录、提示词和 LLM 响应。
关键制品
每次运行都会在 runs// 下生成完整的制品记录：
ResearchBrief.json ← 经过验证的研究计划
EvidenceCards.jsonl ← 结构化论文证据
IdeaLibrary.jsonl ← 带证据链接的候选创意
BuildSpec.json ← 实验与论文合约
code/src/*.py ← 生成的实验代码
results/metrics.json ← 实验结果
results/results_table.csv ← 各方法对比表格
CodePerformanceEval.json ← LLM 对方法 vs. 基准线的评判
paper_gene/main.tex ← 生成的 LaTeX 论文
paper_gene/main.pdf ← 编译后的 PDF 论文
run_trace.json ← 完整状态转换日志
所有提示词和原始 LLM 响应都保存在 llm/ 目录下，用于完整复现。
生成论文展示
QUIT Agent 在不同研究领域端到端生成的论文：
Offline RL
Trust-Region Rectified Flow Offline Actor for Low-Latency Generative Policy Learning
Robot
Online Pricing and Energy-Aware Dispatch for Mobile Charging Robot-Mediated V2G Services
3D Generation
Decoupled Macro-Micro Generation for Editable Large-Scale 3D Surface Patterns
测试者招募
项目正在招募测试者。你可以用自己的研究主题试用 QUIT。
全自动运行的结果很欢迎，但项目方尤其期待人机协同成果：研究者主动介入引导 Agent、编辑中间制品或调整方向的论文。这类成果通常最有意思。
如果希望将自己的输出展示在仓库中，可以提交 issue 或 Pull Request。
联系方式
Xinchen — isxinchen.han@gmail.com
欢迎联系提问、反馈或探讨合作。
许可证
Apache 2.0。可自由使用和二次开发，包括商业用途；需要保留署名，并注明修改。详见 LICENSE。
📎 原文信息
原仓库链接：https://github.com/Mr-XcHan/QUIT
