研究工作簿

复制一份，为自己的第一轮实验填写。

不需要一次填满。先写问题和最近工作，做预试后补结果。空着比编一个听起来合理的答案好。

1．问题卡

• 日期与项目：
• 一次具体经历：
• 我想知道什么：
• 谁会因答案改变什么做法：
• 我目前猜测：
• 什么结果会让我改主意：
• 第一轮定位：复现／探索／验证（可说明先后）

填写示例（设计建议，尚未运行）： 我想知道相同长度下，当前／作废标记能否减少 Agent 在后续编码时恢复旧配置规则。若收益在普通摘要加同样提醒后消失，我不会把它归因于结构格式。相关工作已有动态状态和自维护记忆研究，本轮先作复现与诊断。

2．论文阅读卡

• 标题、作者、最早公开日期、所读版本、链接：
• 第一遍用自己的话说：问题／办法／证据／限制。
• 与我最接近的实验，原文哪一节：
• 数据、模型、题目、评分和预算：
• 它已经回答了什么：
• 它没有回答的内容，为什么对我有意义：
• 代码、数据、许可证是否看过；是否实际运行：
• AI 帮忙总结后，我亲自核对的两个位置：

3．查新记录

日期与查询词	找到的原始来源	与我重合在哪里	是否改变计划
待填	待填	待填	待填

目前只能说“在这些范围内尚未找到……”；不能因为一轮搜索没结果，就填“首次”。

4．开跑前的计划

• 主要问题与主要指标：
• 基础对照及选择理由：
• 新方法具体改变了什么：
• 题目家族、题数、每题重复数：
• 开发题与保留题怎样分开：
• 正确标准；人工正确和故意错误样例：
• 模型、提示、工具、环境版本：
• 每次调用或时间上限；总预算：
• 请求失败、重试、排除规则：
• 未被排除的其他解释：
• 扩大或暂停的条件：

5．每次运行保留的字段

一条记录对应一个清楚定义的实验单元。建议字段：运行 ID、任务 ID、家族 ID、条件、重复序号、时间、代码版本、模型标识、提示版本、输入路径、输出路径、评分器版本、各项结果、错误类型、调用数、输入与输出 token、缓存用量、耗时、备注。

记录失败，不把空结果默默删除。表格里的总分应能回到这些记录重新计算。

6．一页结果报告

我研究什么：

怎么做： 数据、模型、对照、评分和预算。

看到了什么： 写清分子与分母，分别列出改善、退步和失败；贴一个代表性案例的记录位置。

目前可以说：

还不能说：

可能的其他解释：

下一步及其理由：

7．计划改变记录

原来计划	改成什么	为什么改	改动前是否已经看过结果
待填	待填	待填	待填

改变计划很正常。把改变写清楚，未来才能区分事先检验的判断与事后发现的线索。