文档

模块参考

每个模块一页：它做什么、什么时候用、接收和发出什么、能改哪些设置。

先看一个完整例子：研究循环的一轮

能力模块

工作流的基本积木。每个都是只干一件事的智能体，按工作流通常的执行顺序排列。

适配器

夹在模块之间的小步骤，负责挑选或拆分结果。它们按固定规则办事，不调用语言模型。

汇总器

把几个结果合成一份输入的适配器。

Collect reviews（汇总调研）交给编程助手把几份文献调研汇总成一份输入，交给一个提案。

即将推出用语言模型来汇总的方式（比如按评分细则排序、让评审模型裁决一场辩论、由评审模型合并几个结果）已在计划中，目前还不能用。

工作流设置

属于整个工作流、不属于某个模块的设置。

循环和路由让工作流一轮一轮地重复，按规则提前停下，或者只在条件满足时才跑某条分支。

连接口类型

控制台用颜色、形状和名字标出每个插口传的是哪种数据。只有同一种类型的输出和输入才能连在一起。实心插口是输出或必需的输入，空心的是可选输入。

连接口	传的是什么
`Run summaries`	一次或几次已完成训练的精简摘要。
`Results analysis`	对运行结果的解读，包括每个模型的分数、最好和最差的模型。
`Search evidence`	之前分析得到的证据，文献调研要围绕它去找论文。
`Paper findings`	从已发表论文里得到的发现，附带出处论文。
`Design brief`	设计下一个模型需要的全部信息。
`Model plan`	完整的模型说明，可以直接拿去实现和训练。
`Coding brief`	带上运行背景的模型方案，可以直接写成代码。
`Model code`	写好的模型源文件的位置。
`Review brief`	带上背景的模型代码，等着在训练前检查。
`Code verdict`	对模型代码能否放心训练的结论。
`Training job`	通过验证的模型加上它的训练设置，可以开始训练和调参。
`Training report`	一次训练调参的完整报告。
`Training settings`	你在设置文件里提供的训练启动参数。
`Storage folder`	记录和输出写到哪里，由你提供。
`Data folder`	存放任务数据的文件夹路径。
`Language model provider`	调用哪家语言模型服务，比如 openai 或 anthropic。
`Language model name`	所选服务里的具体模型名；不填就用该服务的默认模型。
`Expert advice`	人写给某个模块参考的建议。
`Expert notes`	来自人或分析模块的背景信息，供设计模型时参考。
`Parameter rules`	规定哪些模型参数和训练参数可以改、能怎么改。
`Run constraints`	已知的运行限制，以及是谁定的。
`Task reference`	指向本次运行任务声明的引用，不是另一份拷贝。