企业官网建设流程全解析

Colulu Research：AI For 研发创新 & 仿真

\*\*主题\*\*：全面介绍 Colulu Research 的架构设计、工具体系、Skill 体系与 Workflow 创新
\*\*副题\*\*：当大模型进入严肃研发场景，它需要怎样一套"操作系统级"基础设施？
\*\*定位\*\*：本文基于 Colulu 开源项目中 research 模块的全量代码分析写成，从架构视角解释它如何在"研发 + 仿真"垂直领域解决大模型应用的三大顽疾——物理幻觉、状态失控、证据链断裂
\*\*面向读者\*\*：研发团队负责人、AI 工程师、仿真工程师、产品架构师

一、背景：当大模型走进研发与仿真，缺失的三块拼图

1.1 研发场景的特殊性：物理正确性 ≠ 语言创造性

过去两年，大模型在对话、写代码、生成报告层面已接近人类专家水准。但当它被真正放进电池仿真、化工吸附、机器人控制这类严肃研发场景时，一个尴尬的事实浮出水面：

大模型写出来的研究报告"很像那么回事"，但物理参数可能是错的；跑出来的仿真代码"很快"，求解器却缺乏物理一致性；输出的结论"很流畅"，却与上文实验数据对不上。

研发场景与普通对话场景的本质差异在于：物理世界不接受"合理但不正确"。电池容量虚标 8.9 倍不是"创新"而是事故；吸附等温线方程写错一个系数，论文会被审稿人当场驳回。这意味着 AI 系统必须在三个层面超越单纯的"对话"：

1.2 三大顽疾：物理幻觉 / 状态不可控 / 证据链断裂

进一步拆解，通用型智能体范式在研发场景会撞上三堵墙：

第一堵墙：物理幻觉。大模型天然倾向于"自圆其说"：会凭空捏造参数（把电芯内阻写成 0.5 欧姆，而真实值通常在 5–30 毫欧姆区间），甚至编造文献引用。Colulu Research 在研发宪法的第一条铁律里对此显式设防——新增物理模型必须走"提案—物理校验—注册"流程，禁止直接编写物理常数与方程。

第二堵墙：状态不可控。一次 4C 快充仿真要跑数百步、多节点、多工况；若换成上千组实验设计扫描，大模型中途出错时，已完成的八组扫描状态如何恢复？参数改了三十次，哪次是有效的？约束越界了怎么办？通用智能体框架对此基本束手无策。

第三堵墙：证据链断裂。报告里写"吸附容量达 1220 毫克/克"，必须能一路回溯：这次仿真 → 用了哪些模型 → 哪些方程 → 哪组参数 → 哪次扫描 → 哪条决策。这条链一旦断裂，研发就成了"讲故事"而不是"做科学"。Colulu Research 用一个双向溯源的证据图谱正面硬刚这个问题。

1.3 Colulu 的回答：把"研发操作系统"做到大模型之下

面对这三堵墙，Colulu 团队选择的不是"更聪明的提示词"，而是把研发操作系统做到大模型之下。其架构哲学可以一句话概括：

\*\*大模型负责创意与编排；物理正确性、状态管理、证据沉淀，全部由下层基础设施硬约束。\*\*

下面第二章逐层拆解这套"研发操作系统"。

二、架构设计：把"研发操作系统"拆成九层

Colulu Research 由九层构成，从最底层的数据存储到最上层的平台交付，每层只做一件事，且每层都不可被上层绕过——这是它与通用智能体框架最本质的区别。

2.1 第一层 · 数据底座：纯文件存储

一切从最朴素的设计选择开始——任务的全部数据以纯文件形式落盘。每个研发任务对应一个独立目录：任务档案、会话记录、假设与结论笔记、结构化产物、系统模型图、证据图谱、工作目录各就各位，且工作目录内部再按"过程区（背景、规划、建模、实验）"与"结果区（结果、报告、图形、交付）"分区编号管理。

每个操作一次写盘，服务启动时统一扫描入内存缓存，运行期零数据库依赖。

为什么不用数据库？研发场景有四个硬约束：

1. 可审计——监管与同行评审时，"打开文件夹一眼看完全部产物"是刚需；
2. 可离线——科学家可能在断网环境继续工作；
3. 可迁移——换机器、换服务器，整个目录拷走即可；
4. 可比较——版本管理工具友好，能清楚看到"这次到底改了什么"。

2.2 第二层 · 灵魂层：研发宪法 + 领域包

这是 Colulu 最具特色的一层——把研发行为规范沉淀为一份可持续维护的"研发宪法"。

宪法共十二章，回答了"Colulu 如何理解研发"：十条研发铁律（创造与验证分离、知识先行、模型取用注册中心、阶段决策门、假设—实验—证据—结论闭环、证据要求、可复现、第一性原理 + 实验设计、双轨制思维、交付物完备）；九大阶段出口的判定标准；知识—数据—模型三级供应链的检索纪律；各阶段职责与必须产物清单；工作目录保存规范；成果物规格；仿真平台交付约定；证据要求；物理约束；分层职责；行为速查。

关键在于这份宪法是"活的"：它存储在用户可编辑的灵魂层（Soul 机制）中，与企业身份文件并列，支持版本历史与迁移——不同团队可以维护自己的宪法版本，把本企业的研发纪律写进去。

**领域包（Domain Pack）**则把宪法具象化为某个行业的整套武器库。一个领域包包含五件套：

以电池领域包为例：它预置了"4C 快充 900 秒内达 80%、温度不超 60 度、电压窗口 2.5–4.2V"这样的验收标准，以及"内阻 ↔ 材料工艺、容量 ↔ 电芯规格"的参数映射表。企业接入一条新业务线（化工、机器人、热管理……），只需复制一个领域包目录、填入知识与模型，即得可用的研发环境——这是 Colulu 反复强调的"一天接新业务"能力。

宪法与领域包共同注入智能体会话的系统上下文，形成"世界观 + 行业打法"的组合。

2.3 第三层 · 阶段状态机：十阶段 + 九道门 + 显式回跳

研发过程被建模为一台显式状态机，十个主阶段完整覆盖从发现到交付的全生命周期：

发现 → 构想 → 概念 → 设计 → 研发 → 测试 → 仿真 → 调优 → 验证 → 交付（另有归档终态，以及为存量任务保留的建模/仿真/分析/完成四个兼容旧阶段）。

状态机的三个关键设计：

其一，合法转换显式声明。任意时刻，从当前阶段可以走向哪些阶段是一张查表即得的清单；非法跳转（比如从"构想"直接跳到"验证"）会被状态机直接拒收，并告知智能体当前所有合法选项——而不是靠提示词"软劝"。

其二，回跳边是设计出来的一等公民。仿真发现异常 → 回"发现"阶段重新提出科学问题；测试不通过 → 回"研发"修正代码；验证不达标 → 回"调优"或"仿真"。这是对真实科研过程的尊重：研发从来不是单向流水线，而是一个可以反复折返的有向图。

其三，九道决策门（Gate）。每个阶段出口设一道门，共九道：问题是否成立（发现）、验收标准是否量化（构想）、技术路线是否可行（概念）、设计与假设是否齐备（设计）、代码是否可运行（研发）、测试矩阵是否通过（测试）、证据是否支撑优化结论（调优）、验收是否逐条满足且证据链完整（验证）、交付物是否齐备且平台可部署（交付）。门不是自动通行的——智能体必须出示证据，由人确认"通过 / 修改 / 不通过"后才能推进。

2.4 第四层 · 工具门控：阶段 × 工具矩阵

状态机约束的是"能走到哪"，工具门控约束的是"每一步手里有什么工具"。

Colulu Research 将全部工具分为五个族：

门控逻辑是一张显式的"阶段 × 工具"矩阵：智能体在"发现"阶段根本看不到仿真运行工具，在"交付"阶段只剩平台类工具与过程记录工具。基础工具（文件、终端、检索、技能）始终可用，但所有研发专属工具都受矩阵约束。

这带来一个质变：研发流程的工艺纪律被编码进了智能体框架本身，而不是依赖提示词自觉。智能体想"跳阶段干活"，物理上做不到——工具不存在于它的视野里。

2.5 第五层 · 仿真引擎：中立中间表示 + 白名单表达式 + 固定步长求解

进入仿真核心，这是 Colulu 在仿真领域最有分量的设计。

（一）仿真中间表示（SimIR）：唯一的执行事实源。系统模型以一张"节点—边—配置"的图描述：节点引用物理模型注册中心中的原子模型实例（参数继承模型清单的声明与默认值），边是端口连接，配置是时间区间与步长。中间表示是仿真执行层的唯一事实源——前端的画布、后端的运行、生成的平台工程，全部读写同一份图数据。宪法里有一句朴素的话：“画布只是视图，中间表示才是真相”。这从架构上根除了仿真领域三十年的经典问题：显示层数据与执行层数据漂移。

（二）白名单表达式编译：绝不动态执行模型文本。模型清单里的方程是文本表达式，要喂给求解器，通用做法是动态求值——但这是安全灾难。Colulu 的做法是自研一套白名单表达式编译器：手写词法分析 + 递归下降解析 + 抽象语法树解释执行，只接受数字、变量、常数、四则运算与幂、括号，以及一个闭集的科学函数表（三角、指数对数、开方、取整、限幅等十余个）。清单之外的函数、任意代码构造，一律拒绝。

（三）固定步长求解器：物理执行层永不实时生成。求解器是固定的经典四阶龙格—库塔算法，对多节点拓扑按依赖序迭代：状态方程做数值积分，代数输出方程每步求值，跨节点信号沿端口连接传递。架构上立了一条铁律——物理执行层永不实时生成：无论大模型怎么说，执行的永远是这套固定引擎，生成的只能是中间表示与结果。

（四）可复现性内建。每次仿真运行自动落盘完整证据包：输入工况、模型图快照、信号时间序列、指标汇总、运行元数据，外加一份可复现脚本供用户外部复核。

2.6 第六层 · 交互运行时：把仿真从"一次性脚本"升级为"调试器"

一次跑完看结果，只是仿真的入门姿势。Colulu 把仿真升级为可交互运行时，提供完整的调试能力矩阵：

这意味着智能体可以工作流式的操作物理过程：跑到 60 秒发现温升过快 → 打检查点 → 修改内阻参数 → 继续跑 → 不行就回滚事务、恢复检查点换参数再来。每一次参数改动都有事务 ID，整个调参过程像数据库一样可审计、可回滚。

2.7 第七层 · 证据体系：结构化产物 + 双向溯源图谱

研发过程的全部中间成果被提升为两类"一等公民"。

（一）结构化产物（Artifact）。研发过程中的每一份成果——想法、需求、概念、设计、模型、代码、测试、仿真、实验、数据集、发现、报告、论文、笔记——共十四类——都以结构化产物形式落盘，每个产物携带：版本（同类型自动递增）、输入输出、依赖（引用其他产物的 ID，形成有向图）、证据（挂载仿真运行等引用）、校验状态（待校验/通过/失败）。笔记（假设→结果→结论）是产物的种子，旧版自由文本笔记与新版结构化产物兼容共存，不断代。

（二）证据图谱（Research Graph）。每个任务维护一张跨产物的溯源图：

• 八类节点：模型、仿真运行、参数、发现（结论）、实验、数据集、产物、检查点；
• 八类边：使用、依赖、派生自、验证、矛盾、产生、被修改、作为证据。

图谱提供两种查询方向：

• 向后追溯：这条结论 ← 哪次仿真 ← 哪个模型 ← 哪组参数 ← 哪次实验？
• 向前影响：改了这个参数 → 下游哪些仿真、哪些结论需要重新验证？

最关键的设计是自动入图：每次仿真运行自动生成"模型→运行→参数"节点与边；每次参数修改自动生成"被修改"边并关联最近一次运行；每条结论自动挂载"作为证据"边。科学家不需要手动维护溯源链——研发过程本身就在持续生成证据图谱。

2.8 第八层 · 智能体循环：自动续跑 + 防自旋 + 决策门

这一层是"研发操作系统"的发动机，详细机制见第三章，架构上包含四个部件：

1. 会话管线复用：研发会话与通用对话会话共享同一套智能体运行时、工具解析、模型配置、空间上下文（知识空间/数据空间）与技能注入机制——research 模块不是另起炉灶，而是"同一套底盘、换上一套领域灵魂"；
2. 长时任务桥接：后台长跑进程与智能体之间的自动唤醒通道；
3. 防循环守卫：针对"阶段推进反复失败"与"单轮工具调用过多"的三道防线；
4. 增量持久化：每个内部回合结束即落盘检查点，崩溃中断后成果不丢失，上下文超长结果自动瘦身。

2.9 第九层 · 平台交付：仿真结果直接生成可部署工程

最后一层解决"研究报告如何变成可演示产品"的鸿沟。

研发过程中会持续沉淀一套"平台三件套"：仿真图数据（画布用的分层系统图）、平台设计指南（领域平台设计技能引导下产出）、关键数据（模型、参数、结果、证据聚合）。当三件套齐备，调用"平台工程构建"工具，系统即自动脚手架出完整的React 前端（可视化画布）+ Python 后端（健康检查、图数据、仿真、指标四个接口）工程，并完成：

• 端口自动分配：前后端端口从注册表动态获取，双栈探测规避冲突，停止时释放；
• 一键部署：通用启动器自动探测工程入口、幂等安装依赖、后台拉起前后端、健康检查；
• 唯一部署源：平台工程与任务工作目录同源，任务详情里可直接浏览、可对比、可迭代。

从"一份研究报告"到"一个能在浏览器里操作的仿真平台"，中间没有缝隙——这是 Colulu 对"AI For 研发"最完整的一句话诠释。

—

三、Workflow 创新：让严肃研发流程"跑起来、跑得久、跑得对"

如果说第二章的九层是"静"的骨架，本章的五个 Workflow 机制就是"动"的灵魂。

3.1 双轨制研发运行模型

Colulu 在宪法层面引入"双轨制"，借鉴技术成熟度（TRL）标度：

• 发现轨（求知导向，从"发现"进入）：为什么？→ 科学问题 → 假设 → 实验 → 学习。允许开放性结论，失败实验是证据而不是失败；
• 交付轨（规格导向，从"构想"进入）：做什么？→ 目标/规格 → 设计 → 开发 → 验证 → 交付。必须按验收标准收敛。

两条轨道共用同一台阶段状态机，通过决策门切换轨道。这套设计让一个框架同时服务基础研究与产品研发两种节奏，并把九大顶级研发方法论——阶段门（Stage-Gate）、V 模型、PDCA/A3、精益创业、实验设计（DoE）、第一性原理、技术成熟度、设计思维、验收闭环——逐一映射到具体工具上，方法论不再是口号，而是机制。

3.2 自动续跑循环：一次连接，持续推进

通用智能体框架的一个尴尬现实——跑完一轮就停，用户必须手动发"继续"。严肃研发中一次完整任务可能需要多轮决策，这意味着用户每隔几分钟要点一次按钮。

Colulu 的解法是自动续跑循环：当用户显式开启时，智能体每完成一个内部回合，系统检查两个条件——当前阶段是否已达终态（交付/归档）、内部回合数是否触顶（默认上限 5 轮，单轮工具调用上限 15 次）——若均未触发，则自动注入一条"推进提示"并继续执行，直到阶段收敛或触顶。

这套机制的精髓在渐进增强：默认关闭，完全兼容旧行为；开启后，一次长连接内智能体可以自主连续推进多个回合，把"人催一步、机器走一步"变成"人定目标、机器自己干到下一个门"。而它永远不会越过门——到达关键节点，仍要停下来等决策门。

3.3 长时任务闭环：后台进程完成即唤醒

研发场景的长时任务远比对话场景复杂——上千组实验设计扫描可能要十分钟，平台部署与依赖安装可能更久。智能体不能傻等。

Colulu 的方案是长时任务桥接器：实验类阶段（研发/测试/仿真/调优/验证）开放"长时任务提交"原语——智能体把仿真脚本、扫描脚本、数据管道作为后台进程提交后立即返回；桥接器持续跟踪进程，进程完成时自动把结果以对话消息形式注入智能体，智能体随即被唤醒、无缝续跑，全程无需轮询。

效果：整条研发流程像接力赛——短任务在回合内同步完成，长任务在后台跑，跑完自动交棒，智能体"永不空转、永不失联"。

3.4 防自旋机制：三道防线

大模型自旋是智能体框架的经典病症——同一个工具反复失败、同一段推理反复绕圈。Colulu 在工具执行钩子上实施三道防线：

1. 软提示：同一目标阶段的"阶段推进"连续 3 次无效（被状态机拒收或无实际变化）→ 向智能体注入执行纪律提示：先读任务档案确认现状、改用合法目标、或先产出该阶段必备产物再推进；
2. 强提示：连续 6 次无效 → 强制停止该工具，给出替代路径（直接产出产物、走合法阶段、或把"暂时跳过"记为决策笔记）；
3. 单轮总量上限：一个回合内工具调用累计达 40 次 → 强制智能体停下来输出阶段小结与产物清单。

还有一道容易被忽略的防线——插话合并：用户在智能体运行中发新消息时，消息被"转向注入"正在运行的智能体，而不是另起炉灶开新实例，从根本上避免并发实例、上下文分叉、记录重复。

这三道防线让长跑的智能体不会卡死、不会发疯、不会分叉。

3.5 决策门：人机协作的"暂停点"

最后也是最具研发特色的机制——决策门。

智能体在关键节点（假设转为实验之前、结论落盘之前、参数接受之前）主动调用决策门工具：把决策问题 + 证据摘要 + 自己的建议 + 可选项（通过/修改/驳回）呈给用户，流程在此硬性暂停。前端据此渲染确认界面，用户拍板后，结果作为消息注入智能体继续推进。

这是把"门"做成了人机协作的硬接口：研发的关键节点必须由科学家背书，而不是大模型一言堂。自动续跑负责"跑得快"，决策门负责"跑得对"，两者一松一紧，构成 Colulu 人机协作的完整节奏。

—

四、二维 AlO₂ 对 VOCs 吸附——跑通九道决策门的完整研发

前三章是骨架，这一章是一个真实任务：32 次迭代、15 条决策笔记、9 道决策门，从"提一个科学问题"走到"浏览器里可操作的仿真平台 + 可执行的湿实验方案"。任务是二维 AlO₂ 对 VOCs 的吸附机理与选择性调控（发现轨，TRL 1 → 4），主线是研发 → 计算仿真 → 三维仿真。

4.1 发现与构想：把"好吸附材料"翻译成可验收的物理问题

发现。VOCs（甲醛、氯乙烯、苯、甲醇、乙醛、乙烯）是灰霾与光化学烟雾的关键前驱体。传统吸附剂的困境很具体：容量、选择性、可再生性难以同时满足——容量高往往意味着吸附强，而吸附强意味着再生温度极高。

选材的差异化赌注是负泊松比（NPR）：AlO₂ 四方晶系（P4/mmm，a₀ = 3.04 Å）在面内与面外双向均呈 NPR（ν ≈ −0.18），即拉伸时横向反而收缩。用它做吸附位点，吸附引起的局域应变会沿这条反常机械响应链传递，理论上能"放大"而非"耗散"吸附能。

构想。系统没把目标写成"性能要好"，而是翻译成 8 条可判定的验收标准——吸附能窗口、强吸附 VOC 数、VOCs/N₂ 选择性、应变扫描区间、脱附再生温度点数、ML 代理 RMSE 与 R²、适用域说明、回灌后精度提升；同时立下 5 条可证伪假设，核心一条是 H1：局域晶格应变 → 电子结构重构 → 吸附能增强的正反馈。

最关键的一条约束写进了 Gate ②：环境里没有 VASP、没有 ASE、没有 Gaussian。宪法的"物理模型注册中心"在此不是概念——它意味着智能体不能凭空写一个 DFT 方程，只能取用一个已注册的物理代理势。

图 4-1：研究框架信息图。左栏为 8 个核心模块，右栏为 Geometry → Potential → Optimize → E_ads → CGCNN → Redhead 数据流与 6 项关键指标（源 requirements.md + model-graph.json + simulation-report.md）。

4.2 计算仿真：12 节点 14 边，跑通 144 体系全因子

设计。系统被组装成一张四层图（L1 输入 → L2 模型 → L3 仿真器 → L4 输出），共 12 节点 14 边，含一条反馈边（湿实验协议 → 贝叶斯校准 → CGCNN）。这张图是唯一事实源：画布、后端运行、最终平台工程读写的是同一份model-graph.json。势函数分五项：衬底紧束缚能 + LJ 9-6 色散 + RESP 静电 + 偶极⊗极化率耦合 + NPR 应变修正。

结果。144 个体系（6 VOC × 6 应变 × 4 吸附位点）100% 收敛，E_ads 落在 −0.35 ~ −1.73 eV，41% 的构型处于强吸附区，VOC/N₂ 选择性 16×~136×。NPR 应变调控单调可量化：ε 从 0 走到 5%，平均吸附能从 −0.71 走到 −1.45 eV，最强增强 2.0×，6/6 VOC 全部越过 −1.0 eV 门槛。DoE 真值同时标定了一个 CGCNN 代理（衬底图 ⊕ 分子图双图结构，3 层 GCN + 描述符嵌入），验证集 RMSE 0.067 eV、R² 0.90，均优于验收阈值。

图 4-2：NPR 正反馈机制信息图。左为 AlO₂ 晶格与吸附质示意，右为四步级联：局域晶格应变 → 电子结构重构（d 带位移 / DOS 调制）→ 轨道耦合增强（C 2p、Cl 3p ↔ Al 3p 杂化）→ 吸附能放大。底部指标卡：ν = −0.18、最强 −1.73 eV、增强因子 2.0×、机制普适 6/6 VOC。

这里发生了一次教科书级的回跳。按原计划，动态行为应由 AIMD 给出：6 VOC × 5 温度 × 3 应变 = 90 条 600 步轨迹。结果是0 次脱附——E_ads 在 −1.0 ~ −1.7 eV，600 fs 根本爬不出这个阱；顺带暴露出优化器把 CH₃CHO 放到了表面"下方"的局部极小问题。状态机没有强行放行，任务回跳到设计阶段：改高温短跑 + Arrhenius 外推，新一轮又暴露起始位型与硬墙 bug；最终收敛为第三条路径——直接用静态 E_ads 解 Redhead 方程求脱附峰温。三次失败都被记为证据而非失败。

最终 T_p = 365 ~ 556 K。5 个温度点的覆盖率矩阵给出一个分离窗口——373 K 时 C₂H₄ 脱附 37%，其余 5 种仍保留 98.6% 以上；423 K 时 C₂H₄ 降到 2%。

4.3 三维仿真：把一条 E_ads 曲线变成可旋转、可播放的分子实景

相图和曲线能说明规律，但说明不了"分子到底怎么落上去的"。于是有了第三维：一个自包含的交互式 3D 结构面板（Three.js + 自研 MolView 引擎，库文件本地化、断网可用）——48 原子超胞 + 7 种吸附质，四视图切换、0~5% NPR 应变滑块，右侧面板同步显示偶极矩 μ、极化率 α、E_HOMO、最优位点与吸附距离。

最有意思的是吸附过程动画：分子质心从真空区（+9 Å）沿 z 轴落入表面势阱，能量沿 Morse 型吸附势实时演化——阱深 D 直接取自 DoE 结果，不是编造的美化曲线：

E(Δz) = D·[(1 − e^(−a·Δz))² − 1]，D = |E_ads|

四阶段状态机（READY → VACUUM → APPROACH → CAPTURE → ADSORBED）配实时读数浮层。以 C₆H₆ 为例：质心从 9.78 Å 落到 3.36 Å，体系能量从 −0.002 eV 走到 −1.726 eV，终点恰好等于该构型的吸附能。

图 4-3：三维结构交互面板实渲染截图（ADSORBED 终态，HCHO 工况）。主舞台为 48 原子超胞 + Al–O 键 + 吸附质的球棍模型；右侧为吸附质选择卡、分子描述符与吸附性能表、基底参数与 NPR 系数；底部为动画控制条与实时读数（间距 z、Δz、体系能量 E(t)、E_ads、进度条）。

4.4 交付与回环：平台一键部署，11/11 验收 + 诚实的局限声明

平台三件套齐备后，"平台工程构建"工具自动脚手架出 React 18 + FastAPI 工程并部署：前端画布直接读 SSOT 渲染 12 节点 14 边系统模型，后端暴露 16 个端点、三引擎可切换；端到端验证走真实浏览器路径，HCHO@ε=0.02 → E_ads = −0.8806 eV，C₆H₆ 优化扫描 → ε* = 0.05、E = −1.7259 eV。

图 4-4：部署后的仿真平台画布视图，实时渲染 SSOT 的 12 节点 14 边、按四层列布局，每个节点标注其引用的已注册物理模型 ID；左栏为功能视图导航（画布 / 单体系仿真 / 工况管理 / 批量仿真 / DoE / 优化器 / 湿实验回灌），侧栏常驻 DOE 关键指标。

Gate ⑨ 最终判定11/11 验收通过。与之一同写进 Limitations 的是这次任务最诚实的一段：无 VASP/DFT（代理势与真实 DFT 预期偏差 0.2~0.5 eV）、AIMD 600 fs 无法观测脱附因而改用 Redhead 解析解、CGCNN 训练集仅 144 样本、湿实验尚未执行。"下一步做什么"也成了交付物：11 节湿实验协议（ALD 合成 → 表征 → 穿透曲线 → TPD 程序升温 → 选择性测试），实验数据回灌后触发 CGCNN 再校准，验收指标是精度提升 ≥ 15%。

图 4-5：交付总览信息图。顶部四张指标卡：吸附能范围 −0.35 ~ −1.73 eV、强吸附 VOC 数、CGCNN RMSE 0.067 eV、Redhead T_p 365–556 K；中部 A1~A11 逐条验收清单，10 条 PASS + 1 条（湿实验回灌后 RMSE 提升 ≥ 15%）标记为"建议实验"。

4.5 这个实例暴露了什么

架构的价值往往在"计划失败"时才显形。AIMD 零脱附本来可以硬着头皮写进报告（“298–423 K 下未观测到脱附，材料稳定性优异”），但回跳边与决策门逼着智能体承认这是能量尺度不匹配，换了三次方案才拿到可用的脱附窗口。能承认路径走不通、并把走不通的过程本身变成证据，正是这套架构与"写一份像模像样的报告"之间的分界线。

—

五、最后：从"对话机器人"到"研发操作系统"

5.1 十二项架构级创新复盘

回到开篇的问题——"当大模型进入严肃研发场景，它需要怎样一套操作系统级基础设施？"Colulu Research 的答卷可以浓缩为九层架构上的十二项机制：

5.2 与通用智能体框架的差异化

与 LangChain、AutoGPT、CrewAI 等通用框架相比，Colulu Research 是一次领域深度对框架广度的取舍：

适用边界很清楚：通用框架适合客服机器人、检索问答、办公自动化；Colulu Research 适合电池仿真、化工吸附、电机控制、热管理等需要物理正确性与证据可追溯的严肃研发场景。两者不在同一赛道——前者是"瑞士军刀"，后者是"手术器械"。

5.3 局限与未来

任何架构都有边界。当前 Colulu Research 的局限主要在三方面：

1. 物理模型覆盖度：注册中心目前覆盖电池、热、电机等部分模型，流体力学、量子化学、多体动力学等领域仍需持续建模；物理校验当前偏静态（参数范围、端口匹配、约束区间），对复杂物理一致性的动态检验仍在路上。
2. 真实湿实验闭环：吸附剂实例中部分假设标记"需湿实验校准"——实验协议已经生成，但仿真参数与实验数据的自动标定流水线尚未形成，最后一公里仍靠人工。
3. 群体智能与多模态：当前是单智能体 + 单运行时的形态。未来方向包括：建模/仿真/验证多智能体分工协作、实验曲线与文献的自动解析入图、与真实实验设备的物联集成（仿真→实验→反馈→自修正的完整螺旋）。

5.4 一句话总结

\*\*Colulu Research 不是又一个智能体框架，而是把"研发操作系统"做到大模型之下的垂直领域深度方案。\*\* 它用九层架构解决了物理正确性、状态管理、证据链三大硬伤，用双轨制、自动续跑、长时任务桥接、防自旋、决策门五个 Workflow 机制让严肃研发流程在 AI 时代真正跑起来。\*\*未来几年，“AI for Science / Engineering"赛道的胜负手，大概率就在于这种"大模型之下的操作系统级基础设施”。\*\*