research-workbench-assistant

一、场景切入

你做研究时最怕的对话是这样的：你跟 AI 聊了两个小时，把实验结果、失败原因、下一步都讲清楚了。然后你关掉窗口，第二天开新对话，问「上次那个进展怎么样了」。AI 一脸茫然，因为它不记得了。你自己也不记得具体细节，只记得「好像做到一半卡住了」。

于是你养成了一个习惯：随手在备忘录里记几句。但备忘录不记结构，下次回来还是得从头读一遍自己写的东西才能想起上下文在哪。z-liu-xiugou/research-workbench-assistant 就是来解决这个断层的：让 AI 对话结束后，科研进度仍然留在你自己的项目里。

二、背景科普

该项目由 z-liu-xiugou 于 2026 年 9 月创建，Apache-2.0 许可，205 星、以 Python 为主语言。定位是「本地优先的科研记忆」，以 Codex Skill 形式提供：记录目标、进展、问题和下一步，在新对话中按需续接；文献笔记保存为 Markdown 和 JSON 双份。

当前主分支版本为 v0.1.0-alpha.9，尚未正式发布，README 明确标注为「早期 alpha 预览版」，并主动声明「不是全自动科研平台，也不保证 AI 内容准确」。这种自我限定在开源项目里相当少见，通常说明作者对边界有清晰认知。

仓库结构完整：包含 AGENTS.md、CHANGELOG.md、CODE_OF_CONDUCT.md、CONTRIBUTING.md、SECURITY.md、tests/、examples/、templates/、docs/、project-workbench/、skills/research-workbench/ 和 scripts/。

三、类比解释

如果 ChatGPT 的对话历史是「脑子里的短期记忆」，这个项目就是「实验室墙上的白板」。你走开了，白板还在，上面记着当前假设、已完成步骤、下一步、以及证据在哪个文件第几行。AI 下次进来先看白板，而不是靠回忆。

四、核心功能

• 跨对话续接：保存本地断点，新任务中由 Codex 读取——明确声明「不是云端聊天记忆」
• 13 项能力矩阵：初始化工作台（独立目录，拒绝覆盖现有目录）、进展和分类台账（进展、任务、决策、问题、实验、材料、断点、文献记录）、修订留痕（追加新记录并标记替代关系，旧版本保留）、任务执行跟踪（待办/执行中/完成/取消，筛出未关闭任务并保留修订历史）、文献笔记库（Markdown + JSON 双份，区分摘要与全文）、本地检索（当前有效记录的关键词搜索，可限定文献类型）、在线文献发现（Crossref 主题/年份查询、DOI 去重、来源与检索批次留痕）、候选文献队列（待筛选/保留/排除，已有笔记自动关联）、检查与恢复（校验结构、发现视图不一致、从历史记录重建）、只读诊断（检查技能文件、版本、目录权限、锁和工作台配置，默认隐藏个人路径）、项目偏好与入门引导、离线研究总览（按需生成 HTML 快照）
• 「先搜摘要，再按需读全文」：本地检索默认最多返回 10 条短摘要，可按记录类型/状态筛选与翻页，再用 show 读取选定记录，避免长笔记一次占满对话上下文
• 证据约束与验收：进行中/已确认记录需要可定位证据，已确认还须记录用户明确确认的出处；旧事件不改写，升级审计会提示需人工复核
• 明确的「不能做」清单：不自动下载/解析 PDF、无内置 Google Scholar/知网/PubMed 多源检索、无 Zotero 同步、无后台定时跟踪、无自动文献图谱、无多人实时协作；Crossref 候选与实际阅读笔记严格分开

五、上手门槛

五分钟即可起步，且刻意做得很轻：

git clone https://github.com/z-liu-xiugou/research-workbench-assistant.git
cd research-workbench-assistant
python -X utf8 scripts/install.py

安装器只复制 research-workbench Skill 到用户 .agents/skills，不覆盖已有同名技能，不触碰其他助手。脚本无第三方 Python 依赖，无需另填 API Key——但 Codex 本身仍需可用账户，可能产生费用。需求明确为 Python 3.10+、Git、本地 Codex。

诊断工具用 python -B -X utf8 skills/research-workbench/scripts/workbench.py doctor，只报告问题和建议，不写入工作台或删除锁，默认输出不包含个人绝对路径或研究正文。

六、争议与局限

• 本质是「记忆外挂」而非「科研助手」：README 说得直白——不能下载解析 PDF、不能多库检索、不能做文献图谱、不能协作。对研究生来说，最耗时的文献获取环节它并不解决
• 强绑定 Codex：以 Codex Skill 形式提供，其他 Agent 宿主需自行适配，虽然 Skill 格式有开放趋势，但当前可用性有限
• alpha 阶段的稳定性：v0.1.0-alpha.9 未正式发布，README 甚至记录了「2026-10-09 核对时 GitHub Release 仍为 alpha.1，本页描述主分支能力」这种版本漂移，说明主干与发布版存在差距
• 证据约束依赖用户自律：要求「已确认」记录必须有用户明确确认的出处，但工具无法验证用户是否真的确认过；旧事件不改写的审计机制也因此可能积压待复核项
• Crossref 覆盖有限：Crossref 不覆盖全部论文（尤其中文期刊与非 DOI 文献），中文文献支持明显不足，而这正是国内研究者的主要场景
• 无云端、无协作：local-first 意味着换机器要靠备份恢复，多人合作需另想办法
• fork 数为 0：说明社区参与度很低，长期维护的连续性存在风险，205 星是单一作者驱动的结果

七、行业意义

这个项目切中了一个被主流 AI 工具系统性忽略的问题：会话记忆。ChatGPT、Claude 这类产品把「记忆」做成了云端黑盒，代价是研究数据被托管、无法审计、无法迁移。而这个项目用最笨的方式回答——断点存在你自己的目录里，用 Markdown 和 JSON 写，AI 只是来读它。

「本地优先 + 明文文件 + 无第三方依赖」这套组合，对学术场景特别重要：研究数据的主权归属、可备份性、可迁移性都掌握在研究者手里。备份一次即等于全量导出，这在数据合规日趋严格的当下很有价值。

它体现的另一个趋势是「AI 辅助研究的基础设施化」——从更聪明的模型，转向更可靠的工作流。README 里那句「不要编造进展，也不要覆盖已有记录」以及贯穿全篇的「已确认/进行中」状态机，是把学术规范写进工具的尝试。

对国内团队的启发很直接：中文文献（知网/万方）缺失是明确的空白，中文科研工作台 Skill 几乎无人做，这块是可以直接补上的空档。

Apache-2.0 许可、完整的安全策略文件、测试目录与只读诊断工具，虽是 alpha 期项目，工程规范度反而高于不少成熟产品。