ScholarTrace：证据可追溯的多智能体学术研究工作台

本人贡献：个人项目，独立完成需求设计、架构、前后端开发、测试与评测。

背景与目标

做学术调研时，从找论文、读全文到写结论，每一步都容易丢失出处。ScholarTrace 把规划、论文搜索、全文获取、证据分析、语义核验和报告生成串成一个闭环，目标是让报告里的每条论断都能追溯到具体证据。

它既支持确定性演示，也支持在用户授权和预算约束下执行真实任务。全文证据检索由 DocuMind 的纯检索接口提供。

主要工作

• 编排与预算：基于 LangGraph 编排研究工作流，设置计划与执行两个阶段的人工审批；通过持久化调用账本、调用前预算预留和幂等键控制重复执行，调用结果未知时停止自动重发，支持任务取消与同版本有界恢复。
• 证据与核验：对接 DocuMind 纯检索接口，校验论文、索引身份与引用哈希；区分书目事实和实质结论，必要时在同一篇论文内有界补证；引入包级范围上下文与四态核验，过滤无支持的论断，显式标注部分支持与冲突。
• 工程与交付：React / TypeScript 工作台支持 SSE 断线补发、预算时间线、证据阅读及四种格式导出；记录上下文截断与降级状态，建立自动化回归，当前通过 831 项后端测试、27 项前端单测和 12 项 E2E。

评测与取舍

构建了 30 道题、110 条 Claim 的冻结评测集，在其中 80 条验收 Claim 上做了两个条件 × 两轮的对照核验，共 320 次真实 API 调用。

选择性回放估算能减少 31.25% 的调用，但加权覆盖下降 7.62 个百分点。权衡之后保留完整核验：这个项目的核心价值是证据可信，覆盖率不能拿来换成本。

当前状态

2026 年 8 月开始开发，仍在持续迭代。代码见 GitHub 仓库。