可解释创新引擎：以方法为节点、支持可验证写回的双树Agent-RAG

检索增强生成（RAG）改善了事实依据，但大多数系统依赖扁平的分块检索，对多步综合的控制有限。我们提出可解释创新引擎（Explainable Innovation Engine），将知识单元从文本块升级为“方法即节点”（methods-as-nodes）。该引擎维护一棵加权方法溯源树以支持可追踪的推导，并维护一棵层次聚类抽象树以支持高效的自顶向下导航。在推理时，策略智能体选择显式综合算子（如归纳、演绎、类比），组合出新的方法节点，并记录可审计的轨迹。随后，验证-评分层剪除低质量候选，并将通过验证的节点写回，以支持持续生长。跨六个领域和多个骨干模型的专家评估显示，相较朴素基线取得一致提升，其中推导密集型设置的改进最大；消融实验证实了溯源回溯与剪枝的互补作用。这些结果表明了一条通向智能体RAG系统中可控、可解释、可验证创新的可行路径。代码发布于项目GitHub仓库：https://github.com/xiaolu-666113/Dual-Tree-Agent-RAG