PARNESS：一种用于端到端自动化科学研究的论文工具，具有动态工作流程、全文索引和交叉运行知识积累

最近的自主研究系统——AI-Scientist、PaperOrchestra、AutoSOTA、DeepResearch、InternAgent、ResearchAgent 等——表明 LLM 代理可以构思、运行实验和撰写论文，但每个系统都在框架级别修复了特定的控制流形状（线性管道、状态机、单代理循环或固定配方技能包）。我们认为这种僵化有五个根源：（1）工作流程是动态的且特定于学科（实验室工作、调查、模拟、理论都以不同的方式循环）； （2）构思受到LLM上下文的限制，跨域构思需要单一上下文无法容纳的知识； （3）仅摘要的观点错过了论文正文，而全文的访问参差不齐，因此必须通过累积语料库来完成工作； (4) 一篇论文的开源存储库往往是其实验方案的唯一完整规范，但论文到代码的链接却被忽略了； (5) 没有工具能够将交叉运行知识可检索地保存到有限的 LLM 上下文中。我们推出 PARNESS，一个基于四个设计步骤的开源框架。 (i) 具有四字段代理契约的瘦 DAG 内核将调度与域语义解耦，因此任何学科的循环都可以表示为用户可编辑的 YAML。 (ii) 全文 PDF 解析和文献库子系统将论文正文、图形和表格作为键入对象进行索引，并具有优雅的仅摘要后备功能。 (iii) 论文、想法、实验和代码存储库的知识图谱索引，具有场景类型检索（相似/矛盾/跨域/反直觉），将重点切片呈现到每个 LLM 调用中。 (iv) 小型扩展表面允许任何现代 编码智能体（Claude Code、Cursor、Copilot、OpenCode）添加或替换任何模块。据我们所知，PARNESS 是第一个结合声明式管道、完整 PDF 和代码存储库索引以及交叉运行知识的开源系统。来源：https://github.com/gtrhythm/PARNESS