Prompt-to-Paper：面向生物信息学的智能体AI系统

尽管LLM的最新进展使端到端自动手稿生成成为可能，既有系统存在三个关键缺陷：(i) 生成的论断没有确定性落地到可验证文献；(ii) 实验结果常被捏造而非真实执行；(iii) 缺乏标准化多维框架评估AI生成手稿是否达到真实发表所需的质量与严谨。我们提出Prompt-to-Paper：经三项集成创新直接弥补该评估缺口的多智能体框架。第一，带章节感知相关性与雪球引用扩展的确定性RAG管线——把每个论断落地到60–100篇论文的可验证语料。第二，自主编码智能体执行真实的计算生物学实验——以真实数值结果替代合成输出。第三，八维自动质量评分器——以已发表论文的近似参考统计为基准、加重显式幻觉惩罚——提供标准化可复现的质量评估。质量驱动的改进循环使用上下文丰富的修订者，把每次迭代路由到三种研究者动作之一，并每十轮触发一次深度研究循环——以更强输出重跑实验并重写手稿。我们在五个生物信息案例上验证：五例均编译出投稿格式PDF且零越界引用；改进循环使手稿质量在0–100分上平均提升17.96分（最高26.04）。作为部分外部检查，人类评审员给五份手稿平均7.0/10分。完整手稿产出成本约每篇0.31美元。