耿同学 agent

面向通信论文的自动复现与可信审查工具。它不是“论文真伪裁判”，而是把一篇通信论文拆成可追溯事实、可运行任务、任务级复现实验、图像证据对比和人工可读报告，帮助研究者更快判断复现结果是否支持论文结论，以及差异可能来自哪里。

当前项目生成与复现主线只使用 Codex CLI；OpenAI-compatible LLM 仅保留为前两阶段论文分析的显式兼容选项。 Case 工作流只接受 workflow_version: "2"。已有阶段产物但缺少有效 V2 marker 的目录不会被原地升级；请在新的干净 case 目录重建。

开发与验证默认在本机执行，使用本机已有的合适 Python 环境。远端同步、SSH 和远端验证不再是前置要求；tools/remote_* 仅保留作明确需要时的可选工具。执行约定见 AGENTS.md。

本轮通用复现整改的实现范围和实际验证记录见 实施计划 与 验证记录。

提示词与调用上下文的后续整改见 修改计划 和 本地回归及 21 次静态模型对照。后者明确区分科学判断、实际 token/缓存用量与完整论文复现的验证边界。

当前能力

• 解析 PDF/TXT/Markdown 论文，保留全文分块、页面图像和带 caption/page/bbox 的图候选索引，供 Codex 直接查证。
• 论文理解一次读取原文，同时产出工程事实和核心主张；分别保存 engineering_facts_initial.json、paper_thesis.json，组合缓存为 paper_understanding.json。
• 实验规划同时生成任务、验收导航和科学架构。主张在初次规划前已可用；无缺口路径只有理解、规划两次主要分析调用，JSON 修复与定向回补另计。
• 只有规划者明确选中的关键缺口才进入定向回补；理解角色按请求查证，规划者随后共同修订任务与架构。保留搜索台账、旧稿及信息不足，不再另调主张提炼、最终定稿或架构 Agent。
• scientific_acceptance 是有来源、稳定 ID 的审查导航；独立 Reporter 以原论文、实际实现与执行证据判断科研结论，程序不按文字相似度或统一倍率阈值重判。
• 联合计划保存为 experiment_plan.json，同时发布供下游使用的 repro_tasks.json 和可选 scientific_architecture.json。私有独立任务可以不单列架构；跨执行单元共享科学定义必须具备相应契约。
• scientific_architecture/1.1 由实验规划者按组件选择真实运行栈、设备策略、精度、训练/梯度/检查点能力和共享边界；类型与框架均不绑定通信领域或 PyTorch。宿主能力只决定“当前能否执行”，缺包、缺 GPU 或未启用的运行时会形成显式 capability gap，不能触发 NumPy/CPU/占位实现的静默降级。
• Task Designer 显式声明任务间的执行关系：strong 关系编译为同一个 execution unit、同一个 Codex Writer/sandbox/run；weak 关系保持独立 execution unit，只在跨 unit 时要求共享冻结的科学定义。逻辑任务始终保留独立验收与独立 Reporter。
• Foundation Writer 仅为确需跨 execution unit 一致的组件及其依赖生成共享 src/ 与契约测试，并形成按内容哈希冻结的 canonical snapshot；没有跨单元共享需求时直接跳过，任务私有实现保持可修改。
• 第三阶段按 execution unit 启动自治 writer：互不相关的 unit 并行，compound Writer 在一个沙箱内按依赖顺序完成所有成员任务，并为每个逻辑任务分别交付结果。
• 每个 writer 把论文明确事实和任务验收 ID 作为最高约束，只在论文未披露或确有歧义处作显式工程假设；它保留“运行—比较—修改—重跑”的自迭代，但只能根据 Reporter 指出的运行无效、核心结论失败或重大数值偏差重跑，且必须给出证据对应的因果修改计划。
• 主持人只做任务覆盖、证据路径和基础代码健康检查，不参与科学结论。
• 每个 writer 交付后立即启动对应的独立 Codex task reporter，按 criterion ID 核对论文与本地产物。Reporter 给出 reproduced、reproduced_with_assumptions、inconclusive_missing_information 或 not_reproduced；后两者是可报告终态，不会被当作流水线故障或逼迫 Writer 无限重跑。所有任务进入终态后默认调用已有的报告编辑智能体撰写报告。
• 固定生成主审查报告 review.md/docx、本地复现报告 reproduction_report.md/docx 和论文对比报告 result_review.md/docx；对比报告不附带 writer 迭代流水账。
• 提供极简 Web UI，可上传 PDF 或填写 PDF 链接并实时查看阶段进度。

工作流

论文 PDF/TXT/Markdown
  -> 文本分块、页面图；可选 MinerU 图定位
  -> 论文理解：工程事实 + 核心主张（同一调用、分开文件）
  -> 实验规划：任务 + 验收导航 + 科学架构（同一调用）
       -> 有阻塞缺口：理解角色定向查证 -> 原规划角色联合修订
          沿用字段搜索台账和最多三轮上限；搜索不足保留限制
       -> 无阻塞缺口：发布联合计划及下游文档
  -> 宿主编译 strong/weak 关系、实验索引，检查可执行依赖
  -> 确需跨执行单元共享时：Foundation 编写共享模块并冻结
  -> 每个执行单元的 Writer 实现论文并提交宿主观测的 full 结果
  -> 每个逻辑任务的独立 Reporter 查原文、代码及执行证据，给出科学结论与解释
       -> 有证据和因果修改方案：相应 Writer 迭代 -> 独立核验
       -> 无可验证的下一步：保留未复现、信息不足或工程故障终态
  -> 全部任务形成可报告终态：冻结与核验交付项目
  -> 已有报告编辑智能体撰写中文报告，按任务解释事实、假设、结果图与差距、人工核查建议
       -> 缺少报告文件时由同一编辑角色修复，Python 不补写报告正文
  -> 输出 review、reproduction_report、result_review 的 Markdown/Word 版本

科学结果与执行证据

最终任务稿按任务完整规格发布，可以撤销旧参数、假设和关系；此前稿件仍保存在 audit。独立 Reporter 保留任务清单之外的新反证，成功判断必须有实际本地证据。原始输出、源码与论文输入在审查前后核对完整性，最终报告附宿主生成的任务终态。

Writer 使用生成项目的 run_task.py --task <ID> --config <配置> --mode full 提交一次实际执行。宿主记录进程退出状态、可观测源码/配置/输入、运行环境和输出哈希；原生库加载的数据须在配置或 --input 中声明，smoke 不得作为 full 证据。每次开始前归档该任务旧输出，避免空运行继承旧 CSV。执行后新增数值产物不算本次运行证据；补画图片可用于排版，但科学判断仍需已观察的测量或源码证据。原始运行记录在 audit/execution_runs/，交付中的 execution_evidence.json 解释配置改名与文件搬移，不伪称组装后的文件曾重新执行。

科学子进程通过本机 codex sandbox 执行，只有任务输出、共享产物和运行缓存目录可写。该命令不调用模型，也不修改用户的全局配置；CLI 缺少所需沙箱能力时公开失败，不静默取消隔离。Python 读取与环境保护继续生效，Windows 当前后端不提供完整原生读取隔离。

Foundation 只冻结需要跨执行单元一致的共享组件与依赖。私有科学实现可由所属 Writer 修改；共享缺陷通过有论文证据的 foundation_revision_request.json 定点修订。共享训练产物必须有生产者和消费关系。缓存按执行单元的科学规格、相关组件与依赖版本判断；缺包、局部修订和一次无进展重试不再清空整个 case。

交付包附安装文件、已记录的依赖版本、任务配置和执行证据，并保留现有运行环境下的目录搬移检查。交付阶段不新建独立环境、不重新安装依赖或执行独立环境验证。科学未复现保留其真实终态。成本事件按调用保存并跨恢复累计；缺失的历史用量保持未知。

安装

要求 Python 3.11+。建议使用已经装好科学计算/GPU 依赖的环境。

git clone https://github.com/li6666-del/geng-agent.git
cd geng-agent

# 安装 CLI + 通信论文复现常用依赖
python -m pip install -e ".[repro]"

# 如需 Web UI
python -m pip install -e ".[repro,web]"

.[repro] 只是常见通信论文的便利预装资料包，包括 numpy、scipy、matplotlib、pandas、sympy、numba、torch、scikit-learn、galois、h5py 等；它不是包准入白名单。每个 case 复用宿主选定的共享 Python：解析器先对全部请求包做真实版本和 import 探测，只从登记的 HTTPS 来源补装未满足的二进制 wheel，并在 case 动态锁中逐项记录 host_runtime 或 trusted_index 来源。宿主随后执行 pip check 和真实科学能力探针；共享运行时的完整变更事务由宿主级互斥锁串行化。

安装后先自检：

python -m geng_agent doctor

doctor 会检查 Python 版本、运行本体依赖和常用复现资料包。只有 Python/编排器依赖缺失才阻断；论文特有库由 Case Resolver 在执行前补齐、锁定并验证，不会迫使架构设计师改用更弱实现。

可选 MinerU 图定位增强

MinerU 不安装进主项目或 torch 复现环境，建议使用独立 Conda 环境。它在 PDF 载入后、事实抽取前只运行一次，负责生成整图候选，不负责科学审查，也不直接决定最终子图边界。项目调用时关闭 MinerU 的公式和表格识别，只保留图定位所需的版面解析，避免为无关能力付出大段 CPU 时间。

conda create -n mineru python=3.11 -y
conda run -n mineru python -m pip install -U "mineru[all]"

# 按实际安装位置设置；命令也可以是带参数的完整命令行
setx GENG_MINERU_CMD "C:\Users\<you>\miniconda3\envs\mineru\Scripts\mineru.exe"
# 可选：指定 MinerU backend；未设置时使用 MinerU 默认值
setx GENG_MINERU_BACKEND "pipeline"
# 可选：把模型缓存放到空间更充足的磁盘；只传给 MinerU 子进程
setx GENG_MINERU_CACHE_ROOT "D:\geng-tools\mineru-cache"

MinerU 缺失、超时、非零退出或未识别到目标图时，流程不会失败：Task Reporter 继续使用完整论文与页面图定位，状态和回退原因记录在 audit/00_mineru/mineru_status.json。

论文目标图定位

系统会把原始论文文件、全论文页面图以及最终定稿的 engineering_facts.json、repro_tasks.json、execution_plan.json、experiment_index.json、v2 的 scientific_architecture.json、可选 paper_thesis.json 和 analysis_warnings.json 复制到每个 writer sandbox。确需共享科学层的 sandbox 安装同一份只读 Foundation snapshot。所有论文页面图直接随 Codex writer 会话发送，不再执行任务页筛选；任务相关事实摘要只用于文本导航，不构成信息边界。

每个 Writer 交付后，专属 Reporter 在独立上下文中对照原文、实际代码和宿主 full 收据，按 v3 协议提交科学结论、直接理由、比较条件与下一步动作。Reporter 判断语义等价、数值可比性、材料性与假设影响；宿主只校验交接身份、结构和证据文件，记录原判并调度，不按文字差异或通用十倍阈值重判。交接不完整由已有 Reporter 修复，修复仍失败则记录 review_incomplete；这不是论文信息不足，也不触发 Writer 重跑。所有任务到达可报告终态后生成三份最终报告。

对 PDF，系统优先把 MinerU 的整图候选连同 caption、页码和归一化 bbox 交给 task reporter。Reporter 可在候选父图内部标注目标子图，Python 再从原 PDF 确定性裁切；任一边界不确定时使用完整父图。图像不是全局必需产物：图类任务应有可读结果图或等价的 CSV、表格、summary、文本证据，无图任务和信息不足终态可直接用结构化证据成文。

每个 task reporter 都拥有独立工作区，绝不接收其他实验的本地产物或结论；最终编辑器没有科学裁决权。任务级或编辑器级进程失败会分别记录在对应 audit 状态中。

Codex 配置

默认全流程走 Codex CLI：

set GENG_CODEX_CMD=codex

最终报告默认使用已有的 Codex 报告编辑智能体（Report Editor）。旧 GENG_REPORT_MODE 选择开关已移除，Python 程序报告与模板补写路径已清理。Editor 沿用项目指定模型及推理强度；独立 Reporter 保留科学判断权。编辑失败或文件缺失时，只修复报告阶段，不重跑科学实验，不用程序文字伪装成智能体交付。

两份详细报告正文均使用简体中文，由同一个最终 Editor 撰写：

• result_review.md/docx：逐任务介绍复现目标与结论、核心事实和假设、本地结果图与原文结果图对照、仍存在的差距，以及具体的下一步人工核查建议。多图任务覆盖相关目标图，缺图明确说明，不能伪造原图或猜测配对。
• reproduction_report.md/docx：集中保存完整参数及来源、实现与配置、依赖环境、入口命令、运行与迭代摘要、产物和证据索引、交付限制等详细信息。
• review.md/docx：简短论文身份、任务结果摘要与两份报告的导航，不再重复大表。

程序只整理材料、按 Reporter 记录的哈希恢复图片、检查文件、保存智能体产物和转换 Word 格式；不插入终态正文，不进行语义匹配或替 Editor 判定表达。来源事实与 Writer 自述明确区分，人工核查建议标为未执行的建议。语言修订不改变科学判决，也不构成 Writer 重跑理由。

也可以按阶段覆盖：

set GENG_CODEX_ANALYSIS_CMD=codex
set GENG_CODEX_FOUNDATION_WRITER_CMD=codex
set GENG_CODEX_TASK_WRITER_CMD=codex
set GENG_CODEX_TASK_REPORTER_CMD=codex
set GENG_CODEX_REPORT_EDITOR_CMD=codex

项目启动的 Codex 子智能体默认使用 GPT-6（gpt-6-astra），推理强度统一为 medium，不跟随桌面 Codex 的全局默认配置。需要显式指定时可设置：

set GENG_CODEX_MODEL=gpt-6-astra
set GENG_CODEX_REASONING_EFFORT=medium

需要针对不同角色调整推理强度时，可分别覆盖：

set GENG_CODEX_ANALYSIS_REASONING_EFFORT=medium
set GENG_CODEX_FOUNDATION_WRITER_REASONING_EFFORT=medium
set GENG_CODEX_TASK_WRITER_REASONING_EFFORT=medium
set GENG_CODEX_TASK_REPORTER_REASONING_EFFORT=medium
set GENG_CODEX_REPORT_EDITOR_REASONING_EFFORT=medium

task writer 采用全任务并发：有多少复现任务就同时启动多少个 writer。每个 writer 在自己的 sandbox 内直接调用当前 Python，自行探测 CPU/GPU、选择 backend、声明依赖并运行 smoke/full；主持人不做资源排队或科学判断。项目不对 Codex 推理会话设置 wall-clock 上限；会话只在正常完成、明确失败或用户停止时结束。后续迭代只在材料性原因成立且有具体因果修改方案时启动。

Writer 必须先读取 repro_tasks.json 的 _meta.fact_gap_handoff，再从抽取事实、原论文 PDF、caption、正文、公式、表格和附录中补找缺失参数；前两阶段的未解决记录只是导航，不是停止依据。论文明确给出的数据、模型、公式、算法和实验协议不可为了贴图而改动；仍找不到的值或实现细节才允许成为可追踪、可调整的科学假设。对 Monte Carlo、批量矩阵运算和分钟级 CPU full，CUDA 可用时应优先实现真实 Torch CUDA 计算路径；仅调用 backend selector 或在报告中写 GPU 名称不算使用 GPU。

Writer 实现论文并提交 full 结果，Reporter 决定科学结论和是否需要继续。再次执行需要 invalid_run、core_conclusion_failed 或 material_numeric_discrepancy，以及论文和本地证据、受影响观察 ID、具体因果修改及预期效果。key_numeric_ratio_ge_10 仅保留为旧接口名称，不再代表宿主阈值规则。样式、裁图、交接和通信问题不重跑科学实验。没有有据可查的下一步修改时，保留未复现或信息不足等终态。

恢复缓存采用内容寻址：论文 PDF 内容、最终任务契约、相关输入、schema、prompt 与宿主策略版本任一变化都会使对应缓存失效。同一路径替换 PDF 不会复用旧解析；旧 case 无迁移兼容承诺。

旧 LLM analysis 兼容路径必须显式开启：

python -m geng_agent review paper.pdf --out case_001 --analysis-backend llm

并配置 OpenAI-compatible API：

set GENG_LLM_API_KEY=...
set GENG_LLM_BASE_URL=https://api.openai.com/v1
set GENG_LLM_MODEL=...

CLI 使用

case 产物默认集中到 %USERPROFILE%\Desktop\耿同学agent_cases。因此 --out case_001、 status case_001 和 benchmark case_001 ... 中的相对名称都会从该目录解析，不会再在源码仓库根目录 创建运行产物。需要临时改位置时设置 GENG_CASES_ROOT；显式绝对路径仍会按原样使用。

只生成审查包和复现项目，不运行复现实验：

python -m geng_agent review paper.pdf --out case_001

运行完整复现流程：

python -m geng_agent review paper.pdf --out case_001 --run-repro

只运行任务驱动的前两阶段，不启动任何 writer 或 reporter：

python -m geng_agent review paper.pdf --out case_analysis --analysis-only

常用参数：

--analysis-backend codex     前两阶段 backend，默认 codex；llm 为旧兼容路径
--analysis-only              只生成最终事实、最终任务、论文主张和实验索引
--mineru-timeout 1800        MinerU 单篇预解析超时；超时后自动回退页面图定位
--run-timeout 120            单次任务运行超时
--no-resume                  不复用已有阶段产物，从头运行

Analysis、Foundation/Task Writer、Task Reporter 和 Report Editor 的 Codex 推理会话均不设项目内运行时长上限。上面的 --mineru-timeout 与 --run-timeout 约束的是非 Codex 子流程。

检查已有 case 的阶段状态：

python -m geng_agent status case_001

离线汇总多个 case：

python -m geng_agent benchmark case_001 case_002 --out benchmark_report

Web UI

安装 web extra 后启动，前端静态文件已经随 Python 包提供。Windows 日常运行建议使用持久启动脚本，它会把服务放到独立后台进程，不继承调用终端或自动化工具的执行时限：

.\start-web.ps1

geng-agent-web 仍可用于前台调试。Web 服务和本地 Celery 作业均不设置固定 hard/soft time limit；持久启动日志及 PID 写入 GENG_CASES_ROOT\.web\。

浏览器打开：

http://127.0.0.1:8765

Web UI 支持上传 PDF、管理案例、查看五个当前主流程阶段、接收 SSE 实时事件、预览阶段产物并导出 ZIP。运行期间每 10 秒增量更新一次产物索引，每个步骤或阶段完成时也会立即同步；任务失败、取消或重试前仍会保留并展示已经落盘的阶段产物。第三阶段只索引 writer 的结果图、CSV、summary、自审结果及 task reporter 的目标裁图和核验结果，不索引大体积 transcript 与重复论文页。五个阶段对应“论文解构、复现设计、任务级复现、报告编排、交付物生成”，不再依赖旧流水线的私有方法名。

本地默认使用 SQLite 和进程内 Celery eager worker；数据库位于 case 根目录下的 geng_web.db。生产部署可通过以下环境变量切换 PostgreSQL、Redis 和外部 Celery worker：

GENG_CASES_ROOT         case 根目录；默认 %USERPROFILE%\Desktop\耿同学agent_cases
GENG_DATABASE_URL       SQLAlchemy 数据库地址
GENG_REDIS_URL          Redis/Celery 地址
GENG_CELERY_EAGER       1 表示本地进程内执行
GENG_ENABLE_URL_IMPORT  1 表示允许受 SSRF 防护的 PDF URL 导入 API

当前 Web 尚未实现登录和租户隔离，默认只应通过 127.0.0.1 本机访问；不要把服务直接绑定到公网地址。

取消操作采用安全边界协作停止：已经启动的单次外部调用不会被粗暴截断，但进入下一阶段前会停止。Web worker 不额外设置固定科学迭代墙钟上限。为避免案例页一次加载近千个页面图和 transcript，audit/ 完整保留在磁盘但不进入默认 Web 产物索引；报告、复现代码、结果图、CSV 和顶层证据文件仍可浏览和导出。

输出目录

以下结构默认位于 %USERPROFILE%\Desktop\耿同学agent_cases\case_001，而不是源码仓库内：

一次运行会生成类似结构：

case_001/
  workflow.json
  paper_chunks.json
  paper_figure_index.json
  engineering_facts_initial.json
  repro_tasks_preliminary.json
  engineering_facts_backfill.json
  engineering_facts.json
  analysis_warnings.json
  fact_conflicts.json
  repro_tasks.json
  task_conflicts.json
  experiment_index.json
  paper_thesis.json
  paper_understanding.json
  experiment_plan.json
  scientific_architecture.json
  foundation_manifest.json
  repro_project_manifest.json
  runtime_result.json
  report_assets/
  reproduction_report.md
  reproduction_report.docx
  automation_provenance.json
  risk_report.json
  review.md
  review.docx
  result_review.md
  result_review.docx
  audit/
    00_mineru/
    01_*.md/json/txt
    02_*.md/json/txt
    03b_foundation_snapshot/
    03c_task_writer_sandboxes/
    03c_task_writers_*.json
    04_reporter_*.json/md/txt
    04_reporter_workspace/
  repro_project/
    README.md
    requirements.txt
    execution_plan.json
    artifact_lineage.json
    environment.lock.json
    reproducibility_manifest.json
    source_inventory.json
    tasks_manifest.json
    configs/
    execution_units/
    src/
    tasks/
    tests/
    outputs/

其中：

• review.md/docx：主报告，概述事实、任务、运行、风险和结果审查状态。
• reproduction_report.md/docx：逐任务记录本地代码实际采用的关键参数、随机种子、后端、统计设置和显式假设。
• result_review.md/docx：逐任务展示可用的本地复现图、论文原图或等价结构化证据，并给出 criterion 级终态、原因与不确定性；不包含 writer 自我迭代附录。
• verification_result.json：Reporter 原始科学结论、直接理由和独立的工程状态；review_incomplete 表示审查交接或证据未完成，inconclusive_missing_information 表示 Reporter 判断缺少决定性的论文信息。
• runtime_result.json：执行摘要、产物汇总和最终独立验收状态；所有任务进入终态即可报告，只有全部成功复现才计为 matched。
• analysis_warnings.json：前两阶段来源、引用、证据契约和缺失字段的非阻断诊断，供 Writer 继续核对全文。
• risk_report.json：可复现性风险、缺失信息、前两阶段兜底、运行异常和审计摘要。
• audit/：Codex prompt、stdout/stderr、JSON 校验、运行日志、图片证据等完整审计链。

第三阶段任务级 writer 自治循环

每个 execution-unit Writer 只拥有自己的 sandbox。singleton Writer 负责一个逻辑任务；compound Writer 负责一组不可科学拆分的任务，并共享同一次运行的状态、数据划分、随机实现或生产者产物。它必须：

1. 阅读任务事实、论文证据、execution_unit.json 和每个成员的 scientific_acceptance 契约，生成该 unit 的复现代码与配置。
2. 自行探测硬件并选择 CPU/GPU、并行度、批量大小和依赖。
3. 在 --run-repro 开启时按 execution plan 的依赖顺序运行 smoke/full；共享数据、检查点和状态写入稳定的 unit 命名空间。
4. 先核验论文明确的数据、模型、公式、核心算法和实验协议，再按稳定 ID 对照核心结论和关键数值目标。
5. 只在论文未披露或确有歧义处提出显式合理假设；三类材料性原因之一成立且存在具体因果修正方向时修改并重跑，其他差异只记录。
6. 有可审查的 full 结果后交付 ready_for_review，由 Reporter 结合原文、指标尺度与统计不确定性决定科学结论。Writer 不输出最终 matched，也不凭通用倍率门槛调参至通过。

主持人同时启动所有 execution-unit Writers。每个逻辑任务仍有且仅有一个 task reporter；compound unit 中任一 Reporter 指出共享科学的材料性缺陷时，整个 unit 才在原 sandbox 中作一次有因果依据的续跑，其余 unit 不受影响。所有任务进入终态后，宿主冻结包含源码、配置、数据/检查点、环境锁、artifact lineage 和 source inventory 的便携项目，再由已有的最终 Editor 撰写中文报告：结果对比报告集中介绍核心事实、假设、成对结果图、差距和人工核查建议，运行与追溯细节放入本地复现报告。

安全边界

• 生成代码、论文文本、日志、stdout/stderr 和图片内容都按不可信输入处理。
• Python 包不使用静态准入白名单。Writer 只能提交普通 PEP 508 依赖请求，不能提供 URL、索引或安装参数；宿主对已有包做真实探测，只从登记的 HTTPS 来源补齐缺失 wheel。动态锁同时绑定宿主运行时 provenance、请求包的版本/import 结果，以及新安装 artifact 的 SHA-256；Writer 不得自行运行安装器。
• 静态扫描会检查高风险文件操作、系统命令、网络行为等。
• 每个 writer 使用独立 sandbox 隔离任务文件；运行权限和资源决策由 writer 自己负责。
• 主持人会确定性清理 Python BOM；静态扫描发现语法错误时 runtime 不得显示通过。
• matched 要求 Reporter 明确给出 reproduced 或 reproduced_with_assumptions，且宿主检查执行证据有效、交接完整。数值差异、符号、对数尺度、概率边界与统计波动由 Reporter 按论文主张解释；没有统一的十倍通过规则。

项目定位

耿同学 agent 的目标是提供忠于论文证据并能检验核心观点的复现结果，不是替代人工科研判断。matched 只表示Reporter 认可相应科学结论且宿主执行证据有效；inconclusive_missing_information 与 not_reproduced 则如实保留信息不足或忠实失败的科学结果。任何终态都不表示恢复了作者未公开代码。

实际运行问题整改（2026-09-08）

整改计划记录职责、改动与验证范围。IPC 使用短临时文件和 Windows 长路径 I/O；客户端可从匹配请求状态接收原始收据，通信失败不会覆盖实验成功。最终冻结保留依赖闭包，仅复用运行相关文件身份一致的环境验证。报告固定展示科学判决理由和工程状态，本地图不依赖论文裁图交付；未被 Reporter 选取的图片标为展示附件，不增加科学证据。Foundation 优先读取共享组件上下文，完整原文与架构按需读取；CLI 在 stderr 输出阶段进度，run_cost 分列阶段模型用量及收据执行耗时。