问题边界不断漂移
方向越查越大，真正要验证的对象、条件和判断标准始终说不清。
研究迟迟没有进展，往往是问题、证据与实验没有形成闭环
开放探索允许调整方向，但每一次调整都应该留下原因、依据与可以继续复核的过程记录。
研究核心问题
能否被证据回答？
文献很多，证据彼此失联
摘要和结论积累了不少，却没有形成支持研究判断的证据关系。
实验异常无法回溯
参数、环境与过程记录不完整，结果偏差出现后难以判断问题来源。
阶段结论缺少复核依据
图表已经形成，但从数据到判断的逻辑还不足以被别人理解和复现。
让问题、知识、实验与结论沿同一条证据链推进
云觅不替代研究者做判断，而是让每个判断更有依据、每次调整都能追溯、每份成果都经得起复核。
- 01DEFINE
把研究方向收敛成可验证的问题
从对象、变量、条件和预期判断入手，明确本阶段真正需要回答什么。
- 拆解研究关键词与概念边界，形成问题树和阶段假设
- 根据现有条件校准研究范围，避免题目宏大但无法验证
- 02GROUND
建立与问题对应的专业知识底座
围绕研究问题组织文献与已有证据，而不是只堆积搜索结果。
- 调用专业检索与 RAG 能力，梳理概念、方法和前沿进展
- 保留来源、引用关系与适用边界，不虚构文献和研究事实
- 03VERIFY
规划实验路径，并记录每次异常与调整
让方法选择、参数变化、实验过程和结果判断处在同一条记录链中。
- 结合研究条件形成实验或仿真方案、变量设置与判断门槛
- 阶段性复核数据质量，区分代码、环境、方法与样本带来的偏差
- 04SYNTHESIZE
沉淀可以继续复核的研究成果
把资料、过程、数据和结论组织成逻辑一致、可继续迭代的阶段版本。
- 同步整理研究记录、结果图表、阶段报告与论文材料
- 质量审核 Skill 配合人工导师检查逻辑、引用、格式与成果边界