研究分享

劳工史

英国矿工

能源政治

保供

外包

社会史

从 1947 年煤矿国有化、1972 年萨尔特利大门、1984 年奥格里夫到 2015 年深井关闭，重读英国矿工、能源安全与劳动外包的历史。

保供、罢工与被外包的矿工：英国矿工曾让国家停摆，后来他们如何被外包掉

一、旗子升上去了，可人还要下井

二、萨尔特利大门之战：煤矿工人如何让国家停摆

三、北海在远处发光：国家如何绕开矿工保供

四、从矿工到承包工：被拆碎的劳动共同体

五、矿井必须有出口，工人也必须有出口

图像附录：矿区共同体的日常与余波

书评

民间信仰

性别研究

宗教史

从康笑菲《狐仙崇拜》出发，理解狐仙如何记录贫困、性别、民间信仰与地方治理之间的暧昧关系。

狐仙、贫家破屋与官印：一部被妖魅保存的民间史

一、两个故事：祭祖桌旁的白狐，县衙瓶中的盗户

二、贫家破屋中的神：狐仙崇拜的社会史土壤

三、使用狐仙：女性、边缘与危险的庇护

危险的庇护：狐女、流民与叛乱想象

四、守印大仙？官方的挪用与民间的再造

毁庙杀狐：正史里的「淫祀遂息」

狐祖师的申诉：妖魅的情、理、法

五、转运的渴望：为什么边缘之神仍受崇敬


> 主题：拆解 MIT「论文工厂」的架构与提示词设计
> 形式：多图卡片 carousel（封面 + 9 张知识卡 + 收尾卡）
> 受众：科研 / 学术向　｜　语气：专业干货
> 用法：每个「卡片 N」对应一张图；末尾的「正文 caption / 标签 / 配图建议」用于发布时填写。

---

## 🖼 封面卡

**主标题：** MIT 把「写论文」做成了流水线

**副标题：** 一个能自动写社科论文的多智能体系统，拆解它的架构 × 提示词

**角标：** 第 4 期 · 干货拆解

**底部钩子：** 16 步 · 几十个 agent · 两道质量闸——它凭什么不胡说？

---

## 卡片 1 ｜先认识「论文工厂」

MIT Sloan 的 Nathan Wilmers 做的系统：丢进「一个研究问题 + 一份数据」，自动产出一篇完整的实证论文（跑统计 + 出 PDF）。

- 16 步流水线，每步由一个独立 AI agent 完成
- 中途还设了「批判者」「审计员」「质量闸」

真正值钱的不是"它能写论文"，而是它**用工程手段逼 AI 严谨**的那套设计。
这期拆一半架构、一半提示词。

---

## 卡片 2 ｜架构①：文件即状态机

**▍每步都「失忆」，整体却可控**

它不靠一个超长对话攒记忆，而是每一步都开一个**全新 agent**，彼此只通过磁盘文件交接。进度靠"扫描哪些产物文件已存在"反推。

→ 天然可中断、可续跑、可审计
→ 逼着每步产出落盘的硬成果，而不是只给"一个计划"

出处：*"Run each step with a fresh agent context." / "Never stop at a plan or scaffold…"*

【迁移】长任务别塞进一个长会话；把状态外置成文件，让每步幂等、可单独重跑。

---

## 卡片 3 ｜架构②：发散 → 收敛

**▍并行多个候选，再「只选一个」**

找发现这一步，它**同时跑 6 路独立候选**，每路只做一个聚焦小结果；然后一个 decider **只挑 1 个**，并明令"不许合并、不许综合"。

为什么：把多个 AI 产出"平均 / 缝合"，会得到没有立场的浆糊。独立发散 + 显式选择，才能保住锋利度。

出处：*"Do not synthesize. Do not merge packages. Pick one."*

【迁移】开放式生成 = 多个独立候选 + 一个选择步，别指望一个 agent 一次到位。

---

## 卡片 4 ｜架构③：生成者 / 批判者 分离

**▍每个「作者」都配一个「审稿人」**

每个产出 agent 都配一个**上下文独立、立场对立**的 critic。批判者的任务被刻意收窄：

- 只问"有没有**立刻致命**的硬伤"
- 但"别因常规局限就毙"

为什么：作者很难审判自己；换个对抗性新上下文，专抓"夸大其词 / 机械性假象"。

出处：*"Does this package have an immediate fatal empirical flaw…?"* ＋ *"Do not reject … merely because it has normal limitations."*

【迁移】重要产出都配独立验证者，并给它一个**狭窄、对抗性**的任务。

---

## 卡片 5 ｜架构④：质量闸 + 问题账本

**▍「数字对了」也不算通过**

两道闸职责不同：
- Gate 1：只查"代码能否复现论文里的数字"
- Gate 2：查"数字到底支不支持这个论断"

再加一张只增不删的问题账本 `audit_issue_ledger.md` 当跨步记忆：blocking 未清 → 过不了闸，且**禁止静默删除**。专治"问题在后续步骤里凭空消失"。

出处：*"Matching numbers is necessary but not sufficient for a pass."*

【迁移】每步输出一行机器可读判决（`VERDICT: …`）交给代码编排；建一份只增不删的问题日志。

---

## 卡片 6 ｜提示词①：防偷懒 / 反走捷径

**▍用条款，把 AI 的惰性按住**

它在 prompt 里直接写死：别因为某个设计跑得快就选它；强设计慢，就去解决运行问题，而不是换一个弱设计。还有一条："别停在计划或脚手架上——这一步要的是落盘的具体产物。"

出处：*"Do not choose a weaker design just because it runs faster… keep the design and solve the runtime problem."*

【可直接抄】在 prompt 里**显式禁止**"用计划代替执行""挑好做的弱方案"。

---

## 卡片 7 ｜提示词②：把「嗅探」编码成清单

**▍让 AI 像审稿人一样查伪结果**

审计 prompt 直接列出"伪结果套路"清单：共享分母的比例回归、残差 / 补集变量、sum-to-one 恒等、room-to-move 梯度、对结果取样……并给默认严重度：

> 凡核心论断靠共享分母比例回归的，**默认记为 Concern**。

出处：*"If a central claim relies on a shared-denominator share regression … treat that as a default Concern."*

【可直接抄】把你领域里"老手一眼能看出的坑"，写成显式 checklist 塞进 prompt。

---

## 卡片 8 ｜提示词③：语气绑死证据强度

**▍不许 overclaim，也不许编**

- 识别失败就强制改口：因果设计没过 pre-trend，就**必须**用 *suggestive / consistent with*，不许用 *causes*
- 防幻觉护栏：**绝不编造例子或引用**，每个例子必须来自真实可引用来源；只用确信真实存在的文献；每个数字对着表格**核两遍**

出处：*"you MUST use hedged language … rather than causal language."* ＋ *"Never fabricate examples… must come from a real, citable source."*

【可直接抄】把"措辞强度 ↔ 证据强度"写成硬规则；在最易编造处（例子 / 引用 / 数字）下死约束 + 自动校验。

---

## 卡片 9 ｜提示词④：去机器人味负向清单

**▍专门写一步，把「AI 味」擦掉**

它有一整支 prompt 列出要删的 AI 痕迹：em dash、加粗斜体、"It's not X, it's Y"、"This suggests that"、单句成段、冒号列举、套路化主题句、滥用 *robust / striking / nuanced / landscape*……

反讽也正是精髓：要让 LLM 不像 LLM，得靠**逐条契约**把它的默认倾向纠正回来。

【可直接抄】把"AI 腔"列成负向清单，作为最后一道润色 prompt。

---

## 收尾卡 ｜一句话总结

这套系统真正的护城河，不是"会写论文"，而是把**科研的严谨性，翻译成了可执行的工程约束**：

状态外置 · 发散收敛 · 生成-批判分离 · 质量闸 · 问题账本 · 语气绑证据。

收藏这期，下次搭你自己的 AI 工作流能直接套。
关注我，第 5 期继续拆。

---

## 📝 正文 caption（发布时贴在帖子下方）

MIT 有位教授把"写一篇社科论文"拆成了 16 步流水线，几十个 AI agent 接力，中间还有批判者、审计员和两道质量闸。

我扒了它的提示词和架构，挑出对科研 / 做 AI 工作流最有用的 9 个设计：从"文件即状态机""发散再收敛"，到"数字对了也不算通过""把审稿人的嗅觉写成 checklist""语气必须绑死证据强度"……每条都配了原文出处，能直接抄进自己的 prompt。

这是拆解系列第 4 期。你正在搭自己的多智能体 / AI 写作流程吗？评论区聊聊卡在哪一步。

---

## 🏷 标签

#AIagent #提示词工程 #prompt #多智能体 #科研工具 #AI写作 #学术科研 #大模型 #AI干货 #MIT

---

## 🎨 配图 / 排版建议

- **封面**：深色底 + 大字标题「MIT 把写论文做成了流水线」，右上角小角标「第 4 期」，底部一行钩子问句。
- **内页**：统一模板。左上角卡号 ①②③…，一行卡片标题 + 3–4 条短句；英文出处用等宽小字单独一行，做"证据感"。
- **配色**：克制、偏科研感——黑 / 白 + 一个强调色（建议蓝或品红），全程只用这一个强调色。
- **节奏**：架构 4 张用一种强调色，提示词 4 张换另一种，帮读者区分两大板块。


Claude

小红书

Prompt 工程

多智能体

AI 写作

一组面向小红书多图卡片的论文工厂拆解文案，概括多智能体论文流水线的架构与提示词设计。

MIT 把写论文做成了流水线：论文工厂卡片文案

卡片 2 ｜架构①：文件即状态机

卡片 3 ｜架构②：发散 → 收敛

卡片 4 ｜架构③：生成者 / 批判者 分离

卡片 5 ｜架构④：质量闸 + 问题账本

卡片 6 ｜提示词①：防偷懒 / 反走捷径

卡片 7 ｜提示词②：把「嗅探」编码成清单

卡片 8 ｜提示词③：语气绑死证据强度

卡片 9 ｜提示词④：去机器人味负向清单

📝 正文 caption（发布时贴在帖子下方）


> 学习笔记 · 拆解 Nathan Wilmers (MIT Sloan) 的 `local_factory`
> 目的：搞懂这套"自动写论文"的多智能体系统**为什么这样设计**，以及 prompt 里哪些写法可以搬到你自己的项目。
> 所有引文均摘自仓库里 `prompts/*.txt`、`STEPS.md` 原文。

---

## 0. 一页速览：7 个核心思想

1. **无状态编排，文件即状态机** —— 每步开全新 agent，步骤之间只靠磁盘文件交接；进度靠"扫哪些文件存在"反推。
2. **发散→收敛，绝不平均** —— 并行跑多个独立候选，再**选一个**，明令"不许合并/不许综合"。
3. **生成者 / 批判者 角色分离** —— 每个产出 agent 都配一个上下文独立、立场对立的 critic / auditor。
4. **质量闸 + 机器可读判决** —— 每步顶端输出 `VERDICT: …` / `GATE1: …` 单行 token，让编排脚本据此分支、回退、终止。
5. **持久化问题账本** —— 一张 append-only 的 `audit_issue_ledger.md` 当跨步记忆，blocking 没清就过不了闸，禁止"问题凭空消失"。
6. **逐级收窄的权威文档 + 明确的"弃用"清单** —— 每阶段指定唯一真理源；"哪些结论要丢"和"哪些要留"一样被强制执行。
7. **把语气绑死在证据强度上** —— 识别失败就强制改用 hedged 措辞；机械性结果不许单独充当确认证据。

---

## 1. 架构层：6 个系统设计决策

### 1.1 无状态编排，文件即状态机
**怎么做**：`run_paper.sh` 不维护数据库，而是检查项目目录里哪些产物文件已存在（`codex_research.md`? `findings_brief.md`? `final_review.md`?），据此推断"上一步做到哪"。每一步都开一个**全新 agent 上下文**，互不共享记忆，全部沟通走文件。

**真实证据**：`STEPS.md` 通用规则——
> "Run each step with a fresh agent context." / "Never stop at a plan or scaffold if the step requires concrete outputs on disk." / "Update `checkpoint.md` after every verified step."

**为什么**：长任务塞进一个超长上下文会"失忆"且不可调试。把状态外置到文件后，整条流水线天然**可中断、可 resume、可审计**；每步被逼着产出落盘的硬产物，而不是只给一个"计划"。

**你能借鉴**：做长链 agent 任务时，别依赖单一长会话——把中间状态写成文件，让每步幂等、可单独重跑；用"产物是否存在"而不是内存变量来表示进度。

---

### 1.2 发散→收敛，不做平均
**怎么做**：Step 2 并行跑 **6 路**独立 findings 候选，每路只做"一个聚焦的小包"；Step 3 的 decider **只选 1 个**；Step 4 又是 5 个架构师各提一篇、再选 1 篇。

**真实证据**：`step3_decider.txt` 开篇——
> "You are selecting one validated findings package to carry forward into the paper. **Do not synthesize. Do not merge packages. Pick one.**"

`step2_findings_agent.txt`：
> "Your job is not to map the whole project. … surface **one** focused, paper-worthy empirical package."

**为什么**：把多个 LLM 产出"平均/缝合"会得到一锅没有立场的浆糊。让多个 agent **各自独立**做一个有锋芒的版本，再用一个选择步挑出最强的连贯方案，能保住"锋利度"和内部一致性。

**你能借鉴**：开放式生成别指望"一个 agent 一次到位"，也别盲目 merge——**采样多个独立候选 + 一个显式的选择/裁决步**，质量远胜于让单 agent 大包大揽。

---

### 1.3 生成者 / 批判者 角色分离
**怎么做**：每个"产出"角色都配一个上下文独立、目标对立的"审查"角色：findings agent ↔ findings **critic**；architect ↔ architecture **review**；外加 data **auditor**、methods **auditor**。critic 的任务被刻意收窄成"有没有**立刻致命**的硬伤"，而不是"够不够完美"。

**真实证据**：`step2_findings_critic.txt`——
> "Your question is narrow: Does this package have an immediate fatal empirical flaw…?" 同时又写明 "**Do not reject a package merely because it has normal limitations.**"

**为什么**：生成者很难可靠地审判自己。换一个**全新上下文 + 对抗性指令**的 agent，专门抓"夸大其词""机械性假象"，比让作者自查有效得多。这是"生产"与"裁判"的职责分离。

**你能借鉴**：凡是重要产出，都配一个独立验证者；并且**给验证者一个狭窄、明确的对抗性任务**，而不是泛泛的"看看有没有问题"。

---

### 1.4 质量闸 + 机器可读判决
**怎么做**：关键步骤在文件**最顶端**输出一行可被 `grep` 的判决 token，编排脚本据此分支：
- 可行性闸：`VERDICT: PASS` / `VERDICT: KILL`
- findings 批判：`VERDICT: VALIDATED` / `VERDICT: REVISE`
- Gate 1（复现/数字）：`GATE1: PASS` / `GATE1: REOPEN_ANALYSIS`
- Gate 2（估计量/论断）：`VERDICT: PASS_WITH_DIRECT_FIXES` / `REOPEN_STEP10_TEXT` / `REOPEN_STEP10_ANALYSIS`

两道闸**职责不同**：Gate 1 只管"代码能不能复现出论文里的数字"，Gate 2 管"这个数字到底支不支持论断"。

**真实证据**：`step8_code_review.txt`——
> "You are NOT the final authority on estimand validity just because the numbers match; unresolved conceptual risks must remain open for Gate 2."

`step11_final_review.txt`——
> "**Matching numbers is necessary but not sufficient for a pass.**"

而 Step 1D 那道早期 KILL 闸是**故意宽松**的（"deliberately WEAK viability screen"），只为在烧掉整条昂贵流水线之前，廉价地砍掉根本不可行的题。

**你能借鉴**：让 agent 输出**单一、可解析的决策 token**，把编排逻辑交给代码；把"廉价的早期否决"和"昂贵的后期校验"分成不同的闸；允许后置检查把任务**打回**指定的前置步骤。

---

### 1.5 持久化问题账本（跨步记忆）
**怎么做**：从 Step 4 起维护一张 Markdown 表 `audit_issue_ledger.md`，列固定为：
`Issue ID | First Raised In | Category | Severity | Blocking Until | Status | Notes`。
后续每个审查/修订/终审步都**就地更新状态**，并且：

**真实证据**：`step4_auditor.txt` / `step11_final_review.txt` 反复强调——
> "**Do not delete old rows.**" / "Do not silently delete rows." / 终审"do NOT issue PASS … while `audit_issue_ledger.md` still contains unresolved `BLOCKING` rows, or while a major conceptual issue … has disappeared from later review documents without an explicit resolution."

每个问题还带 `Blocking Until = Step10/Step11`，指明必须在哪一步前清掉。

**为什么**：在"每步都失忆"的架构里，关切很容易蒸发。这本账本就是**显式的跨步记忆**，专治"问题洗白"（issue laundering）——某个隐患在后续步骤里悄悄不见了。

**你能借鉴**：多 agent 协作时，建一份 **append-only 的问题日志**，带严重度 + 解决状态 + "拦截到哪一步"；**禁止静默删除**，让"未解决的 blocking"成为硬性卡点。

---

### 1.6 逐级收窄的权威文档 + 明确的"弃用"清单
**怎么做**：每阶段都指定**唯一真理源**（`findings_brief.md` 全程被改写并继承；`argument_decision.md` 的 paper map 是写作 agent 必须遵循的蓝图）。同样关键的是：**显式声明"哪些结论要丢"**，并强制它们不得复活。

**真实证据**：`step4_architect.txt` 的 "DISCARD DISCIPLINE"——
> "Anything you place in `Findings to Discard` will be treated by later steps as **presumptively excluded**, especially from the Introduction, Discussion, and Conclusion."

`step7_paper_writer.txt`：`dropped_findings.md` 里被 ban 的结论默认不许出现在 Intro/Discussion/Conclusion，除非后续步骤显式放行。

**为什么**：多 agent 接力最容易**范围蔓延**和"僵尸结论复活"（某个诱人但站不住的结果在后文又冒出来）。把"出局名单"做成和"入选名单"一样硬的契约，能锁死论文的焦点。

**你能借鉴**：每个阶段指定一个 canonical 文档；并且把**"明确排除什么"写得和"包含什么"一样强制**——负空间也要管理。

---

## 2. Prompt 层：13 个可复用手法

| # | 手法 | 真实摘录 / 形式 | 为什么有用 |
|---|------|----------------|-----------|
| 1 | **角色 + 受众设定** | "You are the **editor of a top economics/sociology journal** deciding which version of a paper to develop." | 用身份和发表标准一次性校准 agent 的水准与口吻。 |
| 2 | **强制先读、列清输入** | 几乎每支 prompt 开头都是 "Read ALL of the following before writing anything:" + 精确文件名（含 "…if it exists"）。 | 消除"用什么上下文"的歧义，也是文件状态机能运转的前提。 |
| 3 | **严格输出契约** | 指定输出文件名、**精确的 `## 小节标题**、判决行格式、甚至 LaTeX 骨架与各节字数。 | agent 填模板而非自创结构 → 下游和脚本能稳定解析。 |
| 4 | **防偷懒 / 防走捷径条款** | "Never stop at a plan or scaffold…"；"**Do not choose a weaker design just because it runs faster** … keep the design and solve the runtime problem." | 直接对冲 LLM"给计划代替干活""挑好跑的弱设计"的倾向。 |
| 5 | **判决标准 + 宽/严校准** | 可行性闸："deliberately WEAK … **Do NOT kill because of** likely null effects…"；critic 给出"算致命硬伤"的清单**和**"别因常规局限就毙"。 | 同时防"过度否决"和"橡皮图章"，把"标准线"画死。 |
| 6 | **注入领域失败模式清单** | auditor 列举伪结果套路：shared denominators、derived residual/complement、sum-to-one、room-to-move、asymmetric base rates、selection on outcome… | 把专家的"嗅探直觉"编码成显式 checklist，让 agent 像方法论审稿人一样查。 |
| 7 | **默认严重度规则** | "If a central claim relies on a shared-denominator share regression … **treat that as a default `Concern`**." | 给模糊判断一个保守默认值，减少漏报。 |
| 8 | **防幻觉护栏** | "**Never fabricate examples, quotes, vignettes** … must come from a real, citable source"；"Use ONLY references you are confident actually exist"；"If a citation looks wrong, drop it." | 在最容易编造的地方（例子、引用、数字）下硬约束。 |
| 9 | **数字双重核对 + 自动脚本** | "Every number you report … must be checked **TWICE** against the actual tables"；外加 `verify_numbers.py` 自动比对论文数字 vs 日志。 | 人/agent 核对 + 机器交叉验证，双保险抓数字错配。 |
| 10 | **语气绑定证据强度** | "If a causal design failed its pre-trend … you **MUST use hedged language** ('suggestive', 'consistent with') rather than causal language." | 让措辞无法超出识别强度去 overclaim。 |
| 11 | **风格用范例而非形容词** | `model_papers_style.json` 编码 17 篇范文的 tone、段落结构、**theory:empirics 比例**、distinctive_features、avoids、quality_markers，让写手 emulate。 | 具体范例 >>「写好一点」这种空指令。 |
| 12 | **去机器人味的负向清单** | step15 列出要删的 AI 痕迹：em dash、加粗/斜体、"It's not X, it's Y"、"This suggests that"、单句成段、冒号列举、套路化主题句、滥用 robust/stark/striking/nuanced/landscape/underscore。 | 一份可直接复用的"让文本不像 LLM 写的"rubric。 |
| 13 | **就地修复 + 最小改动 + 兜底模型** | 闸口 agent"能直接修的就修，但 **Limit direct edits to the smallest span**，Freeze Introduction…"；编排上 `codex … || claude` 兜底、闸口 `codex_then_claude` 双模型互查。 | 防止"审查者大改一通引入新错误"；跨模型交叉校验。 |

---

## 3. 解剖一支 prompt：`step2_findings_critic`（麻雀虽小五脏俱全）

按出现顺序，它把上面多条手法压进了 ~50 行：

1. **角色 + 范围**："You are the critical empirical assessor for **one** candidate findings package … decide whether this package survives an **immediate** methods-first challenge, not whether it is perfect." → 角色设定 + 把任务收窄。
2. **强制读取清单**：列出 memo、所有 `do/`、`logs/`、`tables/`、`figures/`。→ 锁定上下文。
3. **单一核心问题**："Does this package have an immediate fatal empirical flaw…?" → 一个 agent 只回答一件事。
4. **致命硬伤清单**：memo 夸大、机械性结果（shared denominators / 残差补集）、样本/处理支撑过薄、靠过度解读才有趣。→ 注入失败模式。
5. **防过度否决条款**："Do not reject … merely because it has normal limitations." → 校准严格度。
6. **输出契约 + 判决行**：固定 `## Overall Verdict` 顶部写 `VERDICT: VALIDATED` 或 `VERDICT: REVISE`，后接 Core Claim Audit / Fatal Flaws / Required Revisions / Contribution Calibration。→ 机器可读 + 可被生成者下一轮直接执行。

**可迁移骨架**（把它当模板）：
```
你是【角色】，只负责【一个狭窄判断】，不负责【它不该做的事】。
先读以下文件：【精确清单】。
你的唯一问题是：【一句话的判断目标】。
视为致命的情形：【显式失败模式清单】。
不要因为【常规局限】就否决。
输出到【文件名】，第一行写 VERDICT: A / B；随后小节：【固定标题…】。
通过标准：【把"线"画死的一句话】。
```

---

## 4. 把这套思路迁移到你自己的项目

不管你做的是数据分析、代码生成还是写作流水线，这套"配方"基本通用：

1. **拆成"全新上下文"的小步**，每步只做一件有明确产物的事；状态写进文件，别攒在一个长会话里。
2. **每个产出配一个独立 critic**，给它狭窄的对抗任务 + 显式的失败模式清单 + 防过度否决的校准句。
3. **让每步输出一行判决 token**，用代码（而非 agent 的自觉）来编排 advance / loop / kill。
4. **建一份 append-only 问题账本**（带严重度、状态、拦截到哪步），blocking 未清不放行，禁止静默删除。
5. **开放式生成用"并行候选 + 选一个"**，写明"不许合并"；同时维护一份"弃用清单"防范围蔓延。
6. **把质量分成廉价早闸（快速 KILL）和昂贵终闸（深度校验）两层。**
7. **风格/规范用范例和负向清单表达**，不要用形容词。
8. **在最易出错处（例子、引用、数字）下硬护栏**，并配一个自动校验脚本兜底。

---

## 5. 值得反思的取舍与局限

- **极其昂贵**：一篇论文要跑几十个 max-effort 长调用、单步超时 3–6 小时。这套"冗余 + 多闸 + 多候选"是拿算力换可靠性，适合高价值产出，不适合轻量任务。
- **强领域绑定**：整条线假设"有处理变异的因果实证题 + Stata `.dta`"。换成纯描述/定性题，Step 1D 可能直接 KILL；换成 R/Python 数据需要改 `analysis_guide.md` 和相关 prompt。
- **模型写死**：`codex --model gpt-5.5`、`claude --effort max` 都硬编码、无 env 开关，换模型要改脚本。
- **过度工程化的风险**：这么多闸和账本对简单任务是负担；它的价值随"任务长度 × 出错代价"上升才划算。
- **一个耐人寻味的反讽**：需要一整支 `derobotification` prompt（外加一长串"AI 痕迹"负向清单）来把模型自己写出来的机器味擦掉——说明"让 LLM 不像 LLM"本身就得靠显式规则硬掰。这恰恰是 prompt 工程的精髓：**把模型的默认倾向，逐条用契约纠正过来。**

---

> 想深入任何一节（例如完整解剖 `step7_paper_writer` 的输出契约，或把第 4 节做成一个你能直接套用的 prompt 模板库），跟我说即可。


AI 工作流

科研工具

拆解 Nathan Wilmers 的 local_factory：无状态编排、质量闸、问题账本与可复用的 prompt 工程手法。

论文工厂设计拆解：流程编排 × Prompt 工程

1.5 持久化问题账本（跨步记忆）

1.6 逐级收窄的权威文档 + 明确的"弃用"清单

3. 解剖一支 prompt：step2findingscritic（麻雀虽小五脏俱全）

4. 把这套思路迁移到你自己的项目


论文工厂：MIT 如何用几十个 AI 把「写论文」拆成流水线｜认识的乐趣 · 第4期

一周自动产出 34 篇实证论文。我们把它的架构和提示词逐条拆开，挑出能直接抄进你自己工作流的部分。

---

如果你也用 AI 写过东西，大概率见过这一幕：让它写一段文献综述，它张口就来，引文煞有介事，点开却查无此文；让它分析一份数据，它把「相关」写成「导致」，把一个勉强显著的系数说得斩钉截铁；让它润色，满屏都是「这表明」「不仅……而且」和泛滥的破折号。它很流畅，但你不敢用。

MIT 斯隆管理学院的 Nathan Wilmers，和伦敦大学学院（UCL）的 Per Engzell，干脆把这个问题做成了一个系统。他们搭了一套叫 The Paper Factory（论文工厂）的多智能体流水线：你丢进一个研究问题和一份数据，几十个 AI agent 接力，自动跑统计、写作、查错，最后导出一篇带图表和引用的完整实证社科论文。一周时间，它生成了 34 篇。

结果很微妙：作者判断，这些论文里不少「够格送去同行评审」，但**无一能直接发表**——它们能挖出真实的经验规律，却在框架、取舍和判断上差了一口气。论文《The Paper Factory》已作为 SocArXiv 预印本放出，还附了一个公开的成品画廊，你可以自己去读那 34 篇，自行判断（注1）。

但这一期我们想拆的，不是「AI 到底能不能写论文」这个会吵翻天的问题。真正值钱的，不是它会写论文，而是它**用一整套工程手段，把 AI 从「油嘴滑舌」逼成「严谨」**的那套设计。这套设计和你要不要写论文无关——只要你在用 AI 干正经活，它就能抄。下面我们分两半拆：一半架构，一半提示词；能直接复制的，我都给你标出来。

## 一、先认识这座「工厂」

先说它反直觉的地方：论文工厂不是「一个很聪明的大模型一气呵成」，恰恰相反，它假设**每一个 agent 都不可靠、都会偷懒、都会自我感觉良好**，然后用流程把这些毛病一个个摁住。

它把「写一篇论文」拆成十几道工序，每道工序由一个独立的 agent 完成：提出研究发现、清洗数据、跑回归、自我批判、过质量关、成文、润色……工序之间不靠一个无所不知的「大脑」串起来，而是靠**文件**交接。这套思路，本身就是这期最该抄走的东西。

## 二、架构：四件「逼 AI 严谨」的工程设计

第一件 · 文件即状态机：每步都「失忆」，整体却可控

论文工厂不让 agent 在一个越滚越长的对话里攒记忆，而是**每一步都开一个全新的 agent**，彼此只通过磁盘上的文件交接。这一步该不该做、做到哪了，不靠「它记得」，而靠「扫描哪些产物文件已经存在」反推。

原文里有一句很硬的指令：「Run each step with a fresh agent context.（每一步都用全新的 agent 上下文跑）」，以及「Never stop at a plan or scaffold…（绝不停在一个计划或骨架上）」——意思是每一步都必须落出一个实打实的产物文件，而不是交一份「我打算这么做」。

这样做的好处是工程上的：天然可中断、可续跑、可审计。某一步错了，回到那个文件重跑即可，不必从头再聊一遍。

【你能怎么用】把长任务从「一个长对话」里拆出来，让 AI 每一步只产出一个文件：`大纲.md`、`清洗.py`、`结果.csv`。下次直接说「读这个文件，接着往下做」。可中断、可回看、不串味——这是个人用 AI 做复杂活时，立刻能感到差别的一招。

第二件 · 发散 → 收敛：并行很多个，再「只选一个」

到了「找研究发现」这种开放度很高的环节，论文工厂不让一个 agent 一次性给答案，而是**同时跑 6 路互不相见的独立候选**，每一路只聚焦做出一个小结果；然后由一个专门的 decider（裁决者）从中**只挑一个**，并被明令禁止「合并」「综合」。

原文的措辞近乎严厉：「Do not synthesize. Do not merge packages. Pick one.（不要综合。不要合并这些产出。只选一个。）」

为什么这么轴？因为把多个 AI 产出「平均」或「缝合」到一起，你会得到一锅没有立场的浆糊——每个观点都被磨平，最后谁也不得罪，也谁都说不出。独立发散保住了锋利度，显式选择保住了判断。

【你能怎么用】开放式的活（取标题、定选题、想分析角度），让 AI 一次给 3–6 个**彼此独立**的版本，你自己或另开一个「评委」prompt 只挑一个，禁止它折中。比指望一个 agent 一次到位要好得多。

第三件 · 生成 / 批判 分离：每个「作者」都配一个「审稿人」

论文工厂里，每一个负责产出的 agent，都配一个**上下文独立、立场对立**的 critic（批判者）。关键在于，这个批判者的任务被**刻意收窄**：它只问一件事——「这个产出有没有立刻致命的硬伤？」原文：「Does this package have an immediate fatal empirical flaw…?」同时还有一条护栏，防止它从一个极端滑向另一个极端：「Do not reject … merely because it has normal limitations.（不要因为它有常规局限就毙掉它。）」

道理朴素得有点扎心：**作者审不了自己**。同一个上下文里，模型只会顺着你、夸你、替你打圆场。换一个干净、对抗性的新上下文，它才会去抓「夸大其词」和「机械性假象」。

【你能怎么用】写完一段、跑完一个分析，**新开一个对话**，把它当成一个敌意审稿人，只让它找「立刻致命的硬伤」，别管常规局限。你会发现它突然「敢说话」了。

第四件 · 质量闸 + 问题账本：「数字对了」也不算通过

这是整套设计里最像「制度」的部分。论文工厂设了两道闸，职责分得很清楚：

- 闸一：只查「代码能不能复现论文里的数字」。
- 闸二：查「这些数字到底支不支持文中的论断」。

一句原文点破了二者的区别：「Matching numbers is necessary but not sufficient for a pass.（数字对得上，是通过的必要条件，但不充分。）」数字能复现，不等于结论站得住——这是无数论文翻车的地方。

更妙的是它还配了一份只增不删的问题账本（`audit_issue_ledger.md`）当跨步记忆：带 blocking 标记的问题没清干净，就过不了闸，而且**禁止静默删除**历史问题。这一条专治 AI 流水线的一个顽疾——「问题在后续步骤里悄悄消失了」。

【你能怎么用】别让 AI 一句「我改好了」就翻篇。把「复现」和「支持论断」分两步问；让它把发现的问题写进一个清单，只增不删，没解决的不许进入下一步。

## 三、提示词：把规矩，写死进 prompt

如果说架构是骨架，提示词就是论文工厂用来「驯化」机器的条款。它的思路始终一致：**不假设 AI 自觉，而是把每一条规矩白纸黑字写死**。下面四条最值得抄，其中三条我整理成了可以整段复制的模板。

第一条 · 防偷懒、反走捷径

AI 有强烈的「挑好做的做」的惰性。论文工厂在 prompt 里直接堵死：「Do not choose a weaker design just because it runs faster… keep the design and solve the runtime problem.（不要因为某个设计跑得快就选它……保留强设计，去解决运行问题。）」翻译成人话：强方案慢，那就去把它跑通，而不是退而求其次换个弱的。再加一条——别停在计划或脚手架上，这一步要的是落盘的具体产物。

【可直接抄】在你的 prompt 里显式禁止两件事：「用计划代替执行」和「挑好做的弱方案」。

第二条 · 把「嗅探」编码成清单

老练的审稿人一眼能看出的「伪结果套路」，论文工厂把它们列成了一张显式清单，让 AI 逐条自查。这是最能直接迁移到你自己领域的一招——把你这行「老手一眼能看出的坑」写成 checklist 塞进 prompt。下面这段可直接复制（社科量化方向）：

［可复制 · 伪结果审稿清单 prompt］
角色：你是一名挑剔的量化社科审稿人。
对下面的分析，逐条排查这些「伪结果套路」，命中就标 ⚠ 并说明原因和验证方法，没问题标 ✓：
1. 共享分母的比例回归（X/N 对 Y/N，分母彼此相关）
2. 残差 / 补集变量（用总量减去自身，造出一个反向变量）
3. sum-to-one 恒等（份额加总为 1 带来的机械负相关）
4. room-to-move 梯度（基线越低越容易涨的天花板效应）
5. 按结果变量取样 / 筛选样本
6. 对照组被污染 / 样本自选择进入处理组
7. 前定变量里混进了结果的后果
8. 反向因果 / 双向因果没有排除
默认严重度：如果核心结论依赖第 1 条「共享分母比例回归」，直接记为 Concern，并要求更换识别策略。
输出一张表格：套路 | 是否命中 | 定位到段落 | 如何验证。
待查分析："""在此粘贴你的方法与结果"""

原文给的默认严重度规则同样可参考：「If a central claim relies on a shared-denominator share regression … treat that as a default Concern.」

第三条 · 语气，必须绑死证据强度

这是 AI 写作最容易翻车、也最该上硬约束的地方。论文工厂规定：识别策略不成立，就**强制改口**——「you MUST use hedged language … rather than causal language.（你必须使用对冲性的措辞，而不是因果性的措辞。）」没做出因果识别，就只能说「相关 / 与……一致 / suggestive」，不许说「导致」。下面这段可直接复制：

［可复制 · 因果严谨自查 prompt］
角色：论文方法审查员，挑剔、不奉承。
审查下面的文字，严格执行三件事：
① 因果措辞闸门：除非研究设计能识别因果（随机实验、DID 且通过平行趋势检验、断点回归、工具变量且工具外生且够强、事件研究），否则禁止使用「导致 / 提高 / 降低 / 使得 / 因为……所以」，一律改成「相关 / 与……一致 / suggestive / 在控制 X 后依然存在」。
② 证据分级：每一个结论后面标注 [因果可识别] / [仅相关] / [描述性]，并写明依据哪种设计。
③ 越界清单：逐句列出「措辞强度 > 证据强度」的地方，指出风险，并给出降级改写。
只输出：问题清单（定位到句）+ 改写建议。
待审："""在此粘贴你的方法 / 结论段"""

第四条 · 防编造，再把「AI 味」擦掉

最后两道护栏，对付 AI 的两个老毛病：一是编，二是腔。论文工厂的规则很直接：「Never fabricate examples… must come from a real, citable source.（绝不编造例子……必须来自真实、可引用的来源。）」每个数字还要回到原表核两遍。然后它专门写了一步「去 AI 味」的润色，列出一长串要删的痕迹。下面这段把两者合在一起，可直接复制：

［可复制 · 防编造 + 去 AI 味 prompt］
第一段 · 事实护栏（处理我的文本时永远遵守）：
① 禁编造：例子、文献、引用必须真实可查；不确定就写「[待核实]」，绝不杜撰作者、年份、期刊、DOI。
② 数字双核：正文每个数字，回到我给的数据核对两遍，列「正文数字 vs 数据源」对照表，不一致一律标红。
③ 措辞不越界：套用上面的「因果措辞闸门」。
第二段 · 去 AI 味（只改文风，不动事实）：
删掉这些痕迹——滥用破折号、加粗斜体强调、「It is not X, it is Y」句式、「This suggests that…」、单句成段、冒号列举成串、套路化的主题句，以及 robust / striking / nuanced / delve / landscape 等词。
输出：改写后的全文 + 一份「改动点」清单。

反讽的是，要让大模型写得不像大模型，靠的不是「你自然一点」这种空话，而是这样一条条契约，把它的默认倾向一项项纠正回来。

## 四、可抄：把这套缩小到你的桌面

如果你想搭一个自己的「写作 / 研究 agent」，论文工厂的目录结构本身就是一张可以照搬的蓝图——每个文件夹就是一道工序、一个独立 agent：

paper-agent/
├─ 00_question.md         # 投料：研究问题 + 数据说明
├─ findings/              # 发散：6 路独立候选，互不可见
│   ├─ cand_1.md … cand_6.md
│   └─ DECIDER.md         # 收敛：只选 1 个，禁止合并
├─ analysis/
│   ├─ run.py  results.csv  # 自动跑统计，落盘硬产物
│   └─ critic.md          # 生成-批判分离：独立、对抗，只挑致命硬伤
├─ gates/
│   ├─ gate1_reproduce.md # 闸一：数字能否复现
│   └─ gate2_support.md   # 闸二：数字是否支持论断
├─ audit_issue_ledger.md  # 问题账本：只增不删
└─ paper.md → paper.pdf

再配三条让它「跑得稳」的硬约定：其一，每步开新 agent，只读它需要的文件、只产出一个文件；其二，每一步结尾必须输出一行机器可读的判决——`VERDICT: PASS | CONCERN | FAIL — 理由`，交给代码来放行或打回，而不是靠「感觉」；其三，问题账本只增不删，带 blocking 的没清干净，禁止进入下一步。

你不必真去写论文。哪怕只是让 AI 帮你写周报、做调研、整材料，这套「拆成文件 + 发散选一 + 配个审稿人 + 分两道闸 + 记一本只增不删的账」，照样能让产出从「看着唬人」变成「敢用」。

## 五、34 篇论文，和那道交不出的工序

回到那个微妙的结果：一周 34 篇，够格送审，却无一可直接发表。

差的那口气是什么？作者的判断是：框架、取舍，以及**在彼此竞争的标准之间做权衡的判断力**。流水线能把「严谨」拆成一道道可检查的工序——能不能复现、措辞配不配得上证据、有没有踩进伪结果的坑——这些都能被编码、被自查、被闸门拦下。但「这个问题值不值得问」「在两个都说得通的解释之间该信哪一个」「这篇到底想说什么」，目前还交不出来。

这恰恰是这套系统最诚实、也最有用的地方：它没有许诺替你思考，而是把「思考之外那些机械、繁琐、却最容易出错的活」尽量自动化、尽量逼到严谨——然后把真正需要判断的部分，干干净净地留给了你。

把它当一个会自动写论文的玩具，它确实好玩；但把它当一套「逼 AI 严谨」的工程范本来抄，你今天就能用上。毕竟，让灯亮起来的从来不是机器本身，而是你给它定下的那些规矩。

———

## 注释

注1：论文为 Wilmers, N. & Engzell, P., "The Paper Factory"，SocArXiv 预印本（2026），含公开的成品论文画廊。该系统基于「编码智能体（coding agents）」实现，相关背景可参见 Anthropic 的 "Coding agents in the social sciences"。文中英文引语均出自该系统公开的提示词与说明，中文为意译。

## 参考资料

· Wilmers, Nathan, and Per Engzell. "The Paper Factory." SocArXiv preprint, 2026.
· Anthropic. "Coding Agents in the Social Sciences." 2026.
· Nathan Wilmers, MIT Sloan School of Management 教师主页（研究领域：工资与收入不平等、经济社会学、劳动社会学）。
· Per Engzell, University College London（计算社会科学 / 社会学）。
· 关于「数字可复现 ≠ 结论成立」与审稿中的常见统计陷阱，可延伸阅读计量经济学因果识别（DID、RDD、IV、事件研究）相关教材。

———

认识的乐趣 · 第4期 · 干货拆解　|　关注我们，下一期继续拆。


论文写作

一周自动产出 34 篇实证论文。拆解 The Paper Factory 的架构、质量闸、提示词与可迁移的 AI 工作流方法。

论文工厂：MIT 如何用几十个 AI 把「写论文」拆成流水线

二、架构：四件「逼 AI 严谨」的工程设计

三、提示词：把规矩，写死进 prompt

四、可抄：把这套缩小到你的桌面

五、34 篇论文，和那道交不出的工序


> 这里写文章的前言：
一个简单的开头,简述这篇文章讨论的问题、目标、人物、背景是什么？并简述你给出的答案。

## 📝 主旨内容

### 观点1

> 引用的话语

### 观点2

> 引用的话语

## 🤗 总结归纳

总结文章的内容

## 📎 参考文章

- 一些引用

- 引用文章

> 有关Notion安装或者使用上的问题，欢迎您在底部评论区留言，一起交流~


知行合一

欢迎来到我的博客


说起来也很奇怪，我在很小的时候就被教育要往"前"走，要往"上"看，要进步，要努力，好像所有人都在告诉你，不用考虑什么是你想要的，只要继续进步下去，你就会得偿所愿。

当时的自己一直将这个奉为神明，但是我总是非常贪玩，初中迷恋电子游戏，高中迷恋爱情，但也是一边带着愧疚的心在玩，一边对父母和老师忏悔：我总觉得自己这么贪玩辜负了父母的努力，辜负了别人对我的期待，辜负了"进步"的设想。

### 两套"进化"叙事

总的来看，回顾我的人生，教育制度的制度设计同时服务于两套"进化"叙事，而这两套叙事的交织极大的稳固了制度本身。

第一套是个体层面的进化叙事。作为一名学生，教育制度清晰的设定了这个阶段的进步指标：考上好高中、考进重点班、考试名列前茅、当上班干部…从初级教育到中级教育到高级教育，一步一步走向高考，通过一场场考试兑现国家对你的"身份认证"。每个阶段都被设计为比上一个阶段更高级、更困难，你的能力也在不断的进步，最终在终点处达成某种自我实现。在当代教育制度下，每个人都首先是你的敌人，其次才可能是你"短暂的朋友"。在走向终点的过程中，你总是在不断的告别曾经的朋友，不断的将它们远远的"甩"在身后。但从未有人告诉你应该如何交朋友，应该如何与他人进行社会连接。

第二套是社会层面的进化叙事。从国家的角度看，这个教育过程沉淀的是劳动技能，它把一代一代的年轻人转化成经济再生产所需要的劳动力。在考试和进步中，被肯定的是"服从性""重复性""记忆力"和经济成本的计算，不会有人在乎创造力和想象力。与此同时，它消耗的是"当嬉皮士""搞革命"的精力和时间，你在教育系统中被占满了时间，没有余裕去想象其他可能性。从学校到工厂，教育体系完成了闭环。

对于个体来说，这是一个"进化"的故事，对于体制来说，这也是一个"进化"的故事，但两者的含义完全不同。个体以为自己在走向自我完成，并且将成功归结为个人的"努力"；体制收获的是社会的稳定和劳动力的再生产。两套叙事叠合在一起，使得整个制度设计获得了双重的合法性支撑，你既因为"我在进步"而投入其中，体制也因为"国家在发展"而维持运转。

### 社会达尔文主义

但这种线性进步观本来就是无稽之谈，线性进化本身就是一种没有经过检验的信念。"我按照这个制度一步一步来就一定能成功"——这种"只要什么就能什么"的句式和宗教信仰没有本质区别。

按照高中历史课本上说的，自五四新文化运动以来，民主和科学都没有在中国真正扎根。唯独进化论深入人心。但这种进化论从严复翻译引入的那一刻起，其底色就始终是社会达尔文主义。

无论是以民族国家为单位（"落后就要挨打""弱肉强食"），还是以个体为单位（"不进则退""你不努力就会被淘汰"），中国人理解"进化"的方式始终是社会达尔文主义的。"落后就要挨打"不是一句空洞的口号，而是对鸦片战争以来历史经验的一种浓缩。

这种民族层面的"进化焦虑"被内化到了个体层面，每个人都觉得自己必须不断"进步"，否则就会被淘汰。民族叙事和个体叙事再次叠合，相互加强。在今天，社会达尔文主义是中国人最大的信仰。所有其他思潮——马克思主义、自由主义、儒学复兴——都在某种意义上失败了，或者说都没有真正渗透到大众的日常思维中去。唯独社会达尔文主义成功了，然而更令人担忧的是，没有任何体制性的力量试图去纠正这个局面。

尽管社会达尔文主义在理论上与马克思主义存在根本矛盾，但是在实践层面，整个制度设计——高考竞争，绩效排名，非升即走，淘汰式相亲，都在不断地强化社会达尔文主义的逻辑。这也是为什么无数的学生会对教育产生幻灭，无数的学生一窝蜂的考研、考公。大家都在名为"进步"的系统中寻找那个自我实现的"终点"。这就是现代性在中国的极致展开。

### 进步的幻象

写到这里，相信你也发现了，支撑这一套体系运转的关键在于进步主义叙事作为官方意识形态的包装和强化。官媒会创造出一些规范化的人生样板：考上985、考取研究生、结婚生孩子、年复一年日复一日的努力。

等级序列需要一个"向上"的价值判断——排名靠前是好的，排名靠后是需要改进的。教育的阶段化需要一个"成长"的故事——你从低年级到高年级，是在"发展"，是在"完成自我"。如果没有进步主义叙事作为底层逻辑，这整套规训机制就失去了合法性。

你凭什么说偏离样板是坏的？你凭什么说排名靠前比排名靠后好？你凭什么说高年级比低年级"更高"？——答案是：因为我们相信存在一个从低到高、从差到好、从不完善到完善的方向。这个信念就是进步主义。

但进步主义是正确的吗？进步主义是真理吗？17/18世纪的生活就一定过得不如现在的我们吗？科技发展就一定会带来幸福吗？

答案是显然的。进步主义是彻头彻尾的谎言，是编织出来的一场美好的梦。困扰五四时期青年的，是不知何谓进步，不知国向何去；而困扰今天青年的，是不知何谓终点，不知我向何去。并且令人难过的是，我们连交朋友的能力也丧失了，所谓"摇滚""嘻哈""革命""自由"的词已离我们远去。

福柯曾经说过，从野蛮到文明，从无知到科学，体现的从来就不是进步，而是权力运作方式的变迁，不是好与坏的差异，只是从一种控制方式到另一种控制方式的演变。

从这个角度来看，中国的青年应当是悲哀的，我们不仅在身体层面被规训了（安排在特定的时间、空间、等级中），也在精神层面被规训了（你真诚地相信"超越他人"就是生命的意义，"不断向上"就是正确的人生方向），我们丧失了朋友，丧失了音乐，也丧失了我们的青春。

> *我的心分外地寂寞。
> 然而我的心很平安；没有爱憎，没有哀乐，也没有颜色和声音。
> ——鲁迅《希望》*


心情随笔

说起来也很奇怪，我在很小的时候就被教育要往"前"走，要往"上"看，要进步，要努力，好像所有人都在告诉你，不用考虑什么是你想要的，只要继续进步下去，你就会得偿所愿。