第六次工作汇报
会议纪要

• 汇报时间：2026年9月7日
• 汇报主题：选题智能体、智能陪练、期刊画像、阶段性成果、AI整体规划、团队考核与资源安排

说明：本纪要以现场交流转写为主要依据，以《AI工作阶段性汇报V1.2@20260907》PPT补充汇报结构、数量和方案背景。PPT中的规划、估算和建议，不因写入PPT即视为领导已经批准；现场明确否定、调整或暂缓的内容，按现场意见处理。转写中“屈总/区总”等称谓统一写作“屈总”，“bookskill”按原汇报用语保留。

一、本次会议形成的总体结论

1. 科研方法智能体仍是AI团队的核心工作，主要精力和人员配置必须优先保障该主线，其他智能体、模型、知识库和框架工作不得挤占核心交付。
2. 选题智能体当前最大问题不是界面或评分细节，而是选题信息来源偏向论文、政策等已经形成文字的“理论材料”，缺少来自真实工作和生活的“实践问题”。后续必须优先解决实践问题来源，不能继续沿现有错误方向堆叠功能。
3. 论文写作智能陪练原型方向可以继续，但必须补齐三本教材全文，重新生成知识点，并与品牌传播中心的产品负责人核对产品定位。该产品不应被简单限定为引流工具，也可能成为正式教学工具。
4. 期刊画像方案的总体思路得到认可。应从一本期刊、近5年论文开始跑通完整链路，并由项目负责人统一控制目标、人员、周期、成本和产出；高辉团队可作为首批项目制协作对象。
5. AI团队要开始承担公司AI技术工作的整体统筹和项目管理职责。近期要组织专项会议，摸清高辉团队现有工作，按项目制分配期刊画像任务，并尝试让技术人员采用AI辅助的全栈工作方式。
6. 已上线的智能体要进入内部使用和业务协同阶段。内部试用不面向所有员工无差别开放，应先筛选真正能够使用并能提供有效反馈的部门和人员，再配置积分或试用权益。
7. 公司AI技术规划要逐步形成“算力层、模型层、知识层、Agent层”的完整架构，但模型训练不是默认路径。只有在战略需要、数据足够且现有模型不能满足业务要求时，才考虑投入更高成本训练或微调模型。
8. 团队规模可按6人目标推进招聘。招聘要提高论文素养和业务认同要求，优先考察硕士候选人的论文成果，同时保留能够真正完成项目的优秀人选。
9. 外包合作继续推进，但必须先固定协议，再用1至2个项目验证质量和效率；效果不理想可以停止，不形成长期绑定。

二、选题智能体：核心问题与整改方向

1. 本次演示的已有改进

当前版本在原有基础版本上增加了论文层级、研究类型、方法意向及其他约束条件，后台会把这些信息写入提示词，以缩小选题范围。系统还增加了论文及公开资料检索，并尝试从六个维度对候选选题评分。现场使用“媒介融合、理论思辨”进行了运行演示，生成约10个方向，并展示了前三项及分项评分。

汇报人说明，版本评分相较早期约65分的评价提升到接近70分，但运行时间因增加检索步骤延长到约3至4分钟。该数据只代表本次演示和内部自评，不等同于产品质量已经达标。

2. 领导指出的根本性问题

领导明确指出，当前利用已发表论文、公开资料、时政和政策文件辅助选题的整体思路存在方向性问题：

• 已发表论文、政策文件和公开文字资料主要呈现已经被表达、归纳和理论化的内容。
• 选题创新更需要发现尚未被充分写成论文、但真实存在于工作和生活中的实践问题。
• 已发表论文只能证明相关主题曾被研究或发表，不能据此推导“越接近既有题目越容易发表”；相似度越高，反而可能意味着创新性越低。
• 用户在豆包、百度等日常工具中的真实提问，能够反映大量实践层面的关注点，这正是此前要求寻找检索或提问数据的原因。
• 如果原始提问数据确实无法获得，应继续寻找能够代表实践问题的替代数据，而不是用论文、新闻或政策文件替代后就认为问题已经解决。

因此，后续工作的第一优先级是解决“实践问题从哪里来、如何验证”的问题。当前方案中依赖时政和政策文件的方向不再继续。

3. 可以保留的部分

领导认为选题智能体的大框架不必全部推翻，可以保留并做小范围改动的内容包括：

• 输入条件和研究范围约束。
• 规范化的选题过程。
• 一个选题聚焦一个核心问题的基本标准。
• 研究价值、问题界定、创新性和方法适配等质量评价框架。
• 对候选选题进行多维复核和排序的能力。

但是，六个评分维度目前主要由汇报人与大模型多轮讨论形成，仍需补充专业依据，不能只以模型建议作为评价标准来源。

4. 产品定位

汇报人提出选题智能体可作为线下选题服务的引流入口，领导没有采纳“只做引流、无需做得很完善”的思路。公司论文写作方法论与学校及市场常规方法存在差异，选题智能体应真实承载公司的方法价值，而不是故意保留明显能力缺口。

后续产品定位仍需结合实际效果继续明确，但开发目标应首先是把核心选题逻辑做对、把实践问题来源解决好。

三、论文写作智能陪练

1. 原型基础和当前成果

该方向来自邢总、田硕等品牌传播中心人员提出的产品创意。项目参考《马斯克原理》及中信出版配套bookskill，从单纯“书籍知识问答”转向“方法调用、步骤训练、行动反馈”的陪练模式。

当前原型已完成的准备工作包括：

• 学习《论文写作实用教程》三本书的目录及现有视频课程。
• 下载并转写75讲课程视频。
• 从75讲课程中整理约255个知识点，并保留课程与知识点的对应关系。
• 基于教材目录和已获得的高级教程电子内容，形成初步教材知识点。
• 设计选题、方法建议、结构与论证、文献建议、修改润色等多轮陪练环节。
• 回答时引用课程或教材中的具体方法依据，再通过连续提问帮助用户逐步缩小问题和完成任务。

2. 当前不足

教材知识不完整。目前主要依赖目录、部分电子资料和视频内容，不能代表三本教材全文；因此现有知识点数量和覆盖度只能视为原型结果。

3. 领导明确要求

1. 向徐美蓉获取三本教材的PDF或完整电子版。
2. 合并完整教材后，重新生成知识点及其与课程、章节的映射。
3. 重新测试陪练效果，检查回答是否始终基于公司教材与课程，同时允许合理引导但不跑偏、不替用户直接下结论。
4. 将可从外网访问的原型地址整理后发给领导，便于领导直接试用。
5. 与邢总、田硕等产品提出方继续核对方案，产品方向和规划以品牌传播中心为主，AI团队提供技术支持和实现方案。
6. 不把该产品预先限定为引流工具，保留作为正式教学工具的可能性。

4. 后续需进一步验证

• 不同学科是否需要不同的陪练路径和知识引用规则。
• 255个知识点在加入完整教材后应如何去重、补充和校准。
• 每轮对话何时结束、何时转入下一阶段，以及如何判断用户已经完成本轮训练目标。
• 品牌传播中心对产品用户、使用场景、交付形态和上线节奏的最终定义。

四、期刊画像方案与试点项目

1. 方案总体判断

领导认可期刊画像的总体思路。与此前只处理摘要的做法相比，本方案强调获取近5年全文并对每篇论文做多层画像，再由论文画像归纳期刊偏好，信息覆盖更完整。

2. 四阶段技术链路

1. 试点样本准备：先选择1本目标期刊和若干相近期刊，下载近5年论文原文、摘要和基本元数据，不在第一阶段直接扩大到大量期刊或10至20年。
2. 论文数据治理：完成PDF/OCR解析、结构标准化、JSON转换、质量评分和错误检查，保证后续模型使用的是准确、可追溯的全文数据。
3. 论文三级画像：第一级保存题名、关键词、分类号、摘要等基本信息；第二级从研究对象与场景、理论与核心概念、研究设计等约8个维度提取显性表征并转为向量；第三级通过数据挖掘发现未预设的潜在特征和组合关系。
4. 期刊四层偏好画像：在单篇论文画像基础上，提取期刊基本信息、长期稳定偏好、相同期刊之间的差异化偏好及随时间变化的趋势。

约8个显性维度和潜在特征算法目前仍是暂定方案，需要通过试点和专家复核确认，不能提前认定为最终标准。

3. 产品输出要求

期刊画像不能只做成静态展示。底层数据完成后，应支持至少三种动态结果：

• 单本期刊完整画像。
• A期刊与B期刊之间的差异对照，并直接输出比较结论，而不是仅并排展示两张画像。
• 新投稿论文与多本期刊的匹配比较，用于判断更适合投稿的期刊。

4. 试点工作量与边界

汇报人估计，如果由熟悉RAG、向量数据库和相关数据流程的人员独立完成，一本期刊近5年的完整链路可先按2至4周试跑。该估算尚未经过团队实际验证，也没有包含大规模扩展后的工作量，不能直接作为高辉团队的承诺周期。

试点阶段真正需要验证的难点包括：

• OCR和结构化转换质量。
• 向量数据库、Embedding和检索方案。
• 三级潜在特征算法的选择、对比和效果判断。
• 多期刊动态比较是否能形成稳定、可解释的结果。
• 每个环节的实际人员投入、周期、成本和返工量。

5. 项目组织方式

领导明确要求近期组织专项会议，由高辉等相关人员参加。会前项目负责人要准备期刊画像方案和已有的详细技术材料；会议中领导将重点处理两件事：

1. 了解高辉团队每个人手上的现有任务、实际工作量和优先级，判断哪些工作继续、哪些可后排，并为期刊画像释放必要资源。
2. 从期刊画像项目开始改用项目制管理，由本次汇报人担任项目经理，明确目标、里程碑、人员、时间、成本和产出，同时尝试让参与人员采用AI辅助的全栈工作方式。

项目负责人不只是提供方案，还要持续控制项目进度和结果。技术人员可以不具备完整的宏观判断，但项目经理必须能够说明项目需要几人、每人投入多少、每月成本和产出是什么、关键难点在哪里以及何时验收。

领导关于现有技术团队调整的表述属于组织方向讨论，本次先通过期刊画像项目验证工作方式，不在本纪要中写成已经完成的部门调整决定。

五、阶段性工作成果与内部使用

1. 已完成或已推进事项

结合PPT与现场说明，本阶段主要成果包括：

• 方差分析、量表开发、问卷调查等3个智能体或相关能力已形成上线/可用成果；转写中一度口误为“方案分析”，现场已纠正。
• 平台架构改造和积分改造已经上线。
• 已与孙总等业务人员建立协作群，开始专家和测试团队对接。
• AI团队已开始组建，并初步形成代码和研发规范。
• 已建立研发资源池，保存领导转发的公众号材料、智能陪练、数字人等研发线索，并对潜在价值做初步分析。

“3个智能体已上线”的具体生产可用范围仍应以实际系统状态和验收记录为准；本纪要记录的是会议中的汇报口径。

2. 内部发布和试用

孙总提出先组织内部产品发布或介绍，让公司内部人员了解现有智能体。领导同意先筛选真正能够使用并能提供有效意见的人员，重点可考虑编辑部、研究院及其他科研写作相关岗位，不面向全体员工无差别开放。

筛选后可以从后台给试用人员配置一定积分。学员使用则继续通过现有后台名单和时间段设置绕过积分，保障教学使用。

3. 积分赠送和兑换功能

当前积分充值和账户管理由屈总一侧统一负责，AI平台只作为积分消费方。现有兑换券界面尚未完整绑定积分，无法直接把兑换券转换成指定积分。

后续应向屈总提交流转单，补齐积分兑换或赠送能力，并在需求中一次性明确：

• 兑换券可兑换的积分数量。
• 赠送积分是否设置有效期，例如3个月。
• 赠送积分能否用于除智能体外的会员或其他业务。
• 学员免费使用、内部员工试用和正常付费用户之间的权益边界。
• 后台配置、发放、核销、过期和记录查询方式。

4. 专家对接费用

• fsQCA已建立专家群，当前按每名专家2000元的口径推进。
• 量表开发计划在本周建立专家群。
• 领导要求下一项目继续压低专家费用，尝试按每名专家1000元沟通；对外可说明本次只获批1000元。
• 以后在询问专家前不宜先公开总预算上限，应先依据实际任务和审核工作量报价。

六、AI整体技术架构与公司技术说明

1. 四层规划框架

PPT提出的整体架构分为四层：

1. 算力层：盘活现有GPU服务器，必要时再比较云服务器租用和新设备采购。
2. 模型层：优先使用GLM、Qwen、DeepSeek、豆包等API和现有模型；论文写作或期刊投稿垂类模型属于数据成熟后的选择。
3. 知识层：建设期刊论文库、教学视频库、写作行为库、期刊投稿库和原创内容库，为RAG、画像和后续模型训练提供统一数据基础。
4. Agent层：以科研方法智能体为核心，同时承载期刊投稿、数字人、内部提效等应用，远期再研究具备自主决策能力的Agent runtime框架。

2. 模型训练决策原则

领导与汇报人形成的共同口径是：模型训练和微调不是为了展示技术能力，也不是所有项目的默认做法。考虑训练模型至少要满足以下条件：

• 属于公司明确的战略选择。
• 已经积累足量、合法、可用并能形成差异化的数据。
• 现有通用大模型、RAG和工作流智能体无法达到业务质量要求。
• 能够承担更高的算力、开发、维护和持续评估成本。

期刊画像现阶段本质上是全文数据治理、画像和匹配，不等于已经训练了期刊投稿模型。后续积累足够投稿数据后，才具备讨论垂类模型训练的基础。

3. 五类知识库的前期建设

本阶段先摸清数据、权属、格式、存储位置和可利用程度，不承诺一次性把五个库全部建设成生产系统。五类数据方向为：

• 外部期刊论文库。
• 教学视频库。
• 写作行为库。
• 期刊投稿库。
• 原创内容库。

需要继续研究不同数据适合使用向量、画像、对象存储还是其他结构，并明确哪些由AI团队建设、哪些需要其他部门共同提供和治理。

4. 算力盘点

PPT记录现有算力口径为4张5090和2张A6000。领导要求先了解两台GPU服务器的实际使用情况、任务占用和闲置程度，再判断能否拿出部分资源用于：

• 数据批处理和知识资产转换。
• 智能体测试及临时外网发布。
• 期刊画像试点。
• 其他明确排期的AI任务。

在完成盘点前，不直接决定采购或租用新的GPU资源。

5. 公司整体技术工作说明

领导新增一项明确任务：尽快形成一份公司整体技术工作说明，回答“公司已经做了什么、正在做什么、计划做什么、这些技术有什么用、为什么要做”。该文件不只写AI团队，还要覆盖公司已有和在建的整体技术工作。

具体要求：

• 与屈总及各技术主管沟通，了解历史项目、已上线系统、在建项目和未上线项目。
• 纳入徐总部门正在推进的电子审稿平台等当前图中尚未体现的项目。
• 梳理技术工作与培训业务、科研服务、论文写作、期刊投稿和内部管理的关系。
• 形成能够对外说明公司技术能力和未来路线的完整叙事，解释公司不只是培训公司，同时具备持续技术建设能力。
• 该调研也作为后续统筹公司AI系统、数据和Agent runtime的基础。
• 时间要求为尽快完成，现场口径为本周或下周形成初稿。

如直接跨部门沟通存在障碍，应及时向领导反馈，由领导先协调，不因沟通路径不清而搁置。

七、科研方法智能体交付范围和方法边界

1. 阶段目标

科研方法智能体是团队当前最核心的考核项。会议沿用“春节前约20个”的总体目标，并以2026年底完成约15个作为阶段性安排；团队熟练后，再利用后续约1个月补充剩余项目。

本次确认当前先完成领导此前划定的第一阶段方法，不再增加其他方法凑数量。

2. 第一阶段量化方法

结合PPT，本次列出的量化方向为：

1. fsQCA。
2. 量表开发。
3. 结构方程模型，其中因子分析作为内部模块合并计算，不单独计为一个智能体。
4. 空间计量模型。
5. CiteSpace。
6. 社会网络分析。
7. 元分析。
8. 问卷调查。

3. 第一阶段质性方法及访谈边界

质性方向当前重点为访谈研究和主题分析。访谈暂统称一个方向，但不能只根据名称决定是否拆分：

• 深度访谈、半结构式访谈、焦点小组访谈在论文中的实际使用可能存在交叉。
• 有些论文标题写焦点小组访谈，实际过程仍可能包含半结构式或深度访谈。
• 如果文献显示流程、输入、输出和使用量存在明显差异，可以拆成两个或三个智能体。
• 如果大量论文混合使用或核心流程高度一致，应作为同一智能体内部能力处理。

后续必须通过多篇实际论文判断，不凭方法名称或个人直觉决定拆分数量。

4. 其他工具型智能体

选题智能体、论文写作智能陪练、数字人和期刊画像可以同步预研，但必须服从科研方法智能体主线：

• 选题智能体继续修正核心数据来源。
• 智能陪练补齐教材后迭代。
• 数字人优先研究已有开源方案，利用新员工既有经验降低外部采购费用。
• 期刊画像先完成方案和一本期刊试点。
• 其他临时创意进入研发资源池，经过价值和资源评估后再排期。

八、专利工作

1. 初步目标

汇报人提出2026年底争取形成3至5项专利实审材料，后续稳定后探索团队人均每季度至少产出1项。领导要求先研究公司现有流程、代理方式、成本和激励，再把目标落入正式机制。

本次没有把“3至5项”认定为已经完成审批的硬性绩效指标，现阶段应作为拟推进目标。

2. 明确工作要求

1. 与刘胜楠了解公司现有专利申报流程、代理机构、费用和内部对接方式。
2. AI团队先完成技术交底书，代理机构负责规范化修改和申报建议。
3. 研究专利奖励和绩效方案，奖励节点、金额和支付条件需要单独明确。
4. 发明人署名按实际完成工作的人确定。
5. 从每个智能体、数据治理流程和AI开发方法中持续识别可申请的技术点。
6. 如果年度申请量稳定超过5项，再评估是否需要知识产权专员，不在当前阶段直接新增岗位。

专利“实审、受理、公开、授权”等节点必须在后续方案中使用准确术语，不能把提交材料或进入实审等同于授权；发明专利授权通常需要更长周期。

九、团队建设、招聘与开发工具经费

1. 团队规模

领导同意按6人团队目标推进。按15个科研方法智能体、平均1.5人月、剩余约4个月的估算，仅核心方法开发即需要约5至6人，且还要承担上线后的修复、其他智能体和数据库建设。

该测算是人力规划依据，不代表每个智能体都固定按1.5人月结算；项目管理时仍要拆分实际工时和有效投入。

2. 当前招聘漏斗

会议汇报口径为：累计收到400余份简历，初筛约40人，面试约20人，通过4人；其中2人未到岗，1人入职约1个月后离职。会后次日和次周预计各有新人到岗，团队近期有望形成3人协作。

以上数据为当日招聘快照，后续应按实际到岗和留存更新。

3. 招聘标准调整

• 团队计划提高硕士比例，目标可考虑约一半为硕士。
• 硕士候选人要重点核查研究生阶段实际发表成果、论文阅读能力和研究经历。
• 宁可适当提高工资，也要优先选择认同科研写作业务、能够长期适应论文阅读和方法开发的人。
• 技术能力之外，要判断候选人是否理解行业需求、能否持续面对文献调研等相对枯燥的工作。
• 有合适人选时可在6人总额度内安排，高辉团队人员未来如何调整另行研判，不突破总编制边界。

4. 人员考核

科研方法智能体仍是新人试用期核心考核。现场沿用“试用期内完成2个智能体并上线”的高要求，同时强调团队负责人要通过流程、工具和项目管理保证效率，而不是只增加任务数量。

5. AI开发工具经费

原每人每月200元额度被认为不足。汇报人申请提高到每人每月500至700元，用于主流大模型和AI开发工具。

领导意见为：

• 在部门现有预算内可直接按流程使用。
• 如果现有预算不足，再单独提交文件申请增额。
• 费用投入必须与交付效率、质量和实际产出挂钩，不能只按人头报销而不验证产出。

十、唐刚外包协议和试做

唐刚对原协议提出近60处修改，其中包括将原“40%—40%—20%”付款节点改为其他安排。会议没有直接接受具体改法，也没有认定付款调整“问题不大”，而是明确按审查流程处理。

后续顺序为：

1. 项目负责人逐条对比原协议与修改稿，说明每项变化及对公司的影响。
2. 完成业务侧初审后交法务审查。
3. 法务审查完成后再提交领导复核。
4. 先把协议文本和项目规则固定下来，再正式扩大合作。
5. 在招聘补员较慢的情况下，可选择1至2个边界清晰的项目让唐刚试做。
6. 根据质量、周期、配合和成本决定是否继续；效果不好即可停止。

该合作实质上按项目外包管理，不按兼职人员管理。

十一、完整待办任务台账

十二、后续工作开展顺序

第一阶段：立即启动

• 修正选题智能体实践问题来源。
• 准备并召开期刊画像专项会议。
• 锁定第一阶段科研方法智能体负责人和排期。
• 加快6人团队招聘及近期到岗人员分工。
• 启动唐刚协议逐条审查。

第二阶段：本周至下周形成结果

• 获取完整教材并重建智能陪练知识点。
• 形成公司整体技术工作说明初稿。
• 完成GPU服务器资源盘点。
• 提交积分赠送/兑换需求。
• 推进量表开发专家群并压降专家费用。

第三阶段：按试点闭环

• 用一本期刊近5年论文跑通下载、治理、三级论文画像、四层期刊画像和动态比较。
• 记录真实人力、工时、成本、返工、算法效果和质量问题。
• 用试点结果判断高辉团队的项目制、全栈工作方式和跨团队协作是否有效。
• 再决定期刊范围扩大、知识库建设深度和后续模型路线。

第四阶段：制度化建设

• 将成熟流程纳入统一项目看板和研发规范。
• 建立数据知识库的权属、更新、质量和使用规则。
• 固化AI工具预算、专利激励、专家费用和外包验收机制。
• 以实际数据判断是否需要扩充算力、训练垂类模型或建设Agent runtime。

十三、仍需确认或补证的事项

1. 选题智能体可合法获取的真实用户问题数据源及替代指标。
2. 六个选题评分维度的专业依据、权重和人工校验机制。
3. 三本教材完整电子版的版本、授权范围及内部AI使用边界。
4. 期刊画像试点的目标刊、对照刊、论文数量和验收指标。
5. 高辉团队现有任务清单、可释放人员及领导最终调整后的优先级。
6. 三个已上线智能体各自的生产地址、验收状态、用户范围和遗留问题。
7. 内部试用人员名单、初始积分数量、有效期和反馈时限。
8. fsQCA专家费用是否已经完成正式审批和支付；量表开发1000元/人的最终执行结果。
9. 现有两台GPU服务器的准确配置、利用率和管理责任人；PPT中的“4张5090+2张A6000”需以资产台账复核。
10. 2026年底15个、春节前20个目标对应的逐月交付计划及“上线”的统一验收定义。
11. 访谈研究是否拆分，以及拆分后是否影响智能体数量和人员测算。
12. 3至5项专利拟推进目标是否正式纳入年度绩效、预算和代理计划。
13. 每人每月500至700元AI工具费用在现有部门预算中的可用余额。
14. 唐刚协议近60项修改中的付款、知识产权、验收、保密和终止条款风险。

本次会议的执行重点可以归纳为三句话：先把选题智能体的数据方向纠正；用期刊画像试点推动跨团队项目制和AI全栈工作方式；以6人团队和明确排期保障第一阶段科研方法智能体交付。公司技术说明、五类知识库、算力统筹、专利和模型规划都要推进，但必须以不削弱科研方法智能体主线为前提。