当工具开始理解“研究思路”本身，科研就不再是碎片化劳动
01｜一个本质问题
科研到底难在哪？
不是读论文难，不是写代码难，甚至不是做实验难。
难的是“想”和“做”之间的断层。
脑子里有一个研究假设 → 需要找哪些论文来支撑？→ 读完论文发现假设要修正 → 修正后需要做哪些新实验？→ 实验结果又反过来挑战假设……
这条链路天然是非线性、多跳、高迭代的。而传统的工具生态是线性的：Zotero只管存、arXiv只管搜、实验代码只管跑、论文只管写——它们之间没有“理解” 。
Paper_Rec 在18小时内连续迭代17个版本（v2.10.1 → v2.23.0），本质上只回答了一个问题：
如果工具能理解你的“研究思路”本身，会发生什么？
02｜一个核心答案：研究主线
答案是：研究主线（Cognitive Thread） ——v2.12.0 引入的最底层重构。
它不做检索，不做实验，不做绘图。它只做一件事：把你的研究假设（Claim）、证据（Evidence）、实验（Experiment）串成一条可追溯、可迭代的认知线索。
这意味着什么？
以前：读一篇论文 → “这个观点有用”→ 大脑里记一下 → 读下一篇 → 一周后忘了在哪看到的 → 重找。
现在：读一篇论文 → 点击“挂载到主线”→ 系统自动建立 Claim–Evidence 链接 → 知识图谱实时更新 → timeline 记录每一步决策 → 任何时刻回溯，整条推理链清晰可见。
真正被颠覆的不是“搜索速度”，而是科研思路的“可执行化” 。你的想法不再是一团模糊的方向感，而是一条可版本控制、可回溯、可复现的流水线。
03｜一个隐藏设计：证据分级
v2.23.0 引入了 CEBM-lite 证据等级系统（1a–5） 。
这个设计不花哨，但极其务实。它解决的是一个科研人每天都要面对、却几乎没有工具真正处理过的问题：
这篇论文，到底多可信？
传统做法：靠经验、靠直觉、靠对期刊的印象。Paper_Rec 的做法：每条证据自动标注 claim → citation_key → page → support_status → confidence + gate，Wiki 前端可视化呈现 CEBM 覆盖度直方图。
预印本、小样本研究、系统性综述——系统帮你分级，你只需要判断方向。
受 JARVIS 启发，但这个设计的野心更大：它试图让“证据可信度”成为科研流程中的一等公民，而非事后诸葛。
04｜一句话过一遍其他能力
其他更新不展开，但值得被看见：
- /draft：一键生成带
[Claim:]、[Exp:]、[E:]溯源的论文草稿——写作不再是“凭记忆拼凑” - pdf-fetch：合法 OA 获取链（arXiv/Semantic Scholar/Unpaywall/PMC），明确不含 Sci-Hub——合规地补齐全文阅读链路
- citation-expand：1-hop 引用扩展，Wiki 里点一下就能看到谁引用了谁
- thread-bot：飞书/Telegram/企微/QQ 里跑研究主线——科研不锁在 IDE 里
- MCP 协议：不再绑定 Cursor，任何支持 MCP 的 Agent 都能加载——跨平台不是口号，是协议级设计
- /draw：学术级图表自动生成，PDF 矢量输出——实验数据到论文 Figure 零摩擦
05｜一套命令，跑完一条闭环
text
/query_chinese → 找到论文
/thread → 挂上研究主线
/exp_loop → 跑实验验证
/draw → 自动出学术图表
/draft → 生成带溯源的草稿
找论文 → 挂主线 → 做实验 → 画图表 → 写草稿。
这不是五个独立功能，是一条闭环管线。
06｜最后的真心话
科研的本质是提出假设、寻找证据、设计实验、修正认知的循环。
Paper_Rec 没有发明这个循环。它只是第一次把这个循环变成了工具可以理解、可以执行、可以追溯的东西。
从 v2.6 到 v2.23，不到 24 小时，17 个版本。如果你还没用过，现在可能是最值得看一眼的时候。
项目地址：github.com/QinHsiu/Pap…
开源协议：MIT
