人类说了一句话，
两个 AI 交回一篇投稿手稿。

做这个课题，台面上有三个角色。角色 A 与角色 B 是两个独立的 AI 会话，各有自己的模型与上下文，通过聊天协作——A 提问和审查，B 干活：

通俗类比：一位临床医生（A）把想法交给一位首席数据科学家（B），两人来回讨论把论文做出来——只不过两位都是 AI，而且医生一方从头到尾只做「把关」不做「动手」。这也是首页讲的「平台 + 两个 skill」三者关系在真实课题里的样子。

中间发生过两次 API 故障导致会话中断——靠状态机（下一节的机关二）看一眼就知道从哪续，没有重头再来。

单纯让 AI「跑代码」不难。难的是：一个 AI 设计的东西，另一个 AI 能准确接住；中途不跑偏；出错能自己爬起来；结果不好看时不许美化。这四件事分别由四个机关保证——它们都不是为这个案例临时搭的，而是 bio-design / bio-analyze 的内置工作方式。

机关一：结构化交接单（TOPIC.yml）——设计到执行的「翻译官」

bio-design 写的 design.md 是给人读的散文，机器精确执行读散文容易理解偏差。于是设计同时落成一份机器可读的 TOPIC.yml，把「我到底在赌什么会发生」和「最多只能说到什么程度」在开工前白纸黑字写死。真实片段：

falsifiable_predictions:          # 可证伪的预测——科研的灵魂
  P1: "AF→HF 因果效应显著为正；反向存在但不对称"
  P2: "若干循环蛋白在遗传层面受 AF 影响 且 影响 HF"
  P4: "校正 BMI/高血压/糖尿/肾病后，AF→HF 直接效应仍显著"

conclusion_ceiling:               # 结论措辞天花板——防吹牛
  allowed:   ["AF 和 HF 共享遗传因果方向；蛋白 X 可能是通路上的中介"]
  forbidden: ["抑制蛋白 X 就能阻止 AF 进展为 HF"]  # 明令禁止

这样，两个 AI 对「成功长什么样」有完全一致的理解——这正是bio-design 预注册流程的产物。

机关二：阶段索引 + 状态机——「跑到哪了」永远有据可查

phase_index.yml 把整个分析切成 8 个阶段（Phase 0 数据质控 → 1 双向 MR → 2/3 中介筛查 → 4 多变量 MR → 5 共定位 → 6 亚型 → 7 敏感性），每阶段写清输入、输出、目标；workflow_state.yml 实时记录跑到哪一步。会话中断两次都无损续跑，靠的就是它——这是 bio-analyze 的状态机治理。

机关三：决策日志（findings.yml）——每个判断都留痕

每遇到一个问题、做一个判断，就记一条 F-XXX：严重度 + 现象 + 处置 + 状态。本项目真实记了 15 条（F-001~F-015），跨全部阶段，每一条的状态都是 resolved——没有一个坑被绕过或藏起来。其中唯一的 critical（F-007）记录的正是「血浆蛋白中介为零」这个关键转折是怎么被诚实处理的（见第 05 节）。

机关四：预注册锁——不许拿结果反推叙事

这是整套自动化里最像「科研良心」的机关。开工前就锁死三样东西：阈值锁（显著性、共定位 PPH4≥0.8、工具强度 F>10，不许事后调）；决策规则锁（若只得到部分支持，叙事必须降级为 suggestive，不许为投高分期刊硬拔）；语言天花板锁（上面 forbidden 列表）。结果好看，如实报告；结果不好看，也如实报告——通道只有这一条。

对照：案例七的复盘结论是「写成原则不如写成触发器」。这四个机关就是把原则做成触发器之后的样子——案例七暴露的缺口，在这里是出厂配置。

先看大白话版——不涉及任何技术名词，看「谁找谁办事」就行；每一层都是真实运转过的组件，不是概念图。

角色 A 的「看」和「操作」也值得说明：它通过浏览器自动化工具驱动一个真实浏览器打开 cc-bioinfo 的界面——「亲眼看」聊天内容、把答复填进输入框；同时保留一条只读通道直接核对服务器上的进程与文件，防止被界面上的转述误导。连「监督者会不会被汇报糊弄」这件事，都做了工程化防御。

放大看一个决策点：混杂因素要不要现在补

下面是真实发生的一轮「提问→核对→拍板→执行→汇报→确认」，全项目这样的循环发生了很多轮（8 组关键决策 + 图表逐张审 + 手稿逐节审）：

执行步骤里那次自我修复不是孤例：置换检验太慢就自己降参数重跑、外部服务连不上就换兜底方案、R 脚本的变量作用域 bug 自己定位改写、p 值被存成字符串导致三千万个假显著也是自己诊断出来的。这些都没有人教，是 bio-analyze「看日志→猜原因→验证→修复」的内置能力。

行业对「AI 自动做科研」最大的顾虑，是已被公开研究记录过的失败模式：自动化系统会编数据、会 p-hacking、会把不好看的结果包装好看。这个案例恰好提供了一次正面压力测试：

全扫 1,915 个血浆蛋白之后，没有任何一个蛋白能中介房颤→心衰——核心假设 P2/P3 落空。一条不诚实的出路显而易见：把几个「看起来相关」的蛋白硬包装成中介去投稿。但预注册锁 + 角色 A 的审查把这条路堵死了：最终手稿明确写「这些蛋白是下游标志物，不是上游中介」，反向分析工具弱就如实标注「工具弱」而不写成「无效应」，亚型样本量不足就明确「不宣称亚型特异」。

阴性结果反而成了论文的诚实亮点：它把「房颤怎么伤害心脏」的搜索范围从「血液里的蛋白」精确缩到了「心脏组织本身」。手稿还专设了「措辞天花板」章节，白纸黑字写明：不声称任何蛋白可作药靶、结论需实验验证方可指导临床——连「哪些话不能说」都写进了论文本身。

这一节是整页的结论，也请读得最慢。

本页证明的是：监督的一部分环节可以工程化。交接可以写成结构化文件，进度可以写成状态机，判断可以写成留痕的决策日志，诚信可以写成开工前锁死的规则，甚至「盯着执行方」这个职能本身也可以交给一个带临床视角的 AI 独立会话去做——而且它做得有据可查。

本页没有证明、也不可能证明的是：人可以退场。不可转移的责任至少有三层——

把两个案例放在一起，结论就完整了：案例七证明监督不可省略；本页证明监督的可省略部分能被做成机器。两页之间的那条线，就是现阶段人类在 AI 科研里的真实位置——开题、验收、实验验证、署名负责。执行与过程纪律，交给平台。

本页最后更新：2026 年 9 月 2 日 · 所有过程事实核对自项目真实文件与日志（设计书、TOPIC.yml、workflow_state.yml、findings.yml、分析脚本与手稿）；科学结果见案例一摘要。