# BMAD Research Framework - 通用科研智能体框架 ## 概述 BMAD Research Framework 是基于 BMAD-METHOD™ 构建的通用科学研究智能体框架，作为**Claude Code的插件扩展**，支持任意学科领域的科研项目规划、执行和报告撰写。该框架通过智能配置、知识驱动和同行评议机制，为科研工作者提供全生命周期的AI辅助支撑。 > **Claude Code 集成**: 本框架设计为Claude Code的专业扩展包，通过`@agent-name`命令在IDE中直接调用各种科研智能体，实现无缝的研究工作流程。 ## 核心特性 ### ✨ 通用性 - 适用于任意学科领域的科研项目 - 不局限于特定专业方向或研究类型 - 支持从基础研究到应用开发的各类项目 ### 🤖 智能配置 - 自动分析项目需求，识别所需专业领域 - 智能生成最优的专业智能体团队配置 - 用户可审查、修改和确认自动生成的配置 ### 📚 知识驱动 - 基于深度文献调研构建结构化知识库 - 为申请报告和研究报告提供学术支撑 - 建立可追溯的引用关系和知识图谱 ### 👥 同行评议 - 内置多层级同行评议机制 - 自动配置专业评议专家团队 - 确保研究质量和学术标准 ### 🔄 动态协作 - 支持多专业智能体并行协作 - 实时协调和进度跟踪 - 灵活的团队组织和沟通机制 ## 框架架构 ### 智能体层次结构 ```mermaid graph TD A[研究策略规划师] --> B[项目自动配置器] B --> C[文献调研专家] C --> D[研究知识管理器] D --> E[申请报告撰写师] E --> F[同行评议协调员] F --> G[研究执行协调员] G --> H[专业执行团队] H --> I[结果解释专家] I --> J[报告撰写专家] style B fill:#ff9800 style D fill:#e1f5fe style H fill:#e8f5e8 ``` ### 四阶段工作流程 1. **规划配置阶段** (2-4周) - 研究策略规划 - 自动项目配置 - 用户配置审查 2. **研究准备阶段** (4-8周) - 文献调研 - 知识库构建 - 申请报告撰写 - 同行评议 3. **执行阶段** (核心研究周期) - 专业团队实例化 - 协调式并行研究 4. **成果报告阶段** (2-4周) - 结果解释分析 - 研究报告撰写 - 最终同行评议 ## 智能体说明 ### 核心智能体 #### 🎯 研究策略规划师 (`research-strategy-planner`) 负责项目整体战略制定，包括可行性分析、风险评估、资源规划和里程碑设定。 #### 🤖 项目自动配置器 (`project-auto-configurator`) 智能分析项目需求并自动生成最优的专业团队配置，包括专业智能体配置、评议专家配置和团队结构设计。 #### 📚 文献调研专家 (`literature-research-expert`) 进行深度文献调研和知识图谱构建，识别研究现状、空白和趋势。 #### 🗄️ 研究知识管理器 (`research-knowledge-manager`) 管理结构化研究知识库，为后续撰写工作提供查询接口和引用支撑。 #### 📄 申请报告撰写师 (`grant-application-writer`) 基于知识库撰写高质量的科研基金申请报告，专注于核心学术内容生成。 ### 模板智能体 #### 🔬 研究专家模板 (`research-specialist-template`) 可配置的专业领域研究专家，根据项目需求动态实例化为不同专业方向的专家。 #### 👨‍🏫 同行评议专家模板 (`peer-reviewer-template`) 可配置的专业评议专家，支持不同专业领域和评议重点的动态配置。 #### 👑 研究团队组长模板 (`research-lead-template`) 专业团队的领导智能体，负责团队内部协调和向上级汇报。 ## 使用指南 ### 完整使用Demo 以下是一个从研究想法到最终报告的完整演示，展示您应该按什么顺序调用智能体，以及每一步达到什么效果： #### 🎯 **第1步：项目启动和策略规划** **在Claude Code中调用:** `@research-strategy-planner` (研究策略规划师) **具体交互命令:** ```text @research-strategy-planner 我想研究"基于机器学习的城市交通流量预测与优化"这个课题， 希望申请国家自然科学基金，请帮我进行可行性分析和策略规划。 项目背景： - 当前城市交通拥堵问题日益严重 - 现有预测方法准确性有限 - 希望结合深度学习和交通工程理论 - 目标是提高预测准确性并优化信号控制 ``` **预期效果:** - ✅ 获得项目可行性评估报告 - ✅ 明确研究目标和技术路线 - ✅ 识别关键技术难点和创新点 - ✅ 制定项目里程碑和时间规划 - ✅ **自动触发下一步配置过程** --- #### 🤖 **第2步：自动团队配置** **在Claude Code中调用:** `@project-auto-configurator` (项目自动配置器) **具体交互命令:** ```text @project-auto-configurator 策略规划师会自动传递项目信息，您只需确认或调整生成的配置 ``` **预期效果:** - ✅ 自动识别需要的专业领域：机器学习、交通工程、数据科学、系统优化 - ✅ 生成最优团队配置方案： ```yaml specialist_configuration: - domain: '机器学习' role: '深度学习模型设计与优化' priority: 'high' - domain: '交通工程' role: '交通流理论和数据采集' priority: 'high' - domain: '数据科学' role: '大数据处理和特征工程' priority: 'medium' - domain: '系统优化' role: '信号控制策略优化' priority: 'medium' ``` - ✅ **用户审查配置并确认，然后继续下一步** --- #### 📚 **第3步：深度文献调研** **在Claude Code中调用:** `@literature-research-expert` (文献调研专家) **具体交互命令:** ```text @literature-research-expert 请基于以下项目配置进行深度文献调研： [传递第2步生成的配置] 重点调研方向： 1. 交通流预测的机器学习方法现状 2. 深度学习在交通优化中的应用 3. 实时交通信号控制算法 4. 相关数据集和评估方法 ``` **预期效果:** - ✅ 获得结构化文献综述报告 - ✅ 建立专业知识图谱和引用关系 - ✅ 识别研究空白和创新机会 - ✅ 整理相关数据集和技术标准 - ✅ **为后续申请报告撰写提供学术支撑** --- #### 📄 **第4步：基金申请报告撰写** **在Claude Code中调用:** `@grant-application-writer` (基金申请撰写专家) **具体交互命令:** ```text @grant-application-writer 请基于前面的策略规划和文献调研结果， 撰写国家自然科学基金申请书的核心学术部分。 申请类型：面上项目 申请金额：60万元 研究周期：4年 ``` **预期效果:** - ✅ 生成完整的申请报告学术内容： - 项目的立项依据和研究意义 - 项目的研究内容、研究目标、拟解决关键科学问题 - 拟采取的研究方案及可行性分析 - 项目的特色与创新之处 - 年度研究计划及预期研究结果 - ✅ **自动引用文献调研阶段的学术资料** - ✅ **准备好进入同行评议阶段** --- #### 👥 **第5步：同行评议和质量保证** **在Claude Code中调用:** 系统会根据项目配置自动生成评议专家团队 **具体交互说明:** 系统会自动激活同行评议专家，无需手动调用特定命令 **自动配置的评议专家:** ```yaml peer_reviewers: - domain: '机器学习' expertise: '深度学习、时序预测' focus: '技术方案可行性' - domain: '交通工程' expertise: '智能交通系统' focus: '工程应用价值' - domain: '系统工程' expertise: '优化理论、控制系统' focus: '整体方案合理性' ``` **预期效果:** - ✅ 获得多角度专业评议意见 - ✅ 识别方案中的技术风险和改进建议 - ✅ 确保申请书符合学术标准和基金委要求 - ✅ **优化后的申请书准备提交** --- #### 🔬 **第6步：研究执行阶段** 当基金获批后，系统会基于之前的配置实例化专业执行团队： **在Claude Code中的团队激活:** 各专家会根据配置自动激活，您可以分别与它们交互： - `@ml-specialist` (机器学习专家) - `@traffic-engineering-specialist` (交通工程专家) - `@data-science-specialist` (数据科学专家) - `@optimization-specialist` (系统优化专家) **实例化团队:** - **机器学习专家**: 负责深度学习模型开发 - **交通工程专家**: 负责数据采集和工程验证 - **数据科学专家**: 负责数据处理和特征工程 - **系统优化专家**: 负责控制策略设计 **协作执行:** - 各专家并行开展专业工作 - 定期进行技术交流和进展汇报 - 团队协调解决跨领域技术问题 --- #### 📊 **第7步：成果报告撰写** **在Claude Code中调用:** `@grant-application-writer` (同一智能体，但用于结题报告) **具体交互命令:** ```text @grant-application-writer 请基于4年的研究执行结果，撰写项目结题报告。 主要成果： - 开发了基于LSTM-GCN的交通流预测模型 - 在3个城市进行了实地验证 - 发表SCI论文8篇，申请专利3项 - 培养博士生2名，硕士生5名 ``` **预期效果:** - ✅ 生成完整的结题报告 - ✅ 整理研究成果和学术贡献 - ✅ 分析项目目标完成情况 - ✅ 总结技术创新和应用价值 --- ### 🚀 **核心价值总结** 通过这个完整流程，您可以看到BMAD Research Framework的核心价值： 1. **智能规划**: 从模糊想法到清晰的研究方案 2. **自动配置**: 根据项目需求智能生成最优团队 3. **知识驱动**: 深度文献调研为申请提供学术支撑 4. **质量保证**: 多层级同行评议确保学术标准 5. **全生命周期**: 从申请到执行再到结题的完整支持 **关键特点**: 用户只需要在关键决策点进行确认，大部分专业工作由AI智能体自动完成和协调！ --- ### 快速开始 > **注意**: 本框架是Claude Code的插件扩展，需要在Claude Code环境中使用 如果您想立即开始，只需要： 1. **在Claude Code中激活研究策略规划师** ```text @research-strategy-planner ``` 2. **描述您的研究想法** - 简要说明研究方向和目标 - 提及希望申请的基金类型 3. **跟随智能体指导** - 系统会自动引导您完成整个流程 - 在每个关键节点请您确认或调整 ### 典型使用场景 #### 场景1: 国自然基金申请 ```yaml # 项目配置示例 project_type: '水利工程调水项目' complexity_level: 'high' identified_domains: ['水文学', '水力学', '结构工程', '环境工程'] specialist_configuration: - domain: '水文学' knowledge_base: 'hydrology-kb' role: '水文数据采集与分析' priority: 'high' ``` #### 场景2: 多学科交叉研究 ```yaml project_type: '生物医学工程交叉研究' complexity_level: 'medium' identified_domains: ['生物医学', '材料科学', '机械工程'] team_structure: recommended_teams: 3 coordination_method: 'matrix' ``` ### 配置说明 所有专业智能体都通过配置文件进行动态实例化： ```yaml # 专业智能体配置格式 - template: research-specialist-template domain: '专业领域名称' # 如: "机器学习", "材料科学" knowledge_base: '对应知识库' # 如: "ml-kb", "materials-kb" role: '具体职责描述' # 如: "算法设计与优化" priority: '优先级' # high/medium/low team_assignment: 团队编号 # 1, 2, 3... ``` ## 文件结构 ``` bmad-research-framework/ ├── agents/ # 智能体定义文件 │ ├── research-strategy-planner.md │ ├── project-auto-configurator.md │ ├── literature-research-expert.md │ ├── grant-application-writer.md │ └── ... ├── templates/ # 模板文件 │ ├── project-config-template.yaml │ ├── nsfc-core-application-template.yaml │ └── research-knowledge-base-template.yaml ├── tasks/ # 任务定义文件 │ ├── generate-project-config.md │ ├── write-nsfc-application.md │ └── ... ├── workflows/ # 工作流程定义 │ └── universal-research-workflow.yaml ├── agent-teams/ # 团队配置 │ └── research-full-team.yaml ├── checklists/ # 质量检查清单 │ └── config-completeness-checklist.md ├── data/ # 知识库和参考资料 │ └── bmad-kb.md └── config.yaml # 扩展包配置 ``` ## 质量保证 ### 多层级评议机制 - **申请阶段评议**: 确保项目方案科学可行 - **执行过程评议**: 监控研究质量和进展 - **成果验证评议**: 验证研究结果可靠性 ### 配置验证体系 - **完整性检查**: 确保配置覆盖所有技术需求 - **合理性验证**: 验证专业分布和团队结构 - **质量评估**: 评估配置方案的执行效果 ### 知识质量控制 - **文献筛选**: 建立明确的文献纳入/排除标准 - **质量评估**: 评估文献的学术价值和可信度 - **持续更新**: 支持知识库的版本管理和更新 ## 最佳实践 ### 配置优化建议 - 专业智能体总数控制在4-8个 - 核心专业设置为高优先级 - 团队规模保持在2-4人 - 定期检查和调整配置 ### 协作效率提升 - 明确各智能体职责边界 - 建立标准化数据交换格式 - 设置合理的沟通频率 - 及时处理协作冲突 ### 质量标准把控 - 严格执行同行评议流程 - 建立可量化的质量指标 - 保持文献引用的准确性 - 确保输出内容的学术规范性 ## 技术要求 - BMAD Core: ^4.0.0 - Node.js: >=20.0.0 - 支持YAML配置解析 - 支持Markdown文档生成 ## 支持与反馈 如需技术支持或反馈问题，请： - 查阅 `data/bmad-kb.md` 了解详细技术文档 - 使用相关智能体的 `*help` 命令获取帮助 - 通过项目配置器进行智能诊断和优化 --- **BMAD Research Framework** - 让AI成为科研工作的智能伙伴 🚀