@researai/deepscientist 1.5.8 → 1.5.11

package/docs/zh/14_PROMPT_SKILLS_AND_MCP_GUIDE.md

@@ -0,0 +1,506 @@
+# 14 Prompt、Skills 与 MCP 指南
+
+这篇文档解释的是：DeepScientist 每一轮到底是怎么被驱动起来的。
+
+适合这些场景：
+
+- 你想理解每轮 prompt 是怎么拼出来的
+- 你想知道每个 skill 到底负责什么
+- 你想弄清楚内建 MCP 工具的结构
+- 你发现系统行为不对，想知道该改 prompt、skill 还是工具代码
+
+如果你只想先看面向用户的系统概览，请先看 [13 核心架构说明](./13_CORE_ARCHITECTURE_GUIDE.md)。
+
+如果你只想进一步看 `memory/artifact/bash_exec` 的使用纪律，请接着看 [07 Memory 与 MCP](./07_MEMORY_AND_MCP.md)。
+
+## 1. 一句话总结
+
+DeepScientist 不是靠一份静态大 prompt 工作的。
+
+每一轮 turn，系统都会重新根据下面这些内容组装 prompt：
+
+- 核心 system prompt
+- 共享交互合同
+- 当前运行时状态
+- quest 持久文件
+- startup contract
+- 当前优先 memory
+- 必要时的 connector 专属规则
+- 当前 skill 结构
+
+然后 agent 只通过三个内建 MCP namespace 工作：
+
+- `memory`
+- `artifact`
+- `bash_exec`
+
+## 2. 哪些文件是 prompt 的主要真相来源
+
+最关键的文件包括：
+
+- `src/prompts/system.md`
+- `src/prompts/contracts/shared_interaction.md`
+- `src/prompts/connectors/qq.md`
+- `src/prompts/connectors/weixin.md`
+- `src/prompts/connectors/lingzhu.md`
+- `src/deepscientist/prompts/builder.py`
+- `src/skills/*/SKILL.md`
+- `src/deepscientist/mcp/server.py`
+
+它们各自的作用大致是：
+
+- `system.md`：全局行为准则
+- `shared_interaction.md`：统一交互连续性规则
+- `connectors/*.md`：只在对应 connector 生效时才注入的专属规则
+- `builder.py`：决定 prompt 组装顺序与运行时上下文
+- `SKILL.md`：定义各个阶段的执行纪律
+- `mcp/server.py`：定义内建工具面
+
+## 3. 一轮 prompt 是怎么组装的
+
+当前运行时大致按下面顺序组装 turn prompt：
+
+1. `system.md`
+2. `contracts/shared_interaction.md`
+3. runtime context
+4. active communication surface
+5. 可选的 connector contract
+6. turn driver 与 continuation guard
+7. active user requirements
+8. quest context
+9. recent durable state
+10. research delivery policy
+11. paper and evidence snapshot
+12. 如果是 retry turn，则加入 retry recovery packet
+13. interaction style
+14. priority memory for this turn
+15. recent conversation window
+16. current turn attachments
+17. current user message
+
+这个顺序不是随便排的。
+
+系统本质上想先回答三个问题：
+
+1. 这个 quest 这一轮现在到底要做什么
+2. 已经有哪些持久状态不能被忽略
+3. 这一轮在当前 surface 和当前 stage 下应该遵守什么规则
+
+## 4. 各个主要 prompt block 到底在做什么
+
+### 4.1 `system.md`
+
+这是全局 DeepScientist 行为合同。
+
+它会定义：
+
+- 长周期、证据优先的工作方式
+- shell 类执行必须走 `bash_exec`
+- 文件、日志、artifact 才是历史真相
+- 不要过早结束 quest
+- Web、TUI、connector 属于同一个 quest
+- 用户可见的汇报风格
+
+如果你发现 agent 在所有场景里行为都不对，`system.md` 一定是首要检查点之一。
+
+### 4.2 `shared_interaction.md`
+
+这个文件统一规定 `artifact.interact(...)` 相关的连续性交互规则。
+
+它告诉 agent：
+
+- `artifact.interact(...)` 是主要的长对话脊柱
+- 排队中的用户消息必须优先确认和处理
+- `blocking` 只该用于真实用户决策
+- 进展汇报应该简洁且可读
+
+如果模型经常在长任务里“断线”或者不会接住用户后续消息，这个文件非常关键。
+
+### 4.3 Active communication surface
+
+prompt builder 每轮都会加一个当前 surface 的说明块。
+
+它会告诉模型：
+
+- 当前这轮是本地、QQ、微信还是其他 connector
+- 当前 quest 绑定了几个外部 connector
+- 此时真正活跃的是哪个 surface
+- 这个 surface 上应该说多少细节
+
+这也是为什么 connector 行为不应该被硬编码进全局 prompt。
+
+同一个 quest 可以同时被 Web、TUI 和 connector 看到，但回复形态应该随 surface 变化。
+
+### 4.4 Connector contract
+
+connector 专属 prompt 片段只在需要时才会被加载。
+
+当前对应文件有：
+
+- `src/prompts/connectors/qq.md`
+- `src/prompts/connectors/weixin.md`
+- `src/prompts/connectors/lingzhu.md`
+
+这些文件主要控制：
+
+- 回复长度
+- 文本优先还是支持媒体
+- 附件该如何发
+- 哪些内部细节不该在聊天面里暴露
+
+例如：
+
+- QQ 被当作里程碑式 operator surface
+- Weixin 被当作简洁的手机侧 operator surface，并依赖 `context_token` 连续性
+- Lingzhu 被当作更短、更受限的 surface
+
+如果只有某个 connector 的行为需要调整，优先改它自己的 connector prompt，而不是把逻辑塞进全局 system prompt。
+
+### 4.5 Runtime context 与 durable quest state
+
+builder 会注入很多运行时事实，例如：
+
+- `quest_id`
+- `quest_root`
+- 当前工作分支
+- 当前 active idea id
+- 当前 active analysis campaign id
+- bound conversations
+- startup contract
+- baseline gate
+- active interactions
+- recent artifacts
+- recent runs
+
+这正是 prompt 变成 quest-aware 的原因，而不是普通通用对话。
+
+### 4.6 Quest context
+
+builder 会直接把这些 quest 文件读进 prompt：
+
+- `brief.md`
+- `plan.md`
+- `status.md`
+- `SUMMARY.md`
+
+这一点很重要：
+
+- 当前 live prompt 并不只依赖聊天记录
+- 持久 quest 文档本身就是一等真相面
+
+### 4.7 Research delivery policy
+
+这个 block 会把启动时的选择，转成具体执行规则。
+
+它主要包括：
+
+- 是否要求 paper delivery
+- launch mode
+- custom profile
+- baseline 路由规则
+- idea 路由规则
+- paper branch 行为
+- review gate 行为
+
+如果你感觉 `Start Research` 后行为不对，通常要检查：
+
+- `startup_contract`
+- `src/deepscientist/prompts/builder.py`
+- 当前 quest 所处的 stage skill
+
+### 4.8 Interaction style
+
+这个 block 决定这轮该怎么“说话”。
+
+它会控制：
+
+- 语言偏置
+- blocking 还是 threaded
+- 长时间运行时的汇报节奏
+- mailbox 消息要怎么确认
+- 如何把进展压缩成人类可读的更新
+
+所以 DeepScientist 虽然是同一套 runtime，但在这些场景里可以表现不同：
+
+- 长实验
+- connector 回复
+- 写作阶段
+- 等待用户决策的阶段
+
+### 4.9 Priority memory
+
+DeepScientist 不是随机往 prompt 里塞 memory 的。
+
+`PromptBuilder` 会根据 stage 使用不同的 memory plan。
+
+例如：
+
+- `scout` 更偏向 `papers`、`knowledge`、`decisions`
+- `baseline` 更偏向 `papers`、`decisions`、`episodes`、`knowledge`
+- `idea` 更偏向 `papers`、`ideas`、`decisions`、`knowledge`
+- `experiment` 更偏向 `ideas`、`decisions`、`episodes`、`knowledge`
+
+也就是说，prompt 会有明确的 stage bias。
+
+agent 不应该在每一轮都看到完全同一批 memory。
+
+## 5. 哪些 prompt 可以本地覆盖
+
+当前支持按 quest 在下面路径覆盖 prompt 片段：
+
+- `.codex/prompts/system.md`
+- `.codex/prompts/contracts/shared_interaction.md`
+- `.codex/prompts/connectors/<connector>.md`
+
+也就是说：
+
+- 仓库默认 prompt 在 `src/prompts/`
+- quest 私有覆盖在 `.codex/prompts/`
+
+只有当某个 quest 确实需要局部特殊合同，才建议这样覆盖。
+
+如果这个改动应该影响整个产品，就不该做 quest-local override，而应该直接改仓库默认 prompt。
+
+## 6. Skills 是怎么分层的
+
+DeepScientist 当前有两层 skill：
+
+1. 标准 stage skills
+2. companion skills
+
+### 6.1 标准 stage skills
+
+这些是主研究锚点：
+
+| Skill | 什么时候用 | 主要职责 | 通常交给谁 |
+|---|---|---|---|
+| `scout` | 任务框架还不清楚 | 定义问题、找 baseline、确认数据集和 metric 合同 | `baseline` 或 `idea` |
+| `baseline` | 还没有可信 baseline | attach、import、复现、修复和验证 baseline | `idea` |
+| `idea` | baseline 清楚，但下一条研究路线不清楚 | 生成、比较并选择可持久化的新方向 | `experiment` |
+| `experiment` | 已经有选中的 idea | 在单条 durable 线路上实现并跑主实验 | `analysis-campaign`、`write` 或 `decision` |
+| `analysis-campaign` | 需要补充实验 | 跑 slice、ablation、robustness 或 reviewer-facing supplement | `write`、`decision` 或 `finalize` |
+| `write` | 证据已经足够写作 | 把证据转成 outline、draft 和 paper bundle | `review` 或 `finalize` |
+| `finalize` | quest 接近收尾 | 汇总 claims、总结状态并做关闭前检查 | quest completion approval |
+| `decision` | 需要做 durable route choice | 基于证据做 go/stop/branch/reuse 决策 | 交给下一个 anchor |
+
+### 6.2 Companion skills
+
+这些是辅助入口或质量控制技能：
+
+| Skill | 什么时候用 | 主要职责 |
+|---|---|---|
+| `figure-polish` | 某张图已经不只是 debug 图 | 对 milestone 或 paper figure 做 render-inspect-revise |
+| `intake-audit` | quest 里已经有不少历史状态 | 给旧资产做 trust-rank，并决定下一个 anchor |
+| `review` | 已经有比较完整的 draft | 在宣布完成前做一次 skeptical audit |
+| `rebuttal` | 已经有 reviewer comments 或 revision request | 把 reviewer pressure 映射成实验、文字修改和 response artifact |
+
+### 6.3 最关键的设计点
+
+DeepScientist 的 daemon 不应该变成一个巨大的硬编码科研调度器。
+
+真正的分工是：
+
+- prompt 定义总合同
+- skill 定义当前阶段纪律
+- runtime 负责持久化状态与路由 turn
+
+这就是 DeepScientist 最核心的设计选择之一。
+
+## 7. 每个 skill 通常会留下什么 durable 输出
+
+你可以期待的大致持久化产物如下：
+
+| Skill | 常见 durable outputs |
+|---|---|
+| `scout` | 更新后的 `brief.md`、更新后的 `plan.md`、文献笔记、framing memory |
+| `baseline` | `PLAN.md`、`CHECKLIST.md`、baseline 验证记录、confirmed 或 waived baseline 状态 |
+| `idea` | durable idea draft、选中路线包、为什么这条路线胜出的理由 |
+| `experiment` | 实现改动、run logs、`record_main_experiment(...)`、结果证据 |
+| `analysis-campaign` | campaign manifest、slice 记录、综合分析说明 |
+| `write` | selected outline、writing plan、draft、references、claim-evidence map、paper bundle |
+| `finalize` | 最终 summary、closure state、关闭前健康检查 |
+| `decision` | durable route decision、next-anchor recommendation |
+| `intake-audit` | trusted 与 untrusted 资产映射、next anchor recommendation |
+| `review` | review report、revision log、experiment TODO list |
+| `rebuttal` | review matrix、response letter、text deltas、evidence-update plan |
+| `figure-polish` | 最终 polished figure 资产和已检查过的导出结果 |
+
+## 8. 内建 MCP 结构
+
+DeepScientist 故意把内建 MCP 面压得很小。
+
+只有下面三个 namespace 是内建的：
+
+- `memory`
+- `artifact`
+- `bash_exec`
+
+没有单独公开的内建 `git` namespace。
+
+所有 Git-aware 行为都通过 `artifact` 暴露。
+
+### 8.1 `memory`
+
+作用：
+
+- 保存可复用知识
+- 保存应该跨 turn 保留下来的经验
+- 管理 quest-local 或 global memory cards
+
+当前内建工具有：
+
+- `memory.write(...)`
+- `memory.read(...)`
+- `memory.search(...)`
+- `memory.list_recent(...)`
+- `memory.promote_to_global(...)`
+
+当输出应该被后续轮次继续复用时，用 `memory`。
+
+不要把瞬时进度消息塞到 memory 里。
+
+### 8.2 `artifact`
+
+作用：
+
+- quest control plane
+- durable research state
+- Git-aware branch / worktree 路由
+- experiment 与 paper 记录
+- 用户可见交互连续性
+
+artifact 名字虽然多，但本质上还是一个家族。
+
+#### A. 通用持久记录
+
+- `artifact.record(...)`
+- `artifact.refresh_summary(...)`
+- `artifact.render_git_graph(...)`
+
+#### B. 分支与路线控制
+
+- `artifact.checkpoint(...)`
+- `artifact.prepare_branch(...)`
+- `artifact.activate_branch(...)`
+- `artifact.submit_idea(...)`
+- `artifact.list_research_branches(...)`
+- `artifact.resolve_runtime_refs(...)`
+
+#### C. Baseline 生命周期
+
+- `artifact.publish_baseline(...)`
+- `artifact.attach_baseline(...)`
+- `artifact.confirm_baseline(...)`
+- `artifact.waive_baseline(...)`
+
+#### D. 实验与分析生命周期
+
+- `artifact.record_main_experiment(...)`
+- `artifact.create_analysis_campaign(...)`
+- `artifact.get_analysis_campaign(...)`
+- `artifact.record_analysis_slice(...)`
+
+#### E. Paper 生命周期
+
+- `artifact.submit_paper_outline(...)`
+- `artifact.list_paper_outlines(...)`
+- `artifact.submit_paper_bundle(...)`
+
+#### F. 阅读与交互连续性
+
+- `artifact.arxiv(...)`
+- `artifact.interact(...)`
+- `artifact.complete_quest(...)`
+
+对长时间协作来说，最重要的 artifact 工具是：
+
+- `artifact.interact(...)`
+
+因为它会把这些事情连接起来：
+
+- 用户可见更新
+- mailbox 消息轮询
+- connector 投递
+- threaded continuity
+- 附件发送
+
+### 8.3 `bash_exec`
+
+作用：
+
+- 持久化 shell 执行
+- 监控长任务
+- 保存 durable logs
+- 允许停止和回读执行会话
+
+当前内建工具只有一个：
+
+- `bash_exec.bash_exec(...)`
+
+但是它支持多种 mode：
+
+- `detach`
+- `await`
+- `read`
+- `kill`
+- `list`
+- `history`
+
+设计原则很简单：
+
+- 任何 shell-like 的执行都应该走 `bash_exec`
+- 不要把关键执行藏在一次性 shell 片段里
+
+## 9. 这三个 MCP namespace 是怎么分工的
+
+可以这样记：
+
+- `memory`：记住
+- `artifact`：决策并记录
+- `bash_exec`：执行并监控
+
+例如：
+
+- 从失败实验里抽出可复用经验 -> `memory.write(...)`
+- 确认 baseline -> `artifact.confirm_baseline(...)`
+- 启动训练 -> `bash_exec.bash_exec(mode='detach', ...)`
+- 给用户回传下一次 checkpoint -> `artifact.interact(...)`
+
+如果这三类职责混用得太乱，quest 就会变得难以恢复，也难以审计。
+
+## 10. 一轮真实 turn 通常怎么流动
+
+一个典型 turn 大致如下：
+
+1. 用户或 connector 发来一条消息
+2. daemon 恢复 quest snapshot 和 history
+3. `PromptBuilder` 组装当前 turn prompt
+4. 当前 active skill 定义这一轮的阶段纪律
+5. 注入 priority memory
+6. agent 使用 `memory`、`artifact` 和 `bash_exec`
+7. 输出被持久化进文件、artifact、memory cards、logs 和 Git 状态
+8. `artifact.interact(...)` 保持用户可见线程不断线
+
+这也是 DeepScientist 更像一个持续科研工作坊，而不是无状态聊天的原因。
+
+## 11. 什么时候该改 prompt、skill 或 MCP 代码
+
+可以用下面这个快速判断：
+
+- 全局行为准则错了 -> 改 `src/prompts/system.md`
+- 连续性交互不对 -> 改 `src/prompts/contracts/shared_interaction.md`
+- 某个 connector 表现不对 -> 改 `src/prompts/connectors/*.md`
+- 某个 stage 的工作纪律不对 -> 改 `src/skills/<skill>/SKILL.md`
+- prompt 组装顺序或 runtime context 选择错了 -> 改 `src/deepscientist/prompts/builder.py`
+- 内建工具面本身不对 -> 改 `src/deepscientist/mcp/server.py`
+
+不要试图用一大段 prompt patch 去修一个真正的 MCP contract bug。
+
+也不要为了修 stage discipline 问题，去新增一个本该属于 skill 的 MCP 工具。
+
+## 12. 下一步建议阅读
+
+- [07 Memory 与 MCP](./07_MEMORY_AND_MCP.md)
+- [13 核心架构说明](./13_CORE_ARCHITECTURE_GUIDE.md)
+- [06 Runtime 与 Canvas](./06_RUNTIME_AND_CANVAS.md)
+- [01 设置参考](./01_SETTINGS_REFERENCE.md)

package/docs/zh/99_ACKNOWLEDGEMENTS.md

@@ -13,8 +13,11 @@ DeepScientist 的构思、架构设计与实现过程中，受到了许多优秀
 - EvoScientist
 - Orchestra-Research
 - Orchestra-Research/AI-Research-SKILLs
+- Overleaf / overleaf/overleaf
+- Monaco Editor / microsoft/monaco-editor
+- Novel / steven-tey/novel
 
-这些项目在自动化科研、开放式探索、进化式搜索、实验组织与智能研究代理等方向上的探索，为 DeepScientist 的设计提供了重要参照。
+这些项目在自动化科研、开放式探索、进化式搜索、实验组织、智能研究代理、协作式 LaTeX 编辑工作流、浏览器端代码编辑体验，以及富文本 notebook 式写作交互等方向上的探索，为 DeepScientist 的设计提供了重要参照。
 
 ## 个人致谢
 

package/docs/zh/README.md

@@ -0,0 +1,126 @@
+# DeepScientist 文档总览
+
+DeepScientist 不仅仅是一个可长期运行的自动化科学发现系统，更是一个真正持续保存在你自己机器里的科研地图。
+
+2 分钟安装，2 分钟配置微信，2 分钟启动。极快、方便、易用。
+
+它也是一种工作坊式协作环境：可以长期自主推进，也允许你随时接管、协作、改代码、自己跑终端，亦或者用 Notion 式方式记录笔记、计划与协作内容。
+
+DeepScientist 灵活且易于使用，支持：
+
+- 本地优先、开源、一条命令安装
+- Git 驱动的 quest 仓库、Web 工作区、Studio / Canvas 与 TUI
+- 工作坊式协作：可长期自主推进，也可随时接管、协作、改代码、跑终端或记录 Notion 式笔记
+- 默认使用 Codex + `gpt-5.4`
+- 兼容外部 OpenAI-compatible 模型端点
+- 你可以在任何地方使用 DeepScientist：服务器（TUI）、浏览器（Web）、手机（微信或 QQ），甚至眼镜（Rokid Glasses）
+- 每个 quest 绑定一个外部 connector
+- 支持 [微信](./10_WEIXIN_CONNECTOR_GUIDE.md)、[QQ](./03_QQ_CONNECTOR_GUIDE.md)、Telegram、Discord、Slack、Feishu、WhatsApp、[灵珠 / Rokid](./04_LINGZHU_CONNECTOR_GUIDE.md)
+- 一题一仓库
+- 分支与 worktree 是原生科研结构
+- Studio 与 Canvas 从持久状态实时重建
+- baseline 可复用，不是一次性跑分
+- `bash_exec` 是持久化 shell 会话
+- 支持会议扩展期刊与 rebuttal 工作流
+
+## 端到端自治科研系统
+
+以下是基于公开仓库、论文、demo 与公开报道整理的保守快照，检查日期为 `2026/03/23`。打勾表示该能力在公开材料中被清晰呈现为一等能力，而不是用户自行拼装后才可能实现。
+
+| 系统 | 系统类型 | E2E | Research Map | Workshop | Keeps Growing | Channels | Figure & Rebuttal & Review |
+|---|---|---|---|---|---|---|---|
+| [autoresearch](https://github.com/karpathy/autoresearch) | Open-source |  |  | ✓ |  |  |  |
+| [RD-Agent](https://github.com/microsoft/RD-Agent) | Open-source |  |  |  | ✓ |  |  |
+| [Agent Laboratory](https://github.com/SamuelSchmidgall/AgentLaboratory) | Open-source | ✓ |  | ✓ | ✓ |  |  |
+| [AI-Scientist](https://github.com/SakanaAI/AI-Scientist) | Open-source | ✓ |  |  |  |  |  |
+| [AI-Scientist-v2](https://github.com/SakanaAI/AI-Scientist-v2) | Open-source | ✓ |  |  |  |  |  |
+| [AutoResearchClaw](https://github.com/aiming-lab/AutoResearchClaw) | Open-source | ✓ |  |  | ✓ | ✓ |  |
+| [ClawPhD](https://github.com/ZhihaoAIRobotic/ClawPhD) | Open-source |  |  | ✓ |  | ✓ |  |
+| [Dr. Claw](https://github.com/OpenLAIR/dr-claw) | Open-source | ✓ |  | ✓ |  | ✓ |  |
+| [FARS](https://analemma.ai/fars/) | Closed-source | ✓ |  |  |  |  |  |
+| [EvoScientist](https://github.com/EvoScientist/EvoScientist) | Open-source | ✓ |  | ✓ | ✓ | ✓ |  |
+| [PaperClaw](https://github.com/meowscles69/PaperClaw) | Open-source |  |  |  |  |  | ✓ |
+| [ScienceClaw](https://github.com/beita6969/ScienceClaw) | Open-source |  |  |  | ✓ | ✓ |  |
+| [claude-scholar](https://github.com/Galaxy-Dawn/claude-scholar) | Open-source | ✓ |  | ✓ | ✓ |  |  |
+| [Research-Claw](https://github.com/wentorai/Research-Claw) | Open-source | ✓ |  | ✓ | ✓ | ✓ |  |
+| [DeepScientist](https://github.com/ResearAI/DeepScientist) | Open-source | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
+
+列含义：
+
+- `系统类型`：系统本体是开源还是闭源。
+- `E2E`：是否覆盖从想法或文献到实验与写作的完整链路。
+- `Research Map`：是否把研究过程显式组织成可回看的地图，而不只是日志或聊天记录。
+- `Workshop`：人类是否可以随时接管、改计划、改代码、跑命令、继续推进。
+- `Keeps Growing`：后续轮次是否能基于持久记忆、经验与产物持续累积。
+- `Channels`：是否能通过消息或会议式外部协作面持续推进同一研究会话。
+- `Figure & Rebuttal & Review`：是否把图表生成、审稿、rebuttal 或 review 工作流做成明确能力。
+
+## 动态
+
+- `2026/03/24`：DeepScientist 正式发布 `v1.5` 版本。
+- `2026/02/01`：DeepScientist 论文已上线 [OpenReview](https://openreview.net/forum?id=cZFgsLq8Gs)，对应 `ICLR 2026`。
+
+## ResearAI 相关项目
+
+这里聚焦与 DeepScientist 关联最强的一组 AI Scientist 与 AutoFigure 项目。
+
+| 项目 | 用途 |
+|---|---|
+| [AutoFigure](https://github.com/ResearAI/AutoFigure) | 生成论文级图像 |
+| [AutoFigure-Edit](https://github.com/ResearAI/AutoFigure-Edit) | 可编辑矢量论文图 |
+| [DeepReviewer-v2](https://github.com/ResearAI/DeepReviewer-v2) | 审稿与论文建议 |
+| [Awesome-AI-Scientist](https://github.com/ResearAI/Awesome-AI-Scientist) | AI Scientist 导航 |
+
+这页的目标很简单：帮你最快找到该看的那篇文档。
+
+## 如果你是第一次使用
+
+- [00 快速开始](./00_QUICK_START.md)
+  从安装、启动，到创建第一个项目，先看这一篇。
+- [12 引导式工作流教程](./12_GUIDED_WORKFLOW_TOUR.md)
+  按真实产品流程，逐步理解从首页到工作区应该怎么使用。
+- [02 Start Research 参考](./02_START_RESEARCH_GUIDE.md)
+  如果你想真正理解 `Start Research` 弹窗里每个字段该怎么填、会提交什么，就接着看这篇。
+
+## 如果你想把项目启动得更稳
+
+- [02 Start Research 参考](./02_START_RESEARCH_GUIDE.md)
+  解释当前前端字段、自动推导合同字段，以及实际可照抄的例子。
+- [01 设置参考](./01_SETTINGS_REFERENCE.md)
+  当你需要配置 runner、connector、运行时默认值或主目录路径时，看这一篇。
+- [11 协议与风险说明](./11_LICENSE_AND_RISK.md)
+  如果你关心开源协议、责任边界、服务器安全、结果伪造风险和 connector 泄露风险，先看这一篇。
+
+## 如果你想通过外部协作面继续推进
+
+- [10 微信连接器指南](./10_WEIXIN_CONNECTOR_GUIDE.md)
+  适合通过 DeepScientist 内置扫码流程，把个人微信直接绑定进来。
+- [03 QQ 连接器指南](./03_QQ_CONNECTOR_GUIDE.md)
+  适合把 QQ 当作日常协作、里程碑通知和命令入口。
+- [04 灵珠 / Rokid 指南](./04_LINGZHU_CONNECTOR_GUIDE.md)
+  适合绑定灵珠 / Rokid Glasses。
+
+## 如果你想理解系统是怎么工作的
+
+- [13 核心架构说明](./13_CORE_ARCHITECTURE_GUIDE.md)
+  先看这篇，理解 launcher、daemon、quest、Canvas、memory 与 connector 是怎样拼起来的。
+- [14 Prompt、Skills 与 MCP 指南](./14_PROMPT_SKILLS_AND_MCP_GUIDE.md)
+  适合你想直接弄清楚每轮 prompt 组装顺序、各个 skill 分工，以及内建 MCP 工具家族结构的时候阅读。
+- [06 Runtime 与 Canvas](./06_RUNTIME_AND_CANVAS.md)
+  说明 daemon、工作区、canvas 和 connector 视图之间的关系。
+- [07 Memory 与 MCP](./07_MEMORY_AND_MCP.md)
+  说明 memory、artifact 和内置 MCP 的行为。
+
+## 如果你遇到了问题
+
+- [09 启动诊断](./09_DOCTOR.md)
+  启动诊断、排查常见运行问题，先看这篇。
+- [01 设置参考](./01_SETTINGS_REFERENCE.md)
+  如果问题可能和配置、凭据或 connector 有关，再查这篇。
+
+## 如果你在维护 DeepScientist
+
+- [90 Architecture](../en/90_ARCHITECTURE.md)
+  说明系统级约束、核心契约和仓库结构。
+- [91 Development](../en/91_DEVELOPMENT.md)
+  面向维护者的开发工作流和实现说明。

package/install.sh

@@ -421,40 +421,6 @@ write_global_wrapper() {
   cat >"$target_path" <<EOF
 #!/usr/bin/env bash
 set -euo pipefail
-WRAPPER_PATH="\${BASH_SOURCE[0]}"
-WRAPPER_DIR="\$(cd "\$(dirname "\$WRAPPER_PATH")" && pwd)"
-PREFERRED_COMMAND="$command_name"
-LOOKUP_PATH=""
-OLD_IFS="\$IFS"
-IFS=:
-for ENTRY in \$PATH; do
-  if [ -z "\$ENTRY" ]; then
-    continue
-  fi
-  ENTRY_REAL="\$ENTRY"
-  if ENTRY_CANONICAL="\$(cd "\$ENTRY" 2>/dev/null && pwd)"; then
-    ENTRY_REAL="\$ENTRY_CANONICAL"
-  fi
-  if [ "\$ENTRY_REAL" = "\$WRAPPER_DIR" ]; then
-    continue
-  fi
-  if [ -z "\$LOOKUP_PATH" ]; then
-    LOOKUP_PATH="\$ENTRY"
-  else
-    LOOKUP_PATH="\$LOOKUP_PATH:\$ENTRY"
-  fi
-done
-IFS="\$OLD_IFS"
-if [ -n "\$LOOKUP_PATH" ]; then
-  if RESOLVED_LAUNCHER="\$(PATH="\$LOOKUP_PATH" command -v "\$PREFERRED_COMMAND" 2>/dev/null)"; then
-    if [ -n "\$RESOLVED_LAUNCHER" ] && [ "\$RESOLVED_LAUNCHER" != "\$WRAPPER_PATH" ]; then
-      if [ -z "\${DEEPSCIENTIST_HOME:-}" ]; then
-        export DEEPSCIENTIST_HOME="$BASE_DIR"
-      fi
-      exec "\$RESOLVED_LAUNCHER" "\$@"
-    fi
-  fi
-fi
 if [ -z "\${DEEPSCIENTIST_HOME:-}" ]; then
   export DEEPSCIENTIST_HOME="$BASE_DIR"
 fi

package/package.json

@@ -1,8 +1,8 @@
 {
   "name": "@researai/deepscientist",
-  "version": "1.5.8",
-  "description": "Local-first research operating system with a Python runtime and npm launcher",
-  "license": "MIT",
+  "version": "1.5.11",
+  "description": "DeepScientist is not just a fully open-source autonomous scientific discovery system. It is also a research map that keeps growing from every round.",
+  "license": "Apache-2.0",
   "files": [
     "AGENTS.md",
     "README.md",