把 Codex 变成凝聚态物理研究工作台：用一条 Workflow 串起全部 Skills

凝聚态物理研究很少败在某一行代码上。更常见的问题发生在环节之间：文献使用的哈密顿量和程序实现差一个约定，有限尺寸数据混入不同的收敛阈值，图画得很平滑却没有保存筛选规则，论文结论又比数值证据多走了一步。

Codex 的 Skills 适合管理这些接缝。一个 Skill 把任务的输入、步骤、检查项、输出格式和停止条件写成可复用流程。多个 Skills 只有通过研究产物互相交接，才能形成有效的 AI for Research 工作流。

本文用一个具体问题贯穿全程：

二维掺杂 Hubbard 模型中观察到的电荷条纹，能否在热力学极限保持，还是由边界、有限尺寸或数值误差造成？

我们从一句宽泛想法出发，走到文献证据表、可证伪假设、独立推导、模拟代码、原始数据、有限尺寸标度、论文预审、报告和项目专用 Skill。当前环境中的 32 个 Skills 都会进入这条流程。并非每个研究项目都需要同时调用它们；有些 Skill 只在数据格式、软件界面或交付形式满足特定条件时启用。

Skill 是工作流模块

按照 OpenAI 的说明，一个 Skill 是包含指令和资源的文件夹。核心文件 SKILL.md 定义任务边界，旁边可以放参考资料、脚本、模板和示例。Codex 先读取名称与简介，任务匹配后再加载完整指令。研究者也可以用 $skill-name 显式指定某个 Skill。

Skills 和工具承担不同职责。浏览器负责打开页面，PDF 工具负责提取文件内容，绘图库负责生成图；Skill 决定何时使用它们、如何核对结果以及必须留下哪些产物。若课题组规定“所有有限尺寸外推必须扫描最小尺寸和拟合窗口”，这个要求应进入 Skill，而不是依赖研究者每次临时提醒 Codex。

本文采用下面这条主线：

研究边界
  → 文献证据图
  → 可证伪问题
  → 项目契约
  → 独立推导
  → 可复现实现
  → 参数扫描与原始数据
  → 分析、作图和交叉检查
  → 反方审计
  → 论文、报告与伴随网站
  → 项目专用 Skill / Plugin

research-notebook 负责沿途记录证据和决策，research-project-status 在每个关口判断项目是否具备进入下一阶段的条件。它们构成整条流程的纵向轨道。

第 0 关：确认环境、权限和研究边界

研究开始前，Codex 需要知道自己能读取什么、能修改什么、哪些资料属于项目事实。

openai-docs 负责核对 Codex、Skills、Plugins 和 OpenAI API 的当前用法。涉及产品行为时应查官方资料，不能靠旧提示词或模型记忆猜测。plugin-management:plugin-management 检查现有插件、权限、依赖和连接状态；缺少通用 Skill 时，skill-installer 可以从受信来源安装。research-project-init 随后读取仓库中的代码、README、脚本和研究说明，建立项目级上下文。

这一关应产生四项结果：

产物	内容
研究范围	模型、参数区间、目标观测量和明确排除的问题
数据边界	哪些目录可读写，哪些数据不得上传或离开本机
工具清单	已安装 Skills、可用软件、连接器和缺失依赖
项目说明	背景、假设、目录、运行方式、验证标准和责任人

在 Hubbard 案例中，项目说明至少要固定哈密顿量约定：

H = - t \sum_{ \langle i, j \rangle, \sigma } \left( c_{ i \sigma }^{ \dagger } c_{ j \sigma } + \mathrm{h.c.} \right) + U \sum_i n_{ i \uparrow } n_{ i \downarrow } - \mu \sum_i n_i .

还要写清楚晶格几何、边界条件、掺杂定义和使用的算法。若不同脚本对空穴掺杂采用 $p = 1 - n$ 与 $p = n - 1$ 两种符号，后面的图和文字都会出错。

research-project-status 在关口末尾做第一次只读检查：项目是否已有可运行基线，输入数据是否存在，验收标准是否足够具体。缺少这些条件时，工作流停在这里。

第 1 关：把文献变成证据图

research-topic-literature 负责专题检索与物理综合。它需要保留论文中的方程、假设、参数区间、方法限制、竞争机制和来源。针对条纹序问题，单纯收集“观察到条纹”或“没有条纹”的摘要没有用。每篇论文都要落到相同字段：

字段	示例
模型	单带 Hubbard， $U / t = 8$
几何	$L_x \times L_y$ 圆柱，开放与周期混合边界
状态点	掺杂、温度或基态条件
方法	DMRG、AFQMC、张量网络或其他方法
主要观测量	$N( \mathbf{q} )$ 、实空间密度、关联长度、配对关联
数值控制	bond dimension、截断误差、自相关时间、符号平均值
作者结论	原文支持的最窄表述
我们的判断	与本项目问题相容、冲突或无法比较

browser:control-in-app-browser 可以打开论文网页、补充材料和数据仓库。pdf:pdf 提取与检查 PDF 中的正文、公式和表格。science-skill:vision 读取相图、结构因子热图、谱函数和实验装置图。当资料只存在于本机文献管理器或桌面软件中，computer-use:computer-use 可以操作界面；若数据库提供 API、连接器或命令行工具，应优先使用结构化接口。

graphify 把论文、代码说明和读图结果组织为知识图谱。节点可以是模型、方法、参数区间、观测量和结论，边则记录“使用”“支持”“冲突”“只在此范围成立”等关系。图谱的价值在于暴露不可比较的结果。例如，一篇论文研究宽度为 4 的圆柱基态，另一篇研究有限温度方格点阵，两者不能因为都出现电荷峰就合并成一条证据。

这一阶段的交接物是 literature/evidence-table、来源文件和知识图谱。每个结论都要指向论文页码、图号或数据链接。research-notebook 只记录会改变研究设计的发现，不复制整篇文献摘要。

第 2 关：把争论改写成可证伪问题

research-problem-decomposer 接收上一关的证据图，输出竞争假设、决定性观测量、控制实验和最小判别计算。对于条纹问题，可以先列出四个假设：

假设	可观察预期	最关键控制
$H_1$ ：热力学极限存在自发条纹序	结构因子峰随体积标度，序参量外推保持非零	多个宽度和长宽比
$H_2$ ：开放边界诱导 Friedel 振荡	调制振幅离开边界后衰减，周期或相位依赖边界	开放与周期边界对照
$H_3$ ：有限温度交叉行为	关联长度增长但未形成稳定长程序	温度扫描和关联长度比
$H_4$ ：数值算法尚未收敛	信号随 bond dimension、步长或采样长度变化	多初态和误差参数扫描

Skill 还要规定什么结果能否定每个假设。只写“支持 $H_1$ 的证据”会诱导确认偏误；把反例条件提前写入项目说明，Codex 才能按相同标准处理正结果和负结果。

这一关的最小输出是一页研究契约：

问题：电荷条纹在二维热力学极限是否稳定？
主要观测量：N(q)、实空间 C_c(r)、关联长度比、外推序参量。
竞争解释：自发序、边界效应、有限温度、数值未收敛。
必须完成的控制：边界、尺寸、长宽比、初态、误差阈值。
放行条件：至少两个相互独立的观测量给出相容结论。

referee-mode 可以在此时做一次轻量预审，专门寻找遗漏的竞争解释。研究者确认研究契约后再进入代码阶段。

第 3 关：把研究契约写进仓库

research-project-init 根据研究契约整理项目结构，避免把输入、缓存、派生数据和论文图混在一起。一个可用的目录可以写成：

PROJECT.md                 研究问题、假设、流程与验收标准
research.md                证据、解释、失败与决策
literature/                来源清单、证据表和知识图谱
theory/                    推导、符号约定和估计量定义
configs/                   可版本控制的参数文件
src/                       模拟和分析代码
tests/                     极限、对称性和回归测试
data/raw/                  不改写的原始输出
data/derived/              带生成记录的派生数据
figures/scripts/           可复现绘图程序
figures/output/            论文和报告使用的图
manuscript/                论文源文件与回复材料
talks/                     组会、会议和答辩材料

research-notebook 从这时开始持续工作。它记录参数选择的理由、影响判断的结果、失败尝试和来源。它不记录每条命令，也不覆盖旧结论。若新证据推翻旧方案，日志保留变化发生的原因。

research-project-status 充当关口检查器。每次恢复项目时，它先回答五个问题：当前研究问题是什么，已有证据是什么，哪些验证已通过，最大不确定性在哪里，下一项最小动作是什么。

当任务可以安全拆分时，awesome-agent:team-leader 负责定义子任务所有权和交接条件。例如，一名 agent 整理 DMRG 文献，一名 agent 检查结构因子估计量，另一名 agent 审查测试；它们不能同时修改同一文件，也不能互相覆盖未提交结果。多 agent 只提高并行吞吐量，不构成独立科学复核。关键推导仍要走下一关的独立重建。

第 4 关：独立重建理论与估计量

audit-and-rederive 不信任已有笔记、模型回答或论文中的中间步骤。它从约定和目标量出发重建推导，逐项检查符号、量纲、边界项、近似条件和极限。

条纹序的电荷结构因子可以定义为

N( \mathbf{q} ) = \frac{ 1 }{ N_s } \sum_{ i, j } e^{ \mathrm{i} \mathbf{q} \cdot ( \mathbf{r}_i - \mathbf{r}_j ) } \left\langle ( n_i - \bar n )( n_j - \bar n ) \right\rangle .

审计不能停在公式看起来熟悉。它要追问：

$N_s$ 是总格点数、测量窗口内格点数，还是只计算圆柱中心区域？
是否先减去非均匀密度背景？开放边界下用全局 $\bar n$ 会不会把 Friedel 振荡写进峰值？
傅里叶变换采用哪些允许动量？纵向开放边界是否需要正弦基或窗口函数？
外推量使用 $N( \mathbf{Q} ) / N_s$ 、其平方根，还是实空间长距离平台值？
误差传播是否考虑不同 $r$ 或 $\mathbf{q}$ 点之间的协方差？

Skill 应输出带编号的推导、假设清单、未决问题和可以转成代码测试的恒等式。例如，非相互作用极限、半填充粒子空穴对称性、总密度求和规则与小系统精确对角化都能提供测试基准。

science-skill:paper-review-helper 可以读取关键参考论文，逐段核对我们是否复现了作者的定义。science-skill:vision 用来确认论文图中采用的归一化和坐标范围，但研究者要以正文、补充材料或公开代码为准。

第 5 关：把推导变成可验证代码

codex Skill 适合调用 Codex CLI 对代码库做分析、重构和自动化编辑。输入不应是“写一个 DMRG 程序”，而应引用上一关产物：

$codex 在现有分析模块中实现 theory/charge_structure_factor.md
定义的估计量。保留当前数据格式；增加非相互作用极限、平移不变小系统
和开放边界窗口的测试；不要修改 raw data。

awesome-agent:team-leader 可以把工作拆成互不冲突的部分：

子任务	输入	输出	验收
估计量实现	带编号推导	`src/observables/`	小系统测试通过
数据 schema	参数与来源要求	schema 和迁移脚本	旧数据可只读解析
有限尺寸分析	判别标准	`src/analysis/`	合成数据恢复已知指数
回归测试	基线结果	`tests/`	数值容差有物理依据

browser:control-in-app-browser 可以查询算法库的官方文档并测试本地 Web 界面。computer-use:computer-use 只在任务必须操作本机 GUI 软件时介入，例如某个没有命令行接口的仪器导出程序。spreadsheets:excel-live-control 只处理已经打开并与 Codex 连接的 Excel 工作簿；普通 CSV、TSV 或独立 .xlsx 文件交给 spreadsheets:Spreadsheets。

实现阶段的最低要求包括：

所有运行参数进入配置文件，禁止只留在 shell 历史中。
原始输出记录代码版本、随机种子、环境和时间。
分析脚本不改写 data/raw/。
单元测试检查公式，实现测试检查数据流，回归测试检查已知物理极限。
research-notebook 记录会影响结果解释的实现选择。

research-project-status 在关口末尾检查基线能否从干净环境复现。测试失败或来源不明的数据不能进入大规模参数扫描。

第 6 关：运行最小判别实验

研究者先运行第 2 关定义的最小判别计算，再扩展参数网格。条纹案例可以从两个宽度、两种边界、两个 bond dimension 和多个初态开始。若这个小矩阵已经显示峰值随收敛参数剧烈变化，大规模尺寸扫描只会制造更多不可靠数据。

spreadsheets:Spreadsheets 负责检查独立数据文件中的 schema、单位、缺失值和重复任务。它可以把任务表、运行记录和结果摘要整理成工作簿。spreadsheets:excel-live-control 在课题组使用活动 Excel 工作簿追踪计算资源时更新状态，但科研原始数据仍保存在可版本化或可校验的文件中。

research-notebook 为每个改变判断的结果建立记录：

证据：L_y = 4 圆柱在 bond dimension 8000 时出现周期 4 电荷调制；
      提升到 16000 后中心振幅下降 35%。
解释：当前结果更支持“未收敛或边界增强”，不足以外推自发序。
验证：更换初态后趋势保持；L_y = 6 尚未完成。
下一步：固定截断误差而非固定 bond dimension 比较两个宽度。
来源：配置、原始输出、分析脚本、图和代码提交。

research-project-status 汇总完成度和阻塞项。若数据缺少 provenance，Status 应把任务标记为待重跑，不让它悄悄进入论文图。

第 7 关：分析、可视化与交叉检查

academic-plotting 把派生数据转成可发表的 Matplotlib 图，并统一字体、尺寸、色彩、线型、开放标记和误差棒。它还应保存生成脚本与参数。条纹问题至少需要实空间密度、结构因子、收敛扫描和有限尺寸外推四类图。

visualize:visualize 适合建立交互分析工具。你可以拖动最小系统尺寸、温度窗口或修正指数，观察拟合结果如何变化。交互探索帮助研究者找到脆弱结论；论文采用的最终参数仍要写回固定脚本和配置。

有限尺寸标度可以从

\frac{ \xi_L }{ L } = F\!\left( ( g - g_c ) L^{ 1 / \nu }, L^{ -\omega } \right)

开始。Codex 需要扫描最小尺寸、拟合窗口、是否包含修正项，以及数据协方差的处理方式。一次漂亮的数据塌缩不能代替稳定性分析。

science-skill:vision 在这里承担视觉质检：坐标轴与正文是否一致，误差棒是否可见，颜色在灰度打印下能否区分，面板标签是否重复，图注有没有遗漏归一化。graphify 把“原始数据 → 派生表 → 图 → 论文结论”的关系加入知识图谱。研究者随后可以追问某个结论依赖哪些尺寸、脚本和文献定义。

imagegen 只用于博客封面、概念示意或不承载数据的视觉材料。它不能生成或补齐谱函数、显微图、相图、误差棒和实验数据。概念图若进入论文或报告，也要明确标记为示意图。

这一关的放行条件包括：图可以从原始数据重建；筛选和拟合规则已经版本化；替代分析得到相容结论；每条图中结论都能回到数据和推导。

第 8 关：用反方视角审查结论

referee-mode 对整条论证发起攻击。它要寻找缺失控制、替代机制、样本选择、有限尺寸偏差和超出证据的措辞。对于“条纹序在热力学极限稳定”这句话，它应逐项检查：

宽度和长宽比是否足以支持二维外推。
结论是否由最小的两个系统主导。
周期或相位是否跟随边界钉扎场。
数值误差是否小于尺寸间差异。
电荷结构因子、实空间关联和关联长度是否给出相容结论。
其他竞争序是否改变相同参数区间的解释。

science-skill:paper-review-helper 按论文结构记录问题，区分致命问题、需要补充的控制、表达问题和引用问题。audit-and-rederive 回到被质疑的公式做第二轮独立推导。research-topic-literature 针对新出现的竞争解释补充来源，避免把整套文献检索重新做一遍。

研究者把审查结果写成“主张账本”：

主张	支持证据	反对证据	仍缺控制	当前可用措辞
宽度 4 与 6 出现相同波矢峰	图 3、表 S2	振幅随精度下降	宽度 8 未完成	“观察到相容的短程条纹关联”
热力学极限序参量非零	当前外推	拟合依赖最小尺寸	更大宽度与修正项	暂不声称长程序

research-notebook 记录结论为何收窄。research-project-status 依据主张账本判断项目适合投稿、需要补算，还是只能形成方法报告。

第 9 关：写作、文档、报告和公开交付

证据链稳定后，science-skill:hardworking-paper-writer 与作者逐句修改论文。它保留作者的术语和论证顺序，逐段处理摘要、结果、讨论与局限。stop-slop:stop-slop 删除空泛开头、机械排比、无证据的强调和模板化结尾。两者都不能提高主张账本中的证据等级。

documents:documents 生成或编辑 Word 文档，并通过渲染检查分页、公式、图注和交叉引用。pdf:pdf 检查最终 PDF 的字体嵌入、页面裁切、图像清晰度和文本提取。presentations:Presentations 把主张账本改写成组会或会议报告，每一页只承担一个论证任务。

template-creator:template-creator 把经过验证的论文回复信、组会模板、海报版式或数据报告制作成可复用模板。它适合稳定格式，不适合固化仍在变化的科学结论。

若项目需要伴随网站，sites:sites-building 可以建立参数浏览器、交互图、复现说明和数据字典；sites:sites-hosting 负责发布与托管。网站展示派生结果并链接原始数据、代码版本和许可证。它不能成为唯一的数据存档。imagegen 可以制作封面视觉，论文数据图继续来自分析脚本。

这一关的交接物至少包括论文源文件、最终 PDF、图表包、补充材料、报告和复现入口。每个公开主张都应在主张账本中有对应记录。

第 10 关：把有效流程固化成课题组能力

研究结束后，skill-creator 把重复出现的步骤写成项目专用 Skill。条纹项目可能沉淀出三个独立流程：

check-dmrg-convergence：读取运行元数据，比较截断误差、bond dimension、初态和扫掠次数，输出可放行或必须重跑的判断。
audit-finite-size-scaling：扫描最小尺寸、拟合窗口、修正项和协方差处理，生成稳定性报告。
build-claim-ledger：把论文中的主要主张映射到图、数据、推导、来源和缺失控制。

plugin-creator 可以把多个 Skills、参考模板和工具依赖封装成个人 Plugin。若 Plugin 需要连接文献库、集群任务系统或实验数据库，连接器提供授权数据与受控操作，Skill 规定调用顺序和验收标准。plugin-management:plugin-management 检查权限与依赖，skill-installer 负责安装经过审查的 Skill，openai-docs 核对当前的构建与分发方式。

这一阶段需要版本和测试。研究者准备应该触发 Skill 的请求、意思相同的间接请求、输入不完整的请求、不得触发的请求和边界案例。若描述错误导致 Skill 误触发，应修改触发范围；若 Skill 选对了任务却漏掉检查项，应修改流程正文。

经过这一步，下一位组员不必从聊天记录复制提示词。他可以直接调用经过验证的工作流，并得到相同结构的输入检查、分析结果和审计报告。

32 个 Skills 在这条 Workflow 中的位置

下面的清单用于核对覆盖范围。括号内标明首次进入主线的阶段；贯穿型 Skill 会在后续阶段重复出现。

类别	Skills	在流程中的职责
Codex 与扩展管理	`openai-docs`、`skill-installer`、`skill-creator`、`plugin-creator`、`plugin-management:plugin-management`	核对产品行为，安装、创建、封装和管理研究工作流（第 0、10 关）
研究问题与项目记忆	`research-problem-decomposer`、`research-project-init`、`research-project-status`、`research-notebook`	定义可证伪问题，维护项目契约、状态和证据日志（第 0 至 10 关）
文献与知识结构	`research-topic-literature`、`graphify`、`pdf:pdf`、`science-skill:vision`	建立带来源的证据表，抽取论文，读图并构建知识图谱（第 1、4、7、8 关）
理论与科学审计	`audit-and-rederive`、`referee-mode`、`science-skill:paper-review-helper`	独立重建推导，攻击结论，记录结构化审稿问题（第 2、4、8 关）
编程与协作	`codex`、`awesome-agent:team-leader`	修改和审查代码，拆分有明确所有权的并行任务（第 3、5 关）
外部界面与数据	`browser:control-in-app-browser`、`computer-use:computer-use`、`spreadsheets:Spreadsheets`、`spreadsheets:excel-live-control`	查询网页和本地应用，整理独立表格或操作已连接的 Excel（第 1、5、6 关）
分析与视觉	`academic-plotting`、`visualize:visualize`、`imagegen`	生成可复现科学图、交互探索和非数据型概念视觉（第 7、9 关）
论文与交付	`science-skill:hardworking-paper-writer`、`stop-slop:stop-slop`、`documents:documents`、`presentations:Presentations`、`template-creator:template-creator`	逐句写作、去除模板腔，生成文档、报告和可复用模板（第 9 关）
网站与发布	`sites:sites-building`、`sites:sites-hosting`	建立并发布伴随网站、参数浏览器和复现入口（第 9 关）

Workflow 的核心是产物交接

要让这些 Skills 形成研究闭环，必须规定它们如何交换可信产物。文献 Skill 的输出要进入问题拆解；问题拆解的判据要进入项目配置；推导要产生代码测试；模拟要留下原始数据和 provenance；分析图要能回到脚本；审稿问题要更新主张账本；成熟的检查流程才适合固化为 Skill。

这条链上有四条不能省的规则：

每项主张都指向数据、推导或来源。
每次数据变换都保留输入、脚本、参数和输出。
每个关口都写明放行条件和停止条件。
AI 生成的解释接受独立推导、替代分析或人工复核。

研究者仍然负责模型是否合理、近似是否受控、数据是否能区分竞争机制，以及论文应该声称什么。Codex 通过 Skills 执行检查、维护记录并生成可审查产物。两者分工清楚以后，AI 才能进入凝聚态科研的核心流程，而不只是停留在写代码和润色文字的外围。