智能体#

EurekaClaw 包含五个专职智能体，由 MetaOrchestrator 统一调度。每个智能体运行一个工具调用循环，并定期对上下文进行压缩。

BaseAgent#

所有智能体均继承自 eurekaclaw/agents/base.py：

核心方法：

方法

说明

execute(task: Task) -> AgentResult

抽象方法。在给定任务上运行智能体

get_tool_names() -> list[str]

抽象方法。返回该智能体允许使用的工具名称列表

build_system_prompt(task: Task) -> str

合并角色提示词与注入的技能

run_agent_loop(task, initial_user_message, max_turns, max_tokens)

带上下文压缩的工具调用循环

_compress_history() -> str

每隔 N 轮使用快速模型对对话历史进行摘要

_call_model(system, messages, tools, max_tokens)

带指数退避重试的 LLM 调用

上下文压缩： 每隔 CONTEXT_COMPRESS_AFTER_TURNS 轮（默认 6 轮），当历史消息超过 12 条时，使用快速模型将其压缩为单条摘要。这可将长时运行中的输入 token 增长控制在合理范围内。

SurveyAgent#

角色： SURVEY 文件： eurekaclaw/agents/survey/agent.py 最大轮次： SURVEY_MAX_TURNS（默认 8）

功能： 检索文献，并将论文、开放问题及关键数学对象填充到 KnowledgeBus。

工具：

  • arxiv_search — 在 arXiv 上检索相关论文

  • semantic_scholar_search — 在 Semantic Scholar 上检索引用数和元数据

  • web_search — 补充通用网络搜索

  • citation_manager — 格式化并存储参考文献

输入（来自 KnowledgeBus）：

  • ResearchBrief.domain

  • ResearchBrief.query

  • ResearchBrief.conjecture

输出：

  • 将论文追加到总线上的 Bibliography

  • 写入 ResearchBrief：

    • open_problems — 识别出的开放问题列表

    • key_mathematical_objects — 核心概念与结构

输出 JSON 键： papers、open_problems、key_mathematical_objects、research_frontier、insights

IdeationAgent#

角色： IDEATION 文件： eurekaclaw/agents/ideation/agent.py 最大轮次： 3

功能： 基于调研结果生成 5 个新颖的研究假设。每个方向在 novelty_score、feasibility_score 和 impact_score 三个维度上打分（内部映射到 ResearchDirection 的 novelty_score、soundness_score、transformative_score 字段）。

研究方向选择不在 IdeationAgent 内部完成。IdeationAgent 将 ResearchBrief.directions 写入后，编排器的 direction_selection_gate 任务会调用 DivergentConvergentPlanner.converge() 选出得分最高的方向，并设置 ResearchBrief.selected_direction。

输入（来自 KnowledgeBus）：

  • 调研结果（ResearchBrief）

  • Bibliography

输出：

  • ResearchBrief.directions — 5 个带综合评分的 ResearchDirection 对象

TheoryAgent#

角色： THEORY 文件： eurekaclaw/agents/theory/agent.py 最大迭代次数： THEORY_MAX_ITERATIONS（默认 10） 内层阶段最大轮次： THEORY_STAGE_MAX_TURNS（默认 6）

功能： 通过 7 阶段自底向上的证明流水线，证明选定的研究方向。

工具：

  • arxiv_search — 从论文中检索引理和技术方法

  • wolfram_alpha — 符号计算与界的验证

  • lean4_verify — 在 Lean4 中进行形式化证明验证

  • execute_python — 数值检验与合理性测试

输入（来自 KnowledgeBus）：

  • ResearchBrief.selected_direction

输出：

  • TheoryState，其中 status 为 proved / refuted / abandoned

7 阶段内层循环（inner_loop_yaml.py）：

阶段

类

输入

输出

1

PaperReader

Bibliography

known_results[]

2

GapAnalyst

known_results + conjecture

research_gap

3

ProofArchitect

research_gap + known_results

proof_plan[]（带来源标注）

4

LemmaDeveloper

proof_plan, open_goals

proven_lemmas{}

5

Assembler

proven_lemmas

assembled_proof

6

TheoremCrystallizer

assembled_proof

formal_statement

7

ConsistencyChecker

完整 TheoryState

一致性报告

LemmaDeveloper 内层循环（逐引理）：

for each open_goal:
    Prover → Verifier → (if failed) Refiner → repeat
    CounterexampleSearcher runs in parallel
    Stagnation detection: if same error N times → force Refiner

来源标注系统： 证明计划中的每个引理均被标注为 known（可直接引用）、adapted（需修改）或 new（必须完整证明）。只有 adapted 和 new 引理进入证明循环。

自动验证： 置信度大于等于 AUTO_VERIFY_CONFIDENCE（默认 0.95）的证明无需调用 LLM 验证器即可被接受。LLM 验证器本身使用独立的通过阈值 VERIFIER_PASS_CONFIDENCE（默认 0.90）。

ProofArchitect 重试策略： 若完整的带来源标注计划失败（例如 LLM 将某字段返回为 null），则使用简化的 3 引理提示词重试（基础引理 → 核心界 → 主要结论）。只有两次尝试均失败时，才回退到单个 main_result 目标。

外层迭代循环： Assembler 运行后，TheoremCrystallizer + ConsistencyChecker 最多迭代 theory_max_iterations 次。ConsistencyChecker 将每次失败分为三个严重级别，并据此选择重试路径：

严重级别

含义

重试路径

uncited

证明逻辑正确，但已证明引理未在汇总文本中被引用

内联重新运行 TheoremCrystallizer，随即将证明标记为 proved 并退出外层循环——不进行第二次 ConsistencyChecker 检验

major

某个引理不正确，或两个引理之间的逻辑关联断裂

重新运行 LemmaDeveloper → Assembler → TheoremCrystallizer → ConsistencyChecker（一次尝试）。若仍失败，升级为 all_wrong

all_wrong

证明根本性失败——思路错误或多个引理不正确

从 ProofArchitect（新证明计划）重新运行完整流水线

若 LLM 未返回严重级别字段，则启发式推断：仅含 uncited_lemmas 且无 issues 的失败归类为 uncited；其余均归类为 major。

引用约定： Assembler 被要求在汇总证明中使用方括号引用每个已证明引理的标识符，例如 By [arm_pull_count_bound], ...。ConsistencyChecker 验证所有已证明引理的 ID 是否出现在汇总证明中，并标出缺失的部分。

知识图谱写入： 无论最终一致性检查是否通过，只要引理被证明，引理节点和依赖边就会写入 Tier 3 知识图谱。即使定理语句结晶化失败，引理级别的图也会被保留。

ExperimentAgent （开发中）#

备注

ExperimentAgent 及 execute_python 工具属于未来工作。针对 LLM 生成的 Python 代码进行自动化执行，目前尚未为通用场景提供安全的沙箱隔离。在未来版本正式引入沙箱之前，请将 EXPERIMENT_MODE 保持为 false。

角色： EXPERIMENT 文件： eurekaclaw/agents/experiment/agent.py 最大轮次： 5

功能： 通过数值实验对理论界进行实证验证，尤其针对置信度较低的引理。

工具：

  • execute_python — 运行数值模拟*（未来工作——见上方说明）*

  • wolfram_alpha — 符号界检验

  • 领域特定工具（例如 MAB 领域的 run_bandit_experiment）

自动跳过逻辑： 智能体在运行前检查 TheoryState.formal_statement 中的定量信号：

  • 运行实验： O(、\Omega(、不等式运算符、sample complexity、regret、收敛/泛化相关词汇

  • 跳过： \exists、存在量词、纯代数/组合结构

低置信度引理测试：

  • 将 proven_lemmas 分为 verified 和 low_confidence 两组

  • 对每个低置信度引理：随机采样实例，检验结论是否成立，计算 violation_rate

  • violation_rate > 1% 的引理被标记为 numerically_suspect

输入（来自 KnowledgeBus）：

  • TheoryState（已证明引理、形式语句）

输出：

  • KnowledgeBus 上的 ExperimentResult，包含 alignment_score 及逐引理检验结果

WriterAgent#

角色： WRITER 文件： eurekaclaw/agents/writer/agent.py 最大轮次： WRITER_MAX_TURNS（默认 4）

功能： 基于所有流水线产物，生成完整的 LaTeX（或 Markdown）格式学术论文。

工具：

  • citation_manager — 格式化参考文献条目并生成一致的引用键

输入（来自 KnowledgeBus）：

  • ResearchBrief（领域、猜想、选定方向）

  • TheoryState（所有证明、引理、形式语句）

  • Bibliography（带精确引用键的论文列表）

  • ExperimentResult（如有）

输出：

  • 存储于 ResearchOutput 中的 latex_paper 字符串

LaTeX 特性：

  • 完整的 LATEX_PREAMBLE，包含 13 个定理环境：theorem、lemma、corollary、definition、proposition、assumption、conjecture、claim、example、fact、observation、maintheorem、remark

  • 常用数学宏：\R、\N、\Z、\E、\Prob、\softmax、\Att、\argmax、\argmin、\norm、\abs、\inner

_extract_latex 规范化流水线：

  1. 去除前言 / \begin{document} / \end{document} 包装

  2. 规范化环境名称（\begin{Proof} → \begin{proof}，rem → remark，prop → proposition 等）

  3. 将 Markdown 标题转换为 LaTeX 章节命令

  4. 移除 tikzpicture 环境及空的 figure 环境

  5. 修复语法错误（\begin lemma} → \begin{lemma}，\begin{flushright → \begin{flushright} 等）

  6. 将 \endproof 替换为 \end{proof}

  7. 移除手动 QED 框（\begin{flushright}$\square$\end{flushright}）

  8. 从正文中去除 \bibliographystyle 和 \bibliography 行

  9. 关闭未闭合的环境（两轮处理：先移除孤立的 \end{X}，再补充缺失的环境结束标记）

证明风格强制执行（ENFORCE_PROOF_STYLE=true）：

  • 禁止在没有立即理由的情况下使用省略词（"clearly"、"trivially"、"by standard arguments"）

  • 每个不等式必须注明所用引理或定理

  • 每个引理证明以非正式直觉作为开头

  • 低置信度引理用 \textcolor{orange}{[Unverified step]} 标注

  • 局限性章节对所有未验证步骤进行说明

引用一致性： 写作提示词中每个参考文献均使用 \cite{key} 形式，且与 main.py 中 _generate_bibtex 采用相同的键生成算法。