科研工作常被形容为一场漫长而艰辛的旅程：从堆积如山的文献中寻找方向，在反复实验中验证猜想，最终将成果凝练成论文。尽管近年来大模型技术迅速发展，能够辅助完成文献阅读、代码编写等任务，但这些工具大多分散在科研流程的各个环节，未能形成系统性支持。浙江大学团队推出的开源平台Polaris，试图通过构建完整的科研流水线，让AI深度参与从文献追踪到论文发表的全过程。
该平台以"北极星"为名，寓意为科研人员指引方向。其核心设计理念是将传统线性科研流程转化为可交互的智能流水线，涵盖文献调研、想法生成、方案评审、实验执行、论文撰写和同行评审六大环节。每个阶段的输出自动成为下一阶段的输入，研究者只需在关键节点做出决策，其余工作由AI自主推进。例如，在文献调研阶段，系统会根据用户订阅的领域自动抓取arXiv最新论文，生成包含核心结论、中文导读和概念标签的摘要，研究者通过浏览筛选即可构建个人文献库。
文献管理模块突破了传统存档模式，采用深度解读机制。每篇入库论文都会被编译成一页精简报告，包含研究动机、方法论和可借鉴点，同时提取正文插图并添加说明。系统通过概念链接构建知识图谱，用户点击任意概念即可查看相关研究，还能从时间轴观察领域发展脉络。文献库支持语义检索、标签管理和状态跟踪，重要论文可一键生成分享PPT，并导出至Obsidian等笔记工具。
实验执行模块构建了智能体循环系统，包含规划、执行、校验三个核心环节。AI首先将实验目标拆解为带验收标准的步骤清单，随后自动编写代码、部署环境并启动训练。每完成一步都进行严格校验，包括退出码、产物和指标的逐项核对。当实验结果不理想时，系统会分析问题并生成替代方案，更新步骤清单后继续迭代。研究者可在实验关键节点介入决策，例如数据集选择或度量标准调整，AI会将人类反馈纳入后续执行计划。
论文撰写环节设置了严格的数据溯源机制。平台提供集成LaTeX编辑器，支持多文件管理和实时编译预览，AI按章节辅助起草内容。系统强制要求所有数据必须源自真实实验记录，每条引用必须对应存在文献，否则无法通过审核。成稿后进入AI同行评审阶段，三位评审员分别从不同角度核查内容，系统自动比对实验数据与论文表述，发现引用造假或数据矛盾立即退回修改。
为适应不同实验室的研究规范，Polaris设计了技能系统。用户可将评审标准、辩论人设或代码规范等要求封装为技能模块，挂载到对应流程环节。平台预置了文献综述速写、实验设计规范等实用技能，还提供Rebuttal起草等专项工具。研究者既可使用内置技能，也能自定义模块或从社区共享库安装第三方技能。
作为多人协作平台，Polaris支持团队共同维护方向文献库，解析后的论文全平台共享，避免重复劳动。实验室管理面板实时显示成员工作量、资源消耗和知识图谱全景。平台能力通过MCP协议和技能体系对外开放，可与Claude Code、Codex等工具集成，提供清晰的API文档和试运行环境。目前该项目已在GitHub开源，提供macOS、Windows和Linux客户端下载。
