01 · PRIMARY COCKPIT
AI 研究主驾驶舱
研究团队与 AI 协作完成需求拆解、数据采集、原文阅读、分析、纠偏、复跑和交付物生成。方法按问题调整，证据与质量门槛保持一致。
研究设计数据处理交叉验证交付生成
User Content Research System
让复杂研究，
变成可审阅的
决策证据。
UCRS 把用户内容的采集、阅读、分类、验证与交付组织成一条可追溯的研究链路。研究团队在 AI 主驾驶舱完成工作，客户在网页副驾驶舱审阅成果、证据与质量状态。
公开页面仅展示通用能力，不展示客户名称、项目标识或客户数据。
01
Data Trust先确认数据边界、来源与可用性
READY
02
Interpret + Classify原文直读、分类统计与语义相似性交叉验证
CHECKED
03
Evidence Chain结论回连证据、过程与质量判断
TRACEABLE
04
Client Review客户审阅成果、提出反馈并确认下一步
REVIEW
✓结论可回到原始证据
✓重要判断交叉验证
✓不确定性明确标注
✓客户数据隔离展示
One system · two cockpits
主驾驶研究，
副驾驶审阅。
复杂研究需要能读原文、写代码、调用工具并持续纠偏的工作环境；客户需要的则是清晰、稳定、可质询的审阅界面。UCRS 让两者各自专注于最擅长的工作。
02 · REVIEW COMPANION
客户审阅副驾驶舱
网页系统以审阅为中心：查看交付成果、追溯证据、理解质量边界、反馈问题。它不把复杂研究简化成一个聊天框，也不默认代替研究团队重跑任务。
成果预览证据追溯质量状态审阅反馈
Review what matters
客户看到的，
是成果与依据。
界面围绕审阅任务组织，不堆叠研究团队内部工具。每个入口都回答一个明确问题：交付了什么、证据在哪里、质量是否达标、接下来怎么做。
↗
成果
集中查看报告、仪表盘、演示材料与行动建议，不在文件夹之间寻找最新版。
⌁
证据
从关键判断回到引用、原文与分析上下文，区分事实、解释与假设。
◇
质量
查看数据可信度、验证状态与业务边界，知道哪些结论可以采用、哪些仍需验证。
✓
反馈
围绕具体成果留下审阅意见，形成清楚的修订与确认记录。
Research discipline
少一些黑盒，
多一层验证。
UCRS 不追求把所有研究做成固定脚本。系统只保留真正必要的纪律：数据先可信、重要结论多方法核验、最终交付能被客户理解和行动。
Data Trust 优先
在分析之前识别来源、缺口、重复、营销噪声与样本边界。不能支撑的结论不进入交付。
方法三角互证
Agent 解释、分类统计与语义相似性相互检查。分歧不是被隐藏，而是成为继续核验的线索。
从结论到行动
最终交付说明发生了什么、为何重要、客户下一步能做什么，以及哪些内容不能过度解读。
Trust boundaries
可信，不等于
假装确定。
预测与行为代理默认是决策支持。只有数据、基准与回测达到相应门槛时，系统才会提升其可用级别。
✓证据不足时，明确写出不确定性和补证路径
✓预测标注为演示、已基准验证或生产可用
✓客户数据、项目标识与交付内容按权限隔离