所有 AI 项目，剥掉领域外衣都是同一条流水线    通用科学研究Agent平台    智慧城市项目


GitCC开源社区      DeepOpen官网      我们的技术核心      开源物理AI      具身数据采集      图书：从预测到行动

① 数据收集 → ② 模型选择 → ③ 训练 → ④ 评测 → ⑤ 部署，研究者在每一步出口的「干预门 🧑‍🔬」做判断， 失败样本回流驱动迭代，最终沉淀为 新模型 · 原理 · 论文 · 产品 · 专利/IP。
案例信息基于各项目公开论文/技术报告（截至模型知识时点），版本可能已更新，请以仓库为准；「专利/IP」栏为示意，未核实。
⟲ 失败样本回流
研 究 产 出

通用方法论：给 Agent 用的流水线契约

把每一步定义为「输入 → 产出物 → 质量门 → 人工干预点 → 可自动化动作」。Agent 负责执行与自动检查，研究者在质量门处做关键判断。这样流水线就能被契约化、编排、部分自动化。
⟲ 回流规则（关键）：失败样本先做归因，再回到对应步骤，不一定回到第一步。 数据问题（标注错、分布缺口）回到 ①；能力上限或归纳偏置不对回到 ②；欠拟合、不稳定或配方问题回到 ③；指标与真实目标不一致时，先修 ④ 的评测本身。 每次回流都要记录「失败样本 → 归因 → 改动 → 指标变化」，这条记录本身就是「原理」与「论文」的素材。
📜 导出 JSON 流水线契约（可作为 Agent 的任务规划模板） 





提示：点击任一步骤卡片可直接跳转；「通用模板」标签展示的是不绑定具体项目的 Agent 执行版本。